ОПЕРАТОР - ТЕХНОЛОГ

Оператор может пользоваться разными оперативными данными: технологическими в виде понятий отдельных элементов технологического объекта; функциональными - в виде понятий о состояниях элементов технологического объекта; информационными - в виде отклонений контролируемых параметров за допустимые значения. Оператор постепенно абстрагируется от определяемых им ситуаций и переходит к общению с объектом на языке информационной модели, оставляя за собой перекодировку этого языка снова на технологический.

В процессе обучения у оператора должен быть выработан алгоритм мышления, состоящий из стадий: анализа состояния объекта управления; прогнозирования изменений состояния агрегата; планирования действий; собственно действий. Существует возможность осуществления этой последовательности действий одновременно и в измененной последовательности. Планирование действий связано с формированием у оператора концептуальной модели технологического объекта.

Обучение на тренажере определяется как процесс направленного формирования индивидуального опыта, необходимого для эффективной деятельности в реальной человеко-машинной системе. Индивидуальный опыт складывается из знаний, навыков и умений, приобретаемых в процессе обучения. Это значит, что проблему обучения можно сформулировать как проблему овладения знаниями, формирования умений и обработки навыков выполнения задач профессиональной деятельности.

Обучение операторов действиям различного темпа целесообразно проводить с использованием изменения масштаба времени - так, чтобы у оператора не сложилось ложное представление об инерционности объекта управления.

Структура исследуемой модели состоит из двух основных функциональных блоков:

детектора признаков и селектора реакций. Обработка результатов моделирования методом рабочих характеристик позволила формализовать с помощью двух обобщенных параметров и, физический смысл которых определяются как отношение «сигнал/шум» на выходе селектора реакции и время принятия решения при дисперсии шума, равной нулю:

Данные параметры зависят от функционального состояния и индивидуальных особенностей оператора. Значения коэффициентов и инвариантны к решаемой задаче;

- пороговый уровень детектора реакции; - среднеквадратическое отклонение, зависящее от особенностей и функционального состояния оператора. Особое внимание при создании тренажеров операторов сложных технологических объектов должно быть уделено поиску эффективных методов определения рациональных вариантов действий обучаемого на различных стадиях обучения и их формализации применительно к конкретному объекту. Изучаемой системе ставится в соответствие определенная логическая структура, формализуемая графом, каждая вершина которого характеризует выход параметра за границы интервала - соответственно верхний и нижний пределы допустимых изменений параметров, задаваемых технологическим регламентом. Ребра графа, соединяющие отдельные вершины, представляют собой динамические каналы, по которым изменения передаются от одной вершины к другим.

Каждый из режимных параметров является выходной координатой объекта, на нормальный режим работы определяется выполнением неравенства:

Величины должны удовлетворять дополнительным неравенствам:

Значения соответствуют таким значениям координат, при которых происходит авария. Величины определяются большим числом взаимозависимых условий процесса.

Под аварийной ситуацией динамической системы понимается такой режим работы, когда возникает одно или несколько условий:

Одна аварийная ситуация отличается от другой различными комбинациями параметров удовлетворяющих условиям (2); все они определяются логическими причинно-следственными связями между Для формализации знаний об отказах предлагается метод, с помощью которого возможна численная оценка вероятностей возникновения предаварийных и аварийных ситуаций при отказах оборудования. Метод предполагает использование моделей надежности функционирования объекта на базе деревьев отказа, позволяющих проследить пути распространения различных отказов.

Исходной информацией для построения деревьев отказов является ориентированный граф объекта, представляющий собой графическое изображение связей между событиями в объекте и действиями оператора.

Для приобретения оператором необходимых знаний логики развития аварийных ситуаций необходим ситуационный анализ полного графа развития аварийных ситуаций с использованием метода декомпозиции. Для удобства формирования описания используется так называемая «декомпозиция» j, согласно которой любая система отображается в себе самой. Применяя метод декомпозиции к системе D0, получаем множество ветвей:, которые, в свою очередь, можно разделить на. Процесс можно считать законченным, как только достигается тождественная декомпозиция.

Процесс составления алгоритма действия оператора сводится к построению полного графа первопричин (ГП) для каждого основного события (аварийной ситуации). Анализ на уровнях элементарных графов (Гj) возможных вспомогательных событий и значимости их влияния на основное событие позволяет преобразовать ГП в граф приоритетности развития аварийных ситуаций, где над каждой дугой графа записывается значение весовых коэффициентов B1j.

Принципы построения причинно-следственной модели деятельности оператора позволяют эффективно формировать алгоритмы действий оператора по устранению возникающих ситуаций при различных режимах функционирования объекта и создают реальные предпосылки для создания на их основе системы имитации. Разработку эталонных алгоритмов предлагается осуществлять из условия необходимости выполнения основных функций: обнаружения нарушений и неисправностей, выявления их причин, принятия решений и осуществления управляющих воздействий. В целях развития у оператора навыков в осуществлении этих функций строятся алгоритмы контроля и управления.

Для преобразования графа первопричин в графе контроля необходимо выбрать точки контроля, расставить их на связях графа и упорядочить последний за счет устранения неопределяемых событий.

В работе предложены способы определения необходимого и достаточного для диагностики основного события числа контролируемых параметров. Проанализированы основные этапы оценки графов контроля. В качестве критериев сравнительной оценки графа контроля предлагаются следующие показатели:

1. Избыточность контролируемых узлов графа (по сравнению с нормированным, в котором она равна нулю) где - число эталонных графов, в которых вершина является контролируемым событием, а все ветви - контролируемыми событиями;

2. Недостаточность контролируемых узлов графа контроля (по сравнению с нормированным, в котором она равна нулю):

где - число эталонных графов, в которых вершина контролируется, а число ветвей i-го ЭГ, в котором соблюдаются те же условия - число ветвей в i-м эталонного графа;

3.Избыточность параметров реального графа контроля:

где - реальное число контролируемых параметров, подсчитываемое по графу контроля; - необходимое и достаточное для диагностики числа контролируемых параметров для нормированного графа контроля;

4. Сложность алгоритмов контроля для реального графа:

• абсолютное превышение средней сложности алгоритмов контроля где Ср - средняя сложность алгоритмов контроля исходных событий для графа, подсчитываемая как отношение сумм всех членов формул для всех исходных событий к числу событий; - среднее значение сложности алгоритмов контроля исходных событий для нормированного графа, подсчитываемое по формуле (8);

• относительное превышение средней сложности алгоритмов контроля исходных событий, выраженное в процентах, 5. Дисперсия сложности алгоритмов контроля Dс, характеризующая рассеивание сложности алгоритмов контроля относительно среднего значения:

где n - число исходных событий в графе; k - число групп с одинаковым значением число исходных событий, объединенных в i -ю группу сложности алгоритмов контроля.

Учитывая наличие в системе управления множества каналов устранения возникающих отклонений режима независимо от места ввода первопричин, эталонный алгоритм действий оператора (рис.2) предусматривает восстановление нормального режима в три этапа. Первый этап - предварительное подавление развития аварийной ситуации с помощью наиболее быстродействующего канала. Второй этап - выявление действительной первопричины и ее устранение. Третий этап - восстановление введенного на первом этапе воздействия.

В работе проанализированы подходы к формированию альтернативного множества возможных действий в зависимости от конкретного целеобразования.

Проведен анализ деятельности человека - оператора и описана методика расчета коэффициентов стереотипности ( Z ) и логической сложности (L), характеризующих структуру алгоритма деятельности операторов, предложен метод оценки готовности (функциональной надежности) оператора к выполнению задач профессиональной деятельности, которая представляет собой упорядоченную совокупность действий, осуществляемых для достижения поставленных целей.

Если раскрыта логическая организация этой совокупности, то сложное действие может быть описано как алгоритм решения определенной задачи деятельности. Разные виды деятельности могут складываться из типовых действий. Выделены два уровня типовой деятельности человека-оператора: технологический и психофизиологический.

Работа человека-оператора подразделяется на три иерархических уровня:

Рис.2.Алгоритм действий оператора по выявлению и устранению К последующим деятельность, (типовые и ситуационные) действия, параметра 14 Деятельность констВосстановление операции.

руируется из действий, человека-оператора, направленных на реализацию определенной цели, достижение которой реализуется выполнением ряда операций.

Наиболее распространенной формой описания алгоритма деятельности оператора является форма с использованием логической схемы, в которой элементы алгоритма записываются в виде последовательности управляющих воздействий Аг- и логических условий Рг-.

Для оценки профессиональной деятельности оператора используются следующие количественные характеристики:

1. Коэффициент стереотипности (Z):

где m0 - число групп управляющих воздействий в алгоритме, - длина j-ой группы операторов, равная числу операторов в группе, N - полное число операций в алгоритме, - число операций в j-ой комплексной группе, которая включает одну непрерывную группу операторов и следующую за ней одну непрерывную группу логических условий.

Разбиение алгоритма на комплексные группы осуществляется, начиная с первой группы операторов.

2. Коэффициент логической сложности ( L ) :

где - число непрерывных групп логических условий в алгоритме, - длина j - ой непрерывной группы логических условий, равная числу логических условий в группе, N* число операций в алгоритме, начиная с первого по счету логического условия, - число операций в j-ой комплексной группе алгоритма. Комплексная группа включает одну непрерывную группу логических условий и следующую за ней одну непрерывную группу операторов. Разбиение алгоритма на комплексные группы осуществляется, начиная с первой группы логических условий.

Логическая схема фрагмента алгоритма работы оператора автоматизированной системы управления (АСУ).

Группа операторов Группа логических условий P1P2A1A2P3A3P4A4P5A5P6A6P7A7S Расчет коэффициентов стереотипности ( Z ) и логической сложности (L) показывает, что логическая схема рассматриваемого алгоритма характеризуется оптимальными значениями количественных показателей структуры деятельности человекаоператора, удовлетворяющих условию 0,25 < Z < 0,85; L < 0,2, и предложенный алгоритм может рассматриваться как типовой.

Предложен метод оценки функциональной надежности оператора через интегральный показатель состояния человека, оцениваемой по времени выполнения алгоритма tA (быстродействие оператора) и количеству допущенных оператором ошибок NA (точность выполнения оператором предписанных функций). Первый показатель (tA) определяется инструктором - фиксируется начало и окончание работы оператора. Второй (NA) определяется по данным визуального контроля (наблюдения) за порядком отработки оператором алгоритма на тренажере. Оценка функциональной надежности оператора при работе на учебном тренажере выставляется инструктором по правилам, приведенным в табл.1, путем сравнения полученных результатов (tA, NA) с нормативными показателями (tH NH).

Интегральная оценка уровня функциональной надежности оператора Время выполнения алгоритма Внедрение предложенного подхода к оценке функциональной надежности оператора позволяет решить ряд существенных практических задач операторской деятельности: автоматизировать процесс выставления комплексной оценки функциональной надежности оператора по результатам его реальной работы в пошаговом режиме, что позволяет повысить достоверность оценки; освободить инструктора и сократить время на профессиональную подготовку оператора.

В третьей главе предложена обобщенная функциональная структура АТОС, обеспечивающая решение задач обучения, а также адаптивная по отношению к изменяющимся характеристикам технологического процесса и обучаемого персонала.

Основной модуль АОС - подсистема представления знаний - включает в свой состав как элементы, обеспечивающие пассивное изучение и усвоение обучающей информации – базу данных технологических параметров, базу данных обучающей информации, экспертную систему, так и подсистему математического моделирования объекта исследования, обеспечивающую активную отработку оперативных навыков и приемов управления. Другим функциональным модулем является модель обучаемого, представляющая собой набор методов и алгоритмов, позволяющих получать количественные оценки профессиональных характеристик обучаемого и уровня его знаний. Еще одной необходимой функциональной составляющей является методика обучения, элементами которой являются: способ передачи информации обучаемому, вид откликов обучаемого и метод контроля знаний, а также временные характеристики, которые устанавливаются, исходя из характеристик обучаемого: время ответа на вопрос и число попыток при ответе.

Алгоритмы тестирования и оценки оператора, входящие в модель обучаемого, могут использоваться как самостоятельные программные продукты для контроля знаний обучаемых и получения результатов в виде протоколов тестирования, так и при систематическом обучении операторов для контроля эффективности процесса подготовки, коррекции обучающих методик и алгоритмов, повышения степени индивидуализации обучения.

На основе комбинации различных форм передачи информации с формами откликов обучаемого и с применением различных способов контроля знаний можно формировать различные методики обучения.

Автоматизированное обучение является обучением в максимальной степени управляемым, а управление любым объектом невозможно без полной информации как о начальном состоянии этого объекта, так и о его поведении в процессе управления (с помощью обратной связи). (рис.3) В работе разработана концептуальная модель обучения оперативного и диспетчерского персонала. Подготовка к деятельности (рис.4) предусматри-вает работу как в штатных ситуациях.

Характеристики объекта Характеристики объекта Цели и задачи обучения 1.Стандартизированный 1. Статический Фиксированн 1.Случайный 2.Индивидуально 3. Восстановление частей 4. Переструктурирование

АОС АТОС ИТ

Инструктор наделен следующими функциями: контроль за действиями обучаемых;

сохранение начальных состояний технологического процесса; загрузка ранее сохраненных начальных состояний моделируемого технологического процесса; изменение параметров технологического процесса; имитация отказов в работе основного оборудования, вспомогательных систем, КИПиА; возможность имитации последовательности возникновения различных отказов в работе оборудования (сценарии развития нештатных ситуаций); формирование и печать протоколов действий каждого обучаемого.

Обучаемый оценивает текущую ситуацию на технологическом объекте и реализует управляющие воздействия, направленные на поддержку заданного технологического режима работы оборуд ования, локализацию последствий аварийных ситуаций или иные действия в зависимости от текущей ситуации на объекте.

АВТОМАТИЗИРОВАННАЯ ОБУЧАЮЩАЯ СИСТЕМА

В качестве основного принципа. положенного при создании эффективных систем обучения на базе тренажеров, принято положение о необходимости развития у операторов оперативного мышления, позволяющего осуществлять эффективное управление сложным технологическим объектом. В соответствии с этим формулируются положения, которые необходим о принимать во внимание как при разработке отдельных элементов системы обучения, ее информационной модели, так и математического обеспечения тренажерного комплекса в целом. Во-первых, это достаточное подобие тренажерного комплекса реальному объекту. Во-вторых, это формирование у обучаемого на каждом этапе обучения наилучшего варианта решения. В-третьих, реализация формализованного подхода к определению объективной оценки действий обучаемого и общего уровня его обученности. В-четвертых, блочное построение математического обеспечения. Исходя из этого, выделяются основные элементы тренажера: математическая модель объекта; модель формирования рационального варианта решений обучаемого; система оценки действий обучаемого. Наиболее рациональной методической основой обучения является операционно-комплексный метод в сочетании с прогрессивностью нарастающей информационной нагрузки. Важной частью МО является модель формирования рациональных действий обучаемого. Степень совпадения действий обучаемого с рассчитанной по этой модели последовательностью необходимых операций позволяет непосредственно определять уровень обученности оператора.

В общем случае структурно-системное МО включат в себя ядро системы, состоящее из супервизора ввода-вывода и диспетчера задач; систему драйверов ввода-вывода;

систему трансляторов программ с алгоритмических языков высокого уровня; систему редактирования исходных программных модулей. Основными функциями программного обеспечения (ПО) тренажеров являются: имитация функционирования объектов в различных режимах; управление выполнением учебных, тренировочных и контрольных заданий; управление процессом обучения; оценка деятельности операторов; генерация технологических ситуаций; представление рекомендаций оператору по управлению объектом; генерация и обработка деревьев отказов; генерация и редактирование баз данных по технологическому процессу, программам и методикам обучения, индивидуальным характеристикам обучаемых. Связь между программным и модулям и осуществляется через общую область памяти и базу данных.

Четвертая глава посвящена реализации алгоритмов оценки профессиональной пригодности и обучения операторов. В учебно-тренинговом центре ООО «Химавтоматика», было проведено тестирование 40 операторов. В табл.2 приведены сведения о профессионально значимых качествах операторов и методиках их оценки.

представлены результаты тестирования, приведенные к нормализованному виду где - нормализированная оценка по тесту, - количество правильных ответов испытуемого на вопросы, - максимально возможное количество правильных ответов, i - номер теста, j — номер оператора.

Применение экспертного метода обусловлено тем, что непосредственное измерение профессиональной пригодности с помощью объективных методов или расчета невозможно. Оценка профессиональной пригодности операторов проводилась по обобщенному показателю, который рассчитывался как среднее арифметическое по всем тестам. Расчет показал наличие разницы в результатах тестирования операторов, что свидетельствует о неравной степени проявления требуемых качеств у операторов.

Профессиональная пригодность операторов оценивалась экспертами по балльной шкале от 1 до 5 с единичным шагом. Значение 5 соответствовало наилучшей, максимальной оценке профессиональной пригодности оператора, а значение 3 являлось нижней границей профессиональной пригодности оператора. Профессиональная пригодность операторов оценивалась экспертами по балльной шкале от 1 до 5 с единичным шагом.

Значение 5 соответствовало, максимальной оценке профессиональной пригодности оператора, а значение 3 являлось нижней границей профессиональной пригодности оператора. Таким образом, при Y > 3 оператор считается «успешно пригодным», при Y < 3 — «условно пригодным».

Внимание распределение внимания контроля технологического Бурдона концентрация внимания внимания с одного объекта на Мюнстербе Технически технического интеллекта технологического процесса, механическ й интеллект Логическое мышление Зрительное восприяти Эмоциональная устойчивость Ответственность Профессионально значимые качества оператора и методика их оценки Согласованность мнений экспертов оценивалась с помощью коэффициента конкордации W, который рассчитывается по формуле, предложенной Кендэлом где W - коэффициент конкордации, S - сумма квадратов разностей (отклонений) между фактическими суммарными рангами объектов и их средним значением, т - количество экспертов, n - количество операторов, Tj - показатель связанных рангов j-й ранжировке.

Расчеты показали: коэффициент конкордации W равен 0,950, что свидетельствует о высокой согласованности мнений экспертов.

Вывод математической модели профессиональной пригодности операторов проводился на основе установления функциональной связи между результатами тестирования и экспертными оценками с помощью статистического пакета прикладных программ Sign, в основу которого положен алгоритм обработки данных непараметрических методов статистического анализа данных, основанного на переходе от наблюдений или остатков к знакам остатков. Этот метод не требует нормальности и одинаковой распределенности случайных ошибок. Преимуществом знаковых оценок является также их устойчивость к выбросам данных и высокая точность оценки неизвестных параметров при малых выборках.

Профессионально значимые качества оператора и методика их оценки Примечание: X1 - нормализованная оценка но тесту Бурдона, X2 - по тесту Мюнстерберга, X3 - по тесту «Воспроизведение фигур» (кратковременная память), X4 - но тесту «Воспроизведение фигур» (долговременная память), X5 - по тесту механической понятливости Беннета, X6 - по тесту «Сложные аналогии», X7 - по тесту «Деление отрезка пополам», X8 - по тесту Кеттелла, X9 - по тесту Кеттелла Установление функциональной связи между результатами тестирования и оценкой профессиональной пригодности осуществлялось решением линейной регрессионной задачи где Y - вектор значений функции отклика (оценка профессиональной пригодности), вектор неизвестных параметров, X - вектор факторов, влияющих на отклик (результаты тестирования),, - вектор независимых случайных ошибок В основе метода лежат предположения, что независимые случайные ошибки Ј в линейной регрессии с равными вероятностями принимают положительные и отрицательные значения для всех i=1,…,n сводится к решению задачи:

Решение такой задачи всегда существует, поскольку целевая функция является кусочно постоянной (при изменении векторного параметра 6 во всем пространстве она принимает конечное число значений).

В статистическом пакете прикладных программ Sign для вычисления знаковых оценок применяется итерационный алгоритм, который сводится к последовательной минимизации каждого из слагаемых задачи.

Компьютерная обработка данных тестирования операторов позволила получить математическую модель профессиональной пригодности, имеющую вид Результаты проверки нулевой гипотезы для уровня доверия 0,950 показали, что все нулевые гипотезы отвергаются, следовательно, все члены регрессионной модели значимы, т.е. все исследуемые качества являются значимыми для оценки профессиональной пригодности оператора.

На основании полученной модели было установлено, что 68 % протестированных операторов следует отнести к «успешно пригодным», 32 % - к «условно пригодным».

Учитывая, что при работе «успешно пригодных» операторов вероятность возникновения аварийной ситуации за рассматриваемый период снижается на 18 %, а затраты на проведение профотбора незначительны. Установлено, что экономическая эффективность внедрения профессионального отбора многократно превышает затраты на его проведение.

В работе исследовано эффективность применения тренажерно-обучающих комплексов для обучения операторов навыкам и приемам управления технологическими объектами.

Для проведения эксперимента были взяты две группы по 25 (первая группа) и 21 (вторая группа) человек соответственно. При этом первая группа выполняла задания с предварительным обучением при помощи тренажерной обучающей программы, а вторая на основе методических материалов на бумажных носителях. Анализ показал, что наиболее адекватными характеристиками оценки эффективности результатов обучения с использованием тренажерной системы являются показатели времени выполнения определенных действий, доля правильных действий, среднее квадратическое отклонение времени выполнения действий и доли правильных действий, а также такие сравнительные показатели, как коэффициент усвоения и коэффициент сокращения времени выполнения управляющих воздействий.

Показано, что при решении типовых задач приемки смены оператором среднее время приемки сокращается с 18 до 15 минут, что при уровне значимости а=0,01 является статистически значимым различием. Доля правильных действий увеличивается с 76 до 97%. Соответственно в восемь раз уменьшается количество ошибок. При решении проблем, возникающих при аварийной ситуациях, среднее время правильной реакции сокращает их почти в два раза, стандартное отклонение времени - в 2,5 раза. Доля правильных действий увеличивается с 64 до 89%, т.е. более чем в три раза сокращается доля ошибочных действий. При решении проблем аварийной ситуации станционного характера среднее время реакции сокращается с 19,1 до 10,5 минут, разброс времени - в 2, раза. Доля правильных действий увеличивается с 57 до 84%, т.е. в два с лишним раза уменьшается доля ошибочных действий.

Полученные значения коэффициента усвоения показывает, что у подготовленной на тренажере группы результаты выполнения заданий лучше, чем у неподготовленной при одновременном существенном сокращении затрат времени на выполнение заданий.

ЗАКЛЮЧЕНИЕ

В процессе выполнения диссертации получены следующие, новые теоретические и практические результаты:

1. В результате анализа существующих подходов к проблеме автоматизации профессионального отбора операторов построена модель тестирующей системы, что обеспечивает расширение функциональных возможностей системы в аспектах оценки профессиональной пригодности и подготовки операторов технологических установок.

2. Выявлены общие и специальные проблемы моделирования деятельности оператора в тренажерных комплексах. Выявлена и проанализирована структура, этапы проектирования и особенности реализации специального, информационного, математического, программного, технического и других видов обеспечения тренажеров сложных объектов.

3. Разработан метод автоматизированного тестирования оператора, учитывающий качество выполнения оператором технологических операций предписанного алгоритма и обеспечивающий комплексную оценку профессионально важных качеств человекаоператора. Данный метод позволяет автоматизировать процесс выставления оценки функциональной надежности оператора по результатам его реальной работы в пошаговом режиме, что повышает достоверность этой оценки.

4. Разработана методика профессионального отбора операторов; выявлены профессионально значимые психофизиологические и личностные качества, подобраны психодиагностические методики для их оценки;

5. Разработан алгоритм количественной оценки готовности оператора сложных технологических установок к выполнению задач профессиональной деятельности, характеризующийся повышенной прогностической способностью для оценки функциональной надежности человека-оператора. Предложенный алгоритм позволяет организовать учет двух основных составляющих функциональной надежности оператора:

структурные особенности процесса операторской деятельности (по нормированным коэффициентам стереотипности и логической сложности) и динамику изменения функционального состояния оператора в процессе деятельности (по временным параметрами типологических действий оператора). Данный алгоритм программно реализован на языке программирования Borland Delphi.

6. Разработано программное обеспечение автоматизированной тестирующей психофизиологической системы для оценки профессиональной пригодности и подготовки операторов сложных технологических установок. Данная система обеспечивает возможность получения объективных данных как констатирующего характера (проверка функциональной надежности оператора), так и прогнозирующего характера (предсказание возникновения нежелательных состояний как причин снижения эффективности его деятельности).

7. Разработана многофункциональная тестовая оболочка «Prof_Test», представляющая собой программное средство для ведения редактирования базы тестовых заданий, регистрации результатов тестирования, а также оценки профессиональной пригодности операторов на стадии подготовки и переподготовки специалистов по предметной области «Автоматизация технологических процессов и производств».

8. Получена модель профессиональной пригодности с помощью знакового метода анализа данных выявлено, что операторов, работающих на технологических установках можно разделить на две категории: «успешно пригодных» и «условно пригодных».

9. Выполнен расчет экономической эффективности проведения профотбора операторов-технологов, основанный на использовании статистического пакета прикладных программ Sign. Установлено, что экономическая эффективность внедрения профессионального отбора многократно превышает затраты на его проведение.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

науч. трудов «Вопросы кибернетики». Современное состояние и пути развития информационных технологий:

- Ташкент, 2006. - С.195-197.

2. Мигранова Э.А, Тошматова Ш.С. Виртуальная лаборатория – программа тренажер для приобретения навыков и умений // Межвузовский сб. науч. трудов.

Актуальные вопросы в области технических и фундаментальных наук: – Ташкент. 2006. С.97-99.

3. S.A.Vasileva, B.B.Gaibnazarov, E.A.Migranova. The analysis of indistinct algorithms of management of technological processes and manufacturesстатья7.doc // Proceedings on Fourth World Conference on Intelligent Systems for Industrial Automation. – Uzbekistan, Tashkent, 2006. – Р.Р. 299-300.

4. Мигранова Э.А. Анализ подходов к разработке систем обучения и контроля знаний // Материалы международной научно-технической конференции. «Геотехнология:

инновационные методы недропользования в XXI веке – «ISTIQLOL»»:– Москва-Навои, 2007. - С.443-445.

5. Мигранова Э.А., Камзина Ю.В. Классификация компьютерных обучающих систем // Материалы международной научно-технической конференции. «Геотехнология:

инновационные методы недропользования в XXI веке – «ISTIQLOL»»:– Москва-Навои, 2007. - С.401- 6. Гулямов Ш.М., Мигранова Э.А., Камзина Ю.В. Контроль знаний в компьютерных тренажерных системах // Научно-технический журнал «Химическая технология. Контроль и управление». - Ташкент, 2007. - № 5. - С.81-85.

7. S.SH.Hilalova, E.A.Migranova, K.J.Jusupov. Computer training apparatus for preparation of operators automated sulfuric acid manufactures // Proceedings on Fifth World Conference on Intelligent Systems for Industrial Automation. – Uzbekistan,Tashkent, 2008. – Р.Р. 370-373.

8. A.N.Akhmadjonov, S.Sh.Hilalova, E.A.Migranova. Interaction of intelligent agents // Proceedings on Fifth World Conference on Intelligent Systems for Industrial Automation. – Uzbekistan, Tashkent, 2008. – Р.Р.330-335.

9. Мигранова Э.А. А Анализ обучающих систем и основных психологопедагогических подходов в обучении // Научно-технический журнал «Химическая технология. Контроль и управление». - Ташкент, 2008. - № 6. - С.89-93.

10. Мигранова Э.А. Разработка модели структуры предметной области в автоматизированном тренажерно-обучающем комплексе // Научно-технический журнал «Вестник ТУИТ». - Ташкент, 2008.- №4 - С.98-101.

11. Мигранова Э.А., Юлдашева К. Компьютерные тренажерные комплексы // Респ.

межвуз. сб. «Актуальные вопросы в области технических и социально экономических наук»:

-Ташкент, 2009. - С.200-201.

12. Мигранова Э.А., Цхе Е.В. Автоматизированный контроль знаний по методике уточняющих вопросов // Материалы международной научно-технической конференции.

«Современная техника и технология горно-металлургической отрасли и пути их развития – «ISTIQLOL»»:

-Навои, 2010. - С.481-483.

13. Гулямов Ш.М., Мигранова Э.А. Моделирование комбинированных систем автоматического регулирования // Материалы международной научно-технической конференции. «Современная техника и технология горно-металлургической отрасли и пути их развития –«ISTIQLOL»»:

- Навои, 2010. - С.462-463.

14. Мигранова Э.А. Многофункциональная тестовая оболочка «Модуль-тест» для проведения тестового контроля знаний производственного персонала промышленных предприятий // Респуб. межвуз. сбор. научных трудов. «Актуальные вопросы в области технич-х и фундаментальных наук»:–Ташкент,2010.-С.246-248.

15. Мигранова Э.А. Логическая структура автоматизированных обучающих систем // Научно-технический журнал «Химическая технология. Контроль и управление». Ташкент, 2010. - № 3. - С.86-89.

16. Мигранова Э.А., Юсупбеков А.Н., Мухамедханов У.Т. Моделирование систем автоматического регулирования в тренажерно-обучающих комплексах. Препринт. АН РУз Институт математики и информационных технологий.-Ташкент, 2010. - С. 17. F.T.Adilov, E.A.Migranova. Architecture of the automated intelligent training systems. Proceedings on Sixth World Conference on Intelligent Systems for Industrial Automation. – Uzbekistan, Tashkent, November, 2010. – Р.Р. 54-56.

18. Адилов Ф.Т. Мигранова Э.А. Построение концептуальных моделей деятельности оператора. Респуб. межвуз.сб. науч. трудов. «Актуальные вопросы в области технических и фундаментальных наук»: –Ташкент.2011. - С.295-297.

19. Мигранова Э.А. Структурный анализ деятельности человека-оператора.

Материалы республиканской научно-технической конференции. «Перспективы развития техники и технологии и достижения горно-металлургической отрасли за годы независимости Республики Узбекистан:

- Навои, 2011. - С.289-290.

20. Адилов Ф.Т., Мигранова Э.А. Программа оценки функциональной надежности оператора технологических процессов// Государственное патентное ведомство РУз.

Свидетельство DGU №02359. 25.11.2011г.

21. Юсупбеков Н.Р., Гулямов Ш.М., Адилов Ф.Т., Мигранова Э.А.

Концептуальные основы построения компьютерных обучающих систем для подготовки оперативно-диспетчерского персонал промышленных предприятий. Препринт. АН РУз Институт математики и информационных технологий.-Ташкент, 2011. - С.

РЕЗЮМЕ

Ключевые слова: автоматизированная обучающая система, компьютерный тренажер, тестовый контроль знаний, модели предметной области, обучаемого и управления процессом обучения, моделирование систем автоматического регулирования.

автоматизированные тренажерно-обучающие системы; технологические объекты управления сложными технологическими процессами и производствами.

Цель работы: разработка принципов, методов и способов построения когнитивных автоматизированных тренажерно-обучающих систем с расширенными функциями тестового контроля.

Методы исследования: аппарат математического моделирования процессов и аппаратов химической технологии, современная теория автоматического управления, принципы и методы когнитивного инжиниринга и статистической обработки данных.

Полученные результаты и их новизна. Научная новизна результатов диссертации заключается в том, что в ней проведено теоретическое обобщение и решение важной народно-хозяйственной задачи разработки научно-методической тренажерной платформы, реализующей типовую АТОС с расширенными функциями тестового контроля знаний в предметной области «Автоматизация производственных процессов», а также предназначенной для подготовки операторов технологических процессов и производств.

Практическая значимость состоит в том, что решение рассмотренных в диссертации задач позволяет эффективно проводить разработку и осуществлять практическое внедрение отвечающих современным требованиям АТОС для широкого класса процессов в химической, нефтеперерабатывающей, нефтехимической, промышленности строительных материалов и др. отраслях.

Степень внедрения и экономическая эффективность: Результаты исследований и разработок используются в: ОАО «Химавтоматика» (г. Ташкент), Ташкентском государственном техническом университете.

Область применения: Учебный процесс в технических и технологических вузах и в системе подготовки и переподготовки специалистов промышленных производств.

Техника фанлари номзоди илмий даражасига талабгор Мигранова Эльвира Аслямовнанинг 05.13.07 – «Ишлаб чиариш жараёнлари ва ишлаб чиаришни автоматлаштириш» ихтисослиги бўйича «Технологик жараёнларини бошариш учун операторларни ўргатиш ва танлаш автоматлаштирилган тизим» мавзусидаги

РЕЗЮМЕСИ

Тадиот объектлари: компьютерда ўитиш технологияси; автоматлаштирилган тренажер-ўитиш тизимлари; мураккаб технологик жараёнлар ва ишлаб чиаришни бошаришнинг технологик объектлари.

Ишнинг масади: ўитиладиганларнинг индивидуал хусусиятларига ва таълим стандартларининг талабларига мослашиш самарадорлигини оширадиган узлуксиз технологик жараёнли ишлаб чиариш корхоналарининг оператив-диспетчер ходимларини тайёрлаш учун ахборотни тестли назорат илиш, талил илиш ва тавсифлашнинг кенгайтирилган функциялари бўлган когнитив автоматлаштирилган тренажер-ўитиш тизимларини уриш принциплари, методлари ва усулларни ишлаб чииш.

Тадиот методлари: кимё-технологик жараёнлар ва аппаратларни математик моделлаштириш аппарати, автоматик бошарувнинг замонавий назарияси, когнитив инжиниринги ва маълумотларни статистик айта ишлаш принциплари ва методлари.

Олинган натижалар ва уларнинг янгилиги: Диссертация иши натижаларининг илмий янгилиги “Ишлаб чиариш жараёнларини автоматлаштириш” предметли соада билимларни тестли назорат илишнинг кенгайтирилган функциялари бўлган намунавий АТЎТни амалга оширадиган илмий-услубий тренажер платформани ишлаб чиишнинг муим хал хўжалиги вазифаларини назарий умумлаштириш ва ал илишдан иборат.

Амалий аамияти: ишнинг амалий аамияти шундан иборатки, диссертацияда кўриб чиилган вазифалар кимёда, нефтни айта ишлашда, саноати ва боша соаларда жараёнларнинг кенг класси учун автоматлаштирилган тренажер ўитиш тизимларини ишлаб чииш ва АТЎТ замонавий талабларига жавоб берадиган амалий жорий илинишини амалга ошириш самарали ўтказилиш имконини беради.

Татби этиш даражаси ва итисодий самарадорлиги: Тадиотлар ва ишланмалар натижалари “Кимё автоматика” ОАЖ (Тошкент шари), Тошкент давлат техника университети фойдаланилади.

ўлланиш (фойдаланиш) соаси: Техник олий ўув юртларидаги ва саноат ишлаб чиариш корхоналарининг мутахассисларини тайёрлиш ва айта тайёрлаш тизимдаги ўув жараёнлари.

RESUME

Objects of research: technologies of computer teaching, automated training-teaching systems, technological objects of complicated technological processes and productivity controlling.

Purpose of the work: principle, methods and ways of cognitive automated training teaching systems construction development with extended test control, analysis and information classification functions for training operating controlling staff of manufacturing enterprises with continuous technological processes, which help increase the efficiency of adaptation to students’ individual features and education standard requirements.

Methods of research: device of mathematic modeling processes and devices of chemical technological type, modern theory of automated controlling, principles and methods of cognitive engineering and statistic data processing.

The results obtained and their novelty: scientific novelty of the thesis results is that theoretical generalization and solution of important economic task development of scientific methodical training platform realizing typical ATLS with extended functions of test control on the subject “Automatization of manufacturing process”, and operators training technological processes and production is carried out.

Practical value: is that solution of considered task in the thesis allows develop and fulfill practical integration of ATLS meeting standard requirements for the wide types of processes in chemical, oil-processing, petrochemical spheres, mineral fertilizer production, construction materials industry and others.

Degree of embed and economic effectivity: results of the research are used in:

“Khimavtomatika”, Tashkent state technical university.

Field of application: Educational process in technical institutions and in industrial manufacture specialists training and qualification system.