«2 ТРУДЫ ИНФОРМАЦИОННЫЕ Кольского научного центра РАН ТЕХНОЛОГИИ 5/2013 (18) выпуск 4 СОДЕРЖАНИЕ Стр. Введение.. 9 В.А. Путилов Средства информационного мониторинга и А.В. Маслобоев моделирования глобальной безопасности ...»

S.N. Malygina, A.A. Menkova

SIMULATION MODEL OF MANPOWER NEEDS BY THE EXAMPLE OF THE

TRADING INDUSTRY IN THE MURMANSK REGION

Abstract The paper considers the system-dynamic model for estimating manpower needs for Key words:

simulation, system dynamic.

Введение Кадровая безопасность является одной из составляющих безопасности, наряду с другими – социально-экономической, экологической и др. Под кадровой политикой региона будем понимать стратегию региона по формированию и рациональному использованию кадрового потенциала общества.

Мурманская область – уникальный арктический регион с точки зрения ее геополитического и геоэкономического положения, роли в обеспечении обороноспособности страны, запасов природных ресурсов. Область характеризуется исторически сложившимся небольшим числом развитых (регионообразующих) отраслей (минерально-сырьевая база – горнопромышленный комплекс, рыбопромысловая база, оборонно-промышленный комплекс, энергетика), наличием градообразующих предприятий [1]. Для обеспечения кадровой безопасности региона необходимо подготавливать и распределять трудовые ресурсы так, чтобы они обеспечивали кадровые потребности различных отраслей.

Торговля – одна из крупнейших отраслей экономики любой страны, как по числу занятых в ней людей, так и по объему деятельности и вкладу в общий экономический потенциал. Мурманская область обладает развитой торговой сетью, включающей 3398 торговых предприятий общей площадью 440,6 тыс. кв. м. и 842 предприятия общественного питания на 55 тыс. мест;

47,4% торговых предприятий специализируются на торговле промышленными товарами, 43,7 — продуктами питания и 8,9% — смешанными товарами (2006). Получили развитие сети торговли крупных торговых фирм:

"Сейд", "Евророс", "Техношок", "Эксперт", "Рамстор", "Эльдорадо", "Провизион" и др. [2].

Рассмотрим создание имитационной модели кадровой потребности на примере торговой отрасли Мурманской области. Так как целью создания такой модели является проследить динамику потребности в кадрах для отрасли, то были выделены следующие основные составляющие модели:

«Предприятия» - имитируется процесс создания и ликвидации предприятий в торговой отрасли;

«Рабочие места» - предназначена для имитации возникновения и ликвидации рабочих мест в отрасли (т.е. с помощью этого блока можно проследить динамику вакантных рабочих мест);

«Занятость» - отвечает за имитацию динамики численности занятых в торговой отрасли.

Математическая модель Динамику численности предприятий, вакантных рабочих мест и занятых в торговой отрасли можно описать обыкновенными дифференциальными уравнениями:

где Pr- количество имеющихся предприятий торговой отрасли, V - количество возникших предприятий, L - количество ликвидированных предприятий, - количество рабочих мест в торговой отрасли, voz - количество возникших рабочих мест, lik - количество ликвидированных рабочих мест, - количество людей, занятых в торговле, prin - количество людей, принятых на работу в торговой отрасли, ush – количество людей, ушедших с работы из торговой отрасли.

На возникновение и ликвидацию предприятий в торговой отрасли влияют численность экономически активного населения (EAN), прибыль предприятий (pr), доход населения (dn), а также число уже имеющихся предприятий (Pr). Следовательно, эти элементы модели можно описать следующими зависимостями:

Для вычисления этих показателей были построены уравнения линейной множественной регрессии [3].

Возникающие предприятия:

Ликвидированные предприятия:

Новые вакантные места могут возникнуть при создании новых предприятий и за счет увольнения работников по разным причинам, следовательно, возникновение новых рабочих мест описывается следующим уравнением:

где - среднее число рабочих на предприятии торговой отрасли, p - число людей, ушедших с работы в торговой отрасли по причине пенсионного возраста, uh - число людей, ушедших с работы в торговой отрасли по причине переезда, um - число умерших в трудоспособном возрасте людей, при жизни работавших в торговой отрасли, - число людей, уволенных с работы.

Причинами сокращения рабочих мест могут быть как ликвидация предприятий, так и принятие на свободные рабочие места работников, поэтому ликвидация рабочих мест описывается уравнением:

где - среднее число рабочих на предприятии торговой отрасли, prin - число людей, принятых на работу в торговой отрасли.

Число работников ушедших на пенсию, вычисляется как доля от общего числа пенсионеров области ( ):

Аналогично вычисляется количество уволенных по причине смерти:

где – общее число умерших в трудоспособном возрасте по области.

Число уволенных по причине переезда описывается следующим выражением:

где Em - число людей, эмигрировавших из области, N – общая численность населения области, Zt - количество людей, занятых в торговле, kem - доля уехавших из области, работавших в торговой отрасли.

На свободные рабочие места (rmt) принимаются люди из числа безработных (vb), способных работать в данной отрасли (bezr). Они могут занять все рабочие места, если их число превышает эту величину:

где ktorg – доля людей способных работать в торговой отрасли.

Системно-динамическая модель На основе описанной математической модели была создана системнодинамическая модель в среде Powersim. Реализация основных блоков модели рассматривается ниже.

';

На рис. 1 представлен блок «Предприятия» модели, основными элементами которого являются уровень Predpr (количество предприятий торговой отрасли Мурманской области), регулирумый потоками vozn (количество возникших предприятий) и likv (количество ликвидированных предприятий).

Эти потоки вычисляются через переменные EAN (численность экономически активного населения), dohod_nas (доходы населения) и pribyl (прибыль предприятий).

Рис. 1. Блок «Предприятия» системно-динамической модели Блок «Рабочие места» представлен на рис. 2. Основными элементами этого блока являются уровень r_mesta_torg (количество рабочих мест в торговой отрасли), потоки voznik (количество возникших рабочих мест) и likvid (число ликвидированных рабочих мест). Также здесь используются переменные vozn и likv, которые вычисляются в блоке «Предприятия», pens (число людей, уволившихся по причине выхода на пенсию), ueh (число людей, уволившихся по причине переезда в другой регион), umer (число умерших людей, которые при жизни работали в торговой отрасли), uvol (число уволенных с работы по другим причинам), prin (число людей, принятых на работу), вычисляемые в блоке «Занятость».

Рис. 2. Блок «Рабочие места» системно-динамической модели Блок «Занятость» представлен на рис. 3. Основными элементами этого блока являются уровень Zanyat_torg (численность людей, занятых в торговой отрасли в Мурманской области) и потоки prin (численность людей, принятых на работу), ushli – общая численность уволившихся людей), также здесь используются вспомогательные переменные bezrab (количество безработных, которые могут работать в торговой отрасли), vse_bezr (общее число безработных по Мурманской области), pens (число людей, которые уволились с работы по причине наступления пенсионного возраста), ueh (число людей, уволившихся с работы по причине переезда в другой регион), umer (число умерших людей, которые при жизни работали в торговой отрасли), uvol (число уволенных с работы по причинам не перечисленным выше), vse_pens (общее число пенсионеров по Мурманской области), Nasel (численность населения области), emigr (численность эмигрировавшего населения), um_trud_vozr (общая численность людей, умерших в трудовом возрасте), r_mesta_torg (количество рабочих мест в торговой отрасли).

Рис. 3. Блок «Занятость» системно-динамической модели Для модели использованы данные из статистических сборников и информации, опубликованной на официальном сайте территориального органа Федеральной службы государственной статистики по Мурманской области [4-9], и дают возможность проверить адекватность модели трудовых ресурсов торговой отрасли, путем сравнения статистических и полученных результатов.

Заключение Проверка адекватности показала отклонение от статистических данных в среднем на 4 % по следующим параметрам: общее количество предприятий, количество возникших и ликвидированных предприятий, количество рабочих мест, количество людей, занятых в торговой отрасли, количество уволившихся людей, а также количество людей, принятых на работу.

Представленная системно-динамическая модель позволяет проследить динамику изменения потребности в кадрах в торговой отрасли регион, поэтому ее можно использовать в качестве одной из составляющих модели кадровой безопасности региона.

Литература 1. Маслобоев, А.В., Путилов, В.А. Концептуальная модель интегрированной информационной среды поддержки управления безопасностью развития региона / А.В. Маслобоев, В.А. Путилов // Вестник МГТУ: труды Мурманского государственного технического университета. - Мурманск: МГТУ.

-2011. - Т.14, №4. - С.842-853.

2. Глинский, В.В., Ионин, В.Г. Статистический анализ: yчебное пособие. – 3-е изд., перераб. и доп. / В.В. Глинский, В.Г. Ионин,– М.: ИНФРА-М; Новосибирск: Сибирское соглашение, 2002 – 241 с.

3. Кольская энциклопедия: Транспорт, связь, торговля, таможенное дело. Режим доступа: http://kolaenc.gov-murman.ru/economic/transport/ 4. Территориальный орган Федеральной службы государственной статистики по Мурманской области. - Режим доступа: http://murmanskstat.gks.ru/ 5. Статистический сборник “Мурманская область в цифрах”, 2008:

Федеральная служба государственной статистики, Территориальный орган Федеральной службы государственной статистики по Мурманской области Мурманскстат, 2009. – 155 с.

6. Статистический ежегодник, 2008: Федеральная служба государственной статистики, Территориальный орган Федеральной службы государственной статистики по Мурманской области - Мурманскстат, 2009. – 247 с.

7. Статистический ежегодник, 2009: Федеральная служба государственной статистики, Территориальный орган Федеральной службы государственной статистики по Мурманской области - Мурманскстат, 2010. – 261 с.

8. Статистический ежегодник, 2010: Федеральная служба государственной статистики, Территориальный орган Федеральной службы государственной статистики по Мурманской области - Мурманскстат, 2011. – 246 с.

9. Статистический ежегодник, 2011: Федеральная служба государственной статистики, Территориальный орган Федеральной службы государственной статистики по Мурманской области - Мурманскстат, 2012. – 239 с.

Сведения об авторах Малыгина Светлана Николаевна - к.т.н., научный сотрудник, доцент кафедры бизнес-информатики КФ ПетрГУ, е-mail: [email protected] Malygina Svetlana – Ph.D. (Tech. Sci.), Researcher, Associate рrofessor Менькова Анастасия Александровна – студентка 4 курса факультета ИПМ КФ ПетрГУ, е-mail: [email protected] Menkova Anastasiya – Student УДК 004. Ж.В. Логинова, Д.Н. Халиуллина Кольский филиал ПетрГУ ФГБУН Институт информатики и математического моделирования технологических процессов

КНЦ РАН

РАЗРАБОТКА СИСТЕМНО-ДИНАМИЧЕСКОЙ МОДЕЛИ КАДРОВОЙ

ПОТРЕБНОСТИ ГОРНОДОБЫВАЮЩЕЙ ОТРАСЛИ НА ПРИМЕРЕ

МУРМАНСКОЙ ОБЛАСТИ

Аннотация В работе рассматривается моделирование кадровой потребности горнодобывающей отрасли Мурманской области. Представлен процесс построения математической модели, применение регрессионного анализа для выявления функциональных зависимостей и системно-динамическая модель кадрового Ключевые слова:

кадровая потребность, регрессионный анализ, системно-динамическая модель.

Z.V. Loginova, D.N. Khaliullina

DEVELOPING SIMULATION MODEL OF RECRUITMENT NEEDS IN MINING

INDUSTRY - EVIDENCE FROM MURMANSK REGION

Abstract The article describes developing models of recruitment needs in mining industry in Murmansk region. Developing mathematical model, using regression analysis to set different functions and simulation model of staff in such industry are observed.

Key words:

recruitment needs, regression analysis, simulation model.

Введение Стремительное развитие экономики страны приводит к ситуациям, когда в некоторых областях возникает дефицит кадров на многие специальности, а в других – перенасыщение. Эти процессы приводят к возникновению безработицы, и основной проблемой становится задача прогнозирования кадровой потребности региона.

Мурманская область является регионом, экономика которого напрямую зависит от развития горнодобывающей отрасли, и главной особенностью данного региона является наличие моногородов, в которых проживает около трети населения области.

Кадры горнодобывающей промышленности являются активной частью производственных сил, и от степени их подготовки, компетенции, оптимальности расстановки на производстве, уровня организации и стимулирования их труда зависит эффективность работы каждого предприятия и отрасли в целом, поэтому задача прогнозирования кадровой потребности именно этой отрасли имеет принципиальное значение.

Построение математической модели Анализ горнодобывающей отрасли, а также различных экономических и социальных показателей позволил выделить основные параметры и определить их зависимость от других элементов математической модели.

Pr - количество имеющихся предприятий горнодобывающей отрасли:

где MVP - количество возникших малых предприятий;

MLP - количество ликвидированных малых предприятий.

N - численность населения:

где Im - иммиграция населения;

Em - эмиграция населения;

R - рождаемость;

S - смертность.

rmt – количество вакантных рабочих мест в горнодобывающей отрасли:

где voz - число возникших рабочих мест;

likv - число ликвидированных рабочих мест.

Z - количество людей, занятых в горнодобывающей отрасли:

где prin - число принятых на работу людей;

ush - число людей, ушедших с работы.

Сложность исследования предметной области приводит к тому, что для некоторых параметров модели невозможно с точностью указать функциональную зависимость от других элементов. Одним из эффективных методов моделирования и прогнозирования, который позволяет определить динамику отдельных показателей во взаимосвязи друг с другом, является регрессионный анализ [1].

Основной целью регрессионного анализа является необходимость установить конкретную аналитическую зависимость одного или нескольких результативных показателей от одного или нескольких признаков-факторов.

В работе в качестве метода оценивания параметров регрессии применяется метод наименьших квадратов, поскольку он дает вполне эффективные оценки, которые являются линейными функциями от наблюдаемых значений.

Рассматриваются только малые предприятия, поскольку анализ статистических данных показал, что за последние десятилетия динамика среди крупных и средних предприятий не прослеживалась.

Исходной информацией для обработки явились данные демографической статистики о численности населения Мурманской области, а также сведения Территориального органа Федеральной службы государственной статистики по мурманской области о среднегодовой численности работающих, о численности занятых по видам экономической деятельности и другие данные с 2005 по 2011 год [2-7].

Анализ статистических данных и регрессионный анализ позволили определить вид функциональной зависимости следующих параметров модели:

Количество возникающих малых предприятий. Оценивалась зависимость данного параметра от оборота добычи полезных ископаемых на предприятиях, добычи полезных ископаемых и количества предприятий где Ob - оборот добычи полезных ископаемых на предприятиях;

dpu - добыча полезных ископаемых;

pr - количество малых предприятий.

Количество ликвидированных малых предприятий. Оценивалась зависимость данного параметра от оборота добычи полезных ископаемых на предприятиях, добычи полезных ископаемых и количества предприятий где Ob - оборот добычи полезных ископаемых на предприятиях;

dpu - добыча полезных ископаемых;

pr - количество малых предприятий.

Возникающие рабочие места на крупных предприятиях. Оценивалась зависимость данного параметра от оборота добычи полезных ископаемых на предприятиях и добычи полезных ископаемых vrm_kr_pr f 3 (Ob,dpu), где Ob - оборот добычи полезных ископаемых на предприятиях;

dpu - добыча полезных ископаемых.

Ликвидированные рабочие места на крупных предприятиях.

Оценивалась зависимость данного параметра от оборота добычи полезных ископаемых на предприятиях и добычи полезных ископаемых lrm_kr_pr f 4 (Ob,dpu), где Ob - оборот добычи полезных ископаемых на предприятиях;

dpu - добыча полезных ископаемых.

Коэффициент корреляции, который позволяет выяснить степень связанности элементов, по каждому из параметров имеет следующее значение:

по возникающим рабочим местам на крупных предприятиях r 0.775 ;

по ликвидированным рабочим местам на крупных предприятиях r 0.634 ;

по количеству возникающих малых предприятий r 0.421;

по количеству ликвидированных малых предприятий r 0.71.

Анализ полученных данных позволяет сделать вывод, что все рассмотренные показатели имеют тесную корреляционную связь. Это дает возможность использовать полученные зависимости для построения системнодинамической модели кадровой потребности горнодобывающей отрасли на примере Мурманской области.

Построение системно-динамической модели Условно модель можно разделить на несколько блоков, которые отражают направленность каждого элемента:

Население области. К основным задачам блока относятся: моделирование динамики изменения общей численности населения, учет рождаемости, смертности, иммиграции и эмиграции населения, а также количества рабочих мест по Мурманской области во всех отраслях и другие параметры.

Население, занятое в горнодобывающей отрасли. В данном блоке оценивается численность населения, которое работает в рассматриваемой отрасли, количество безработных, принятых на работу, уволенных по различным причинам, а также количество рабочих мест в горнодобывающей отрасли и др.

Рабочие места горнодобывающей отрасли. Данный блок отражает количество возникших, ликвидированных, а также вакантных рабочих мест рассматриваемой отрасли, количество принятых, ушедших с работы людей по различным причинам, а также среднее число рабочих на предприятии горнодобывающей отрасли и др.

Рабочие места крупных предприятий горнодобывающей отрасли.

Данный блок включает в себя следующие параметры: добыча полезных ископаемых, их оборот, количество возникших и ликвидированных рабочих мест на крупных предприятиях области, и количество данных предприятий.

Общий вид системно-динамической модели представлен на рис. 1.

Для повышения уровня доверия к результатам моделирования были проведены процедуры верификации, в ходе которых были проверены логиические взаимосвязи для подтверждения верности логической структуры разработанной модели. Верификация производилась с имеющимися фактическими данными [2-7].

Рис. 1. Системно-динамическая модель кадровой потребности Результаты сравнения фактических данных и результатов, полученных по модели по следующим параметрам: возникшие рабочие места, ликвидированные рабочие места, занятые рабочие места представлены на рис. 2, 3, 4.

Рис. 2. Сравнение результатов моделирования с фактическими данными Рис. 3. Сравнение результатов моделирования с фактическими данными по показателю «Ликвидированные рабочие места»

Рис. 4. Сравнение результатов моделирования с фактическими данными Анализ представленных данных показывает, что моделирование в целом воспроизводит фактические результаты. В первом случае средняя ошибка отклонения составляет 7,4%, во втором - 7,3%, в третьем - 3,7%. По результатам проведения процедур верификации был сделан вывод о том, что поведение модели, в целом, согласуется с экспертными представлениями о предметной области и модель имеет верную логическую структуру. Поэтому ее можно использовать для прогнозирования и сценарного анализа поведения сложной системы кадровой потребности региона.

Заключение Исследование предметной области и применение регрессионного анализа позволили построить математическую и системно-динамическую модели кадрового обеспечения горнодобывающей отрасли. Результаты проверки адекватности модели (проверки абсолютной и относительной погрешности) показали, что данные отличаются в среднем на 6%, что является хорошим показателем, и дает возможность в будущем использовать полученные модели для прогнозирования кадровой потребности горнодобывающей отрасли Мурманской области.

Литература 1. Глинский, В.В. Статистический анализ / В.В. Глинский, В.Г. Ионин // Учебное пособие. – 3-е изд., перераб. и доп. – М.: ИНФРА-М, 2002. – 241 с.

2. Территориальный орган Федеральной службы государственной статистики по Мурманской области. - Режим доступа: http://murmanskstat.gks.ru/ 3. Статистический сборник “Мурманская область в цифрах”, 2008. / Федеральная служба государственной статистики, Территориальный орган Федеральной службы государственной статистики по Мурманской области / Мурманскстат, 2009. – 155 с.

4. Статистический ежегодник, 2008 / Федеральная служба государственной статистики, Территориальный орган Федеральной службы государственной статистики по Мурманской области / Мурманскстат, 2009. – 247 с.

5. Статистический ежегодник, 2009 / Федеральная служба государственной статистики, Территориальный орган Федеральной службы государственной статистики по Мурманской области / Мурманскстат, 2010. – 261 с.

6. Статистический ежегодник, 2010 / Федеральная служба государственной статистики, Территориальный орган Федеральной службы государственной статистики по Мурманской области / Мурманскстат, 2011. – 246 с.

7. Статистический ежегодник, 2011 / Федеральная служба государственной статистики, Территориальный орган Федеральной службы государственной статистики по Мурманской области / Мурманскстат, 2012. – 239 с.

Сведения об авторах Логинова Жанна Владимировна – студентка 4 курса ИПМ КФ ПетрГУ, е-mail: [email protected] Zhanna V. Loginova - Student Халиуллина Дарья Николаевна – младший научный сотрудник, е-mail: [email protected] Darya N. Khaliullina - Junior researcher УДК 004.91, 378. В.В. Белош, В.В. Быстров, С.В. Дмитриев Чистопольский филиал "Восток" Казанского национального исследовательского технического университета им. А. Н. Туполева ФГБУН Институт информатики и математического моделирования Кольского НЦ РАН Кольский филиал ПетрГУ

ПРОГРАММНЫЙ МОДУЛЬ АВТОМАТИЗИРОВАННОЙ ОБРАБОТКИ

ДОКУМЕНТОВ ПРИЕМНОЙ КОМИССИИ ВУЗА

Аннотация Рассматривается разработка программного модуля на основе современных веб-технологий, способного автоматизировать сбор заявлений абитуриентов и хранить их персональную информацию, для дальнейшего построения списков предварительного зачисления, на базе приемной комиссии КФ ПетрГУ.

Ключевые слова:

автоматизация, приемная комиссия, абитуриент.

THE SOFTWARE MODULE OF AUTOMATED DOCUMENT PROCESSING

STUDENTS ADMISSION COMMISSION

Abstract Development of software module based on modern web-technology, that can automate the enrollees applications collection and storage their personal information for the further construction of the pre-enrollment list, on the basis of the Kola Branch of Petrozavodsk State University admission сommittee.

Key words:

automation, admission сommittee, enrollee.

Введение Любая деятельность человека, связанная с обработкой информации, представленной на бумажных носителях, сопровождается рядом трудностей, например, такими как: проблема хранения, проблема физического износа, проблема извлечения информации и т.д. Для решения такого рода проблем в последние десятилетия успешно применяются информационные технологии и вычислительная техника. Этот процесс проявляется себя в виде разработки различного рода прикладных информационных систем: систем автоматизации документооборота, информационных систем поддержки управления предприятием, систем поддержки принятия решения и других.

Рациональное внедрение программных систем в деятельность подразделения, как правило, позволяет повысить оперативность и достоверность получаемой информации, сократить время на текущий сбор и обработку информации, что приводит к высвобождению рабочего времени рядовых сотрудников для более качественного и продуктивного выполнения своих функций.

Основные аспекты деятельности приемной комиссии вуза Во время проведения приемной кампании сотрудникам вуза приходится работать с большим потоком бумажных носителей информации: заявлениями и сопровождающих их документами, что в целом негативно сказывается на производительности труда [1]. Для автоматизации рутинных операций с данными и документами сотрудника приемной комиссии вуза необходимо разрабатывать специализированные программные средства, которые позволят снизить вероятность появления ошибки за счет минимизации влияния человеческого фактора на процессы обработки и оперирования данными.

Во время проведения приемной кампании ФГБО ВПО «Петрозаводский государственный университет» Кольского филиала (КФ ПетрГУ) сотрудники приемной комиссии обычно выполняют следующие действия:

принимают от абитуриента заполненное от руки заявление и копии документов;

при получении каждого нового заявления ему присваивают идентификационный номер;

после этапа сбора заявлений каждое из них сканируется и, с помощью имеющегося программного обеспечения, вся персональная информация заносится в базу данных (БД);

производят процесс зачисления в автоматизированном режиме;

формируют приказы зачисления;

формируют дела зачисленных студентов для передачи в студенческий отдел кадров вуза.

В соответствии с правилами приема в вуз, действующими в 2013 году, процесс зачисления сводится к выполнению следующих шагов:

В таблицах БД для каждой из возможных специальностей или направления подготовки формируются предварительные списки зачисления и ранжируются по суммарному балу по определенному предмету.

Производится цикличное отсеивание абитуриентов с приоритетом выше «единицы», членом приемной комиссии вручную.

После получения оригиналов документов, конкретной записи присваивается метка «подлинник». Абитуриенты, не предоставившие оригиналов документов, исключаются из списков, в результате чего высвобождаются новые места, что требует повторного выполнения действий, проделанных на втором этапе.

В результате проведения всех трех этапов формируются окончательные списки зачисленных.

Описание действующей информационной системы поддержки приемной кампании вуза.

В настоящее время, приемной комиссией КФ ПетрГУ используется унитарная программная система по учету и обработке заявлений абитуриентов.

Она включает в себя:

ABBYY FormReader 6.0 - система ввода форм, заполненных от руки или на принтере, с применением технологии ICR (Intelligent Character Recognition).

Программа ENRANTS, позволяющая:

формировать списки зачисления, по указанным абитуриентами приоритетам;

фильтровать списки с учетом наличия подлинников документов абитуриента и окончательного прохождения по выбранной специальности.

С ростом требований Министерства образования и науки РФ к организации и информационному сопровождению приемной кампании вузами возникла необходимость расширения спектра решаемых задач используемого в настоящее время программного обеспечения. Данное расширение было принято реализовать в виде отдельного программного модуля, интегрированного в существующее программное решение за счет использования единой БД.

Учитывая пожелания членов приемной комиссии, было решено добавить возможность удаленного заполнения заявлений на поступление и построения списков предварительного зачисления, без использования программ по распознаванию текстов.

Реализация программного модуля Для хранения накапливаемой, на этапе сбора заявлений абитуриентов информации была доработана база данных с учетом возможности внесения данных с веб-ресурсов, в частности, с корпоративного сайта КФ ПетрГУ.

База данных состоит из пяти таблиц, содержащих персональные данные поступающих. Все поля таблиц атомарны и каждая запись в таблице уникальна, благодаря уникальному идентификатору FileID – номер дела.

Рис. 1. Концептуальная схема базы данных абитуриентов Для оперирования с БД была разработана веб-страница, которую планируется интегрировать с корпоративным сайтом. Интерфейс веб-страницы предельно прост и не содержит никакой мультимедийной нагрузки, что позволяет пользователю не рассеивать внимание на лишних элементах, а сосредоточиться на выполнение конкретных действий. Чтобы обеспечить возможность документирования информации, была разработана версия страницы для печати. Для реализации версии для печати были использованы средства CSS (Cascading Style Sheets — каскадные таблицы стилей).

Для проведения процесса зачисления был разработан программный модуль, который может использоваться вместо или параллельно с другими компонентами уже существующей информационной системы. Программный модуль разработан в среде программирования Delphi, входящей в интегрированный пакет разработки приложений BDS 2006. Он обладает предельно простым пользовательским интерфейсом (рис. 2) и достаточным функционалом для решения поставленных задач.

В качестве основных функций разработанного программного модуля можно выделить следующее:

импорт/экспорт данных из/в БД информационной системы с возможностью задания критериев различного вида;

формирование списков рекомендованных к зачислению по каждому направлению подготовки и специальности с возможностью вывода на печать;

подготовка данных в нужном формате и передача другим компонентам информационной системы поддержки деятельности приемной комиссии вуза.

Рис. 2.Интерфейс разработанного программного модуля Процесс работы приемной комиссии на этапе сбора заявлений, при использовании компонентов разработанной системы, может быть представлен в виде последовательности следующих действий:

абитуриент подает все необходимые документы сотруднику приемной комиссии, который заполняет данными форму на веб-странице;

производится документирование формуляра для выдачи одной копии абитуриенту и передачи в архив другой;

содержимое формы отправляется на сервер для занесения в базу данных;

с каждым новым отправленным заявлением генерируется уникальный идентификационный номер, обеспечивающий связь между таблицами, содержащими классифицированную персональную информацию об абитуриенте.

После проведения процедуры сбора заявлений администратор разработанного приложения «Entrants Sorter», должен:

произвести авторизованное подключение к серверу СУБД MySQL.

ввести некоторые установки: минимальные баллы по дисциплинам, количество бюджетных и льготных мест, и необходимые экзамены для поступления на ту или иную специальность.

запустить импорт базы данных.

В результате проведения вышеперечисленных процедур будет сгенерирована база данных формата MySQL, содержащая:

персональную информацию об абитуриентах;

таблицы специальностей и направлений подготовки, заполненные в зависимости от выставленных абитуриентами приоритетов;

суммарные баллы абитуриентов по экзаменам, необходимым для каждой выбранной специальности или направления подготовки.

Заключение В статье представлены основные результаты по автоматизации документооборота приемной комиссии вуза на примере КФ ПетрГУ. Разработанный программный модуль интегрируется в уже существующую информационную систему и позволяет автоматизировать рабочее место сотрудника приемной комиссии вуза.

В ближайшем будущем планируется продолжить работу в данном направлении, добавив возможность подачи заявления электронным способом самим абитуриентом. Но данный вопрос требует дополнительной проработки и исследований, т.к. связан с проблемами идентификации личности и защитой персональных данных.

Литература 1. Игнатовский, А.Н. Автоматизация документооборота приемной комиссии вуза на базе применения современных Интернет-технологий / А.Н. Игнатовский // Надежность и качество: труды международного симпозиума.

- Пенза. - 2010. - С.145-146.

Сведения об авторах Белош Виктор Владимирович - к.т.н., доцент компьютерных и телекоммуникационных систем, e-mail: [email protected] Viktor V. Belosh - Ph.D. (Eng.), Associate professor the chair of computer and telecommunication systems Быстров Виталий Викторович – к.т.н., научный сотрудник, доцент, е-mail: [email protected] Vitaliy V. Bystrov- Ph.D. (Tech. Sci.), Researcher, Associate professor Дмитриев Сергей Владимирович – студент 5 курса ИПМ КФ ПетрГУ, e-mail: [email protected] Sergey V. Dmitriev – Student Научное издание ТРУДЫ

КОЛЬСКОГО НАУЧНОГО ЦЕНТРА РАН

ИНФОРМАЦИОННЫЕ

ТЕХНОЛОГИИ

Выпуск Редактор С.Н. Малыгина Технический редактор С.И. Мигулян Подписано к печати 12.12. Формат бумаги 60х84 1/8.

Бумага офсетная. Печать офсетная. Гарнитура Times/Cyrillic Усл. печ. л. 27.2. Заказ № 50. Тираж 400 экз.

_ Федеральное государственное бюджетное учреждение науки Кольский научный центр Российской академии наук 184209, Апатиты, Мурманская область, ул. Ферсмана,