автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.12, диссертация на тему:Разработка методов и средств адаптивного управления процессом обучения в автоматизированном проектировании

На правах рукописи

003471712

ВОЙТ НИКОЛАЙ НИКОЛАЕВИЧ

РАЗРАБОТКА МЕТОДОВ И СРЕДСТВ АДАПТИВНОГО УПРАВЛЕНИЯ ПРОЦЕССОМ ОБУЧЕНИЯ В АВТОМАТИЗИРОВАННОМ ПРОЕКТИРОВАНИИ

05.13.12 — Системы автоматизации проектирования (промышленность)

Автореферат диссертации на соискание ученой степени кандидата технических наук

?л

Ульяновск 2009

003471712

Работа выполнена на кафедре «Вычислительная техника» Ульяновского государственного технического университета

Научный руководитель: кандидат технических наук, доцент

АФАНАСЬЕВ АЛЕКСАНДР НИКОЛАЕВИЧ

Официальные оппоненты: доктор технических наук, профессор

КУМУНЖИЕВ КОНСТАНТИН ВАСИЛЬЕВИЧ

Ведущая организация: ФНПЦ ОАО «НПО МАРС»

Защита состоится «10» июня 2009 г. в 15:00 часов на заседании диссертационного совета Д212.277.01 при Ульяновском государственном техническом университете по адресу: 432027, г. Ульяновск, ул. Северный Венед, д. 32, ауд. 211 (гл. корпус).

С диссертацией можно ознакомиться в библиотеке Ульяновского государственного технического университета.

Автореферат разослан «8» мая 2009 г.

кандидат технических наук, доцент

ТАРАСОВ ВЛАДИМИР ГЕОРГИЕВИЧ

Ученый секретарь

диссертационного совета,

доктор технических наук, профессор

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность темы. Усложнение и появление новых технических объектов, сокращение сроков их проектирования, повышение качества проектных решений, появление новых САПР и множество развивающихся САПР требуют постоянного повышения квалификации инженеров предприятий. Важность корпоративного обучения подчеркивается правительством России, необходимость переподготовки специалистов является частью производственной политики современного предприятия и во многом определяет его интеллектуальный капитал и успешность на рынке.

Компьютерные технологии проектирования являются основными в производственном цикле, предлагается множество отечественных и зарубежных САПР различного назначения, класса и стоимости. Однако, в области обучения автоматизированному проектированию промышленных объектов имеется ряд нерешенных проблем.

1. Отсутствуют эффективные средства адаптации обучаемого инженера к учебно-практическому наполнению в ходе процесса обучения, позволяющие сократить сроки обучения без отрыва от производства.

2. Автоматизированные обучающие системы (АОС) САПР являются статическими с заранее заданной неизменной структурой, ориентированы на целевую аудиторию с максимальной степенью усвоения материала, в них не учитываются динамические индивидуальные характеристики обучаемых.

3. В основе реализации АОС САПР лежит, как правило, модульный принцип, что снижает степень масштабируемости архитектуры.

4. АОС САПР являются узко специализированными в предметной области. Вышеизложенное обусловливает актуальность задачи исследования и

разработки.

Целью диссертационной работы является разработка адаптивного подхода к управлению процессом обучения, включающего создание компьютерных методов, моделей и средств обучения проектной деятельности в САПР, обеспечивающих повышение качества содержания и технологий обучения и сокращение сроков обучения без отрыва от производства. Задачи исследования

1. Анализ современных методов, моделей и средств автоматизированного обучения проектной деятельности в САПР, исследование области применения средств обучения в САПР.

2. Разработка компонентной архитектуры АОС САПР.

3. Разработка моделей АОС САПР: предметной области, обучаемого инженера, сценария обучения и протокола информационных потоков.

4. Разработка метода диагностики проектных характеристик (знаний, умений, навыков и компетентности) обучаемого инженера в САПР.

5. Разработка метода адаптивного планирования и управления траекторгш(-ей) обучения.

6. Разработка .программно-информационного обеспечения, реализующего предложенные модели и методы.

Объектом исследования является обучение проектированию на основе пакетов САПР.

Предметом исследования являются методы и средства автоматизированного обучения проектной деятельности в САПР.

Методы исследования основаны на использовании положений и методов теории алгоритмов, теории множеств, теории нечетких множеств, теории графов, теории автоматов, теории автоматизированных обучающих систем, теории классификации, теории автоматизированного проектирования, основ системотехники и теории нейросетей.

В результате проведенных исследований получены следующие научные результаты.

1. Разработана модель предметной области автоматизированного проектирования в виде дерева онтологий, отличающаяся динамическим использованием иерархических, упорядоченных и ассоциативных связей, обеспечивающая адекватное представление процессов и объектов системного проектирования и повышающая качество содержания обучения.

2. Разработана новая модель обучаемого инженера, в которой используются нечеткие лингвистические проектные характеристики обучаемого инженера, соответствующие теоретическому и практическому уровням его подготовки в области САПР и применяемые в адаптивном планировании траектории обучения.

3. Впервые предложен метод диагностики проектных знаний, умений, навыков и компетентности обучаемого инженера, заключающийся в классификации проектных характеристик на основе нечетких карт Кохонена, обеспечивающий уменьшение числа ошибок оценки уровня подготовленности обучаемого инженера на 40% и повышающий качество технологий обучения.

4. Впервые предложен метод адаптивного планирования и управления траектории (-ей) обучения инженера, использующий комплекс моделей (предметной области, обучаемого инженера, сценария и протокола) и позволяющий достигать требуемого значения проектных характеристик обучаемого инженера в сокращенные сроки по отношению к известным адаптивным методам (примерно на 40%).

Практическая ценность полученных результатов состоит в следующем.

1. Разработаны компонентная архитектура АОС САПР, соответствующая международному стандарту IEEE Р1484.1, и ее программно-информационное обеспечение по технологии Java Beans на базе Apache Tomcat.

2. Разработаны БД для хранения и обработки компонентов предметной области, сценария, обучаемого инженера и протокола на базе MySQi-сервера.

3. Разработана программная система GraphsConstructor - графический конструктор создания сценариев обучения.

4. Разработан гипертекстовый редактор конструкторской документации САПР.

5. Разработаны программные средства интеграции с KOMIIAC-3D: «Программный контроллер управляющего элемента ActiveX КОМПАС обучающей системы GraphConstructor» и «Транслятор SCORM-спецификации проектных решений САПР КОМПАС».

6. Реализован формат хранения и представления учебного материала SCORM-2004, что дает возможность экспортировать и импортировать проектные учебные курсы SCORM-формата.

7. Разработана Web-ориентированная тестовая система ТЕСКО. Реализация и внедрение результатов работы. Разработанные

программные средства внедрены в практику работы ОАО «Ульяновский механический завод» (г. Ульяновск) и учебный процесс Ульяновского государственного технического университета (г. Ульяновск).

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих международных и региональных конференциях: Международной конференция «Интерактивные системы: проблемы человеко-компьютерного взаимодействия (ИС-2005)», г. Ульяновск, 2005; Международной конференции «Континуальные алгебраические логики, исчисления и нейроинформатика в науке и технике (КЛНН-2005)», г. Ульяновск, 2005; Международной конференции «Континуальные алгебраические логики, исчисления и нейроинформатика в науке и технике (КЛИН-2006)», г. Ульяновск, 2006; VII Международной научно-технической конференции «Новые информационные технологии и системы», г. Пенза, 2006; Международной конференции по логике, информатике, науковедению, г. Ульяновск, 2007; Международной конференции «Интерактивные системы: проблемы человеко-компьютерного взаимодействия (ИС-2007)», г. Ульяновск, 2007; Международный конгресс по интеллектуальным системам и информационным технологиям (AIS'08/CAD'08), Краснодарский край, нос. Дивноморское 2008; районная конференция «Информационные технологии», г. Ульяновск, 2008; VII Международной конференции «Математическое моделирование физических, экономических, технических, социальных систем и процессов», г. Ульяновск, 2009; ежегодных внутривузовских конференциях профессорско-преподавательского состава, г. Ульяновск 2004, 2005, 2006, 2007, 2008, 2009.

Публикации. По теме диссертации опубликовано 29 печатных работ, в том числе 3 - в журналах списка ВАК, получено 9 свидетельств об официальной регистрации программ для ЭВМ.

Структура - и объем работы. Диссертационная работа состоит из введения, четырех глав с выводами, заключения, библиографического списка использованной литературы и приложения, изложенных на 232 страницах машинописного текста, содержит 48 рисунков и 15 таблиц. Список литературы включает 117 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулированы цель и основные задачи исследований, определены объект и предмет исследований, перечислены полученные в диссертации результаты, их научная и практическая ценности, представлены положения, выносимые на защиту, и описана структура работы.

В первой главе проведен анализ предметной области исследований. Рассмотрены основные понятия автоматизированного проектирования, обобщенные подходы к проектированию и структурные элементы процесса проектирования.

Сформулированы особенности обучения автоматизированному проектированию промышленных объектов, заключающиеся в необходимости обучения структурному и параметрическому синтезу, анализу моделей промышленных объектов с помощью инструментария САПР.

Даны определения основных парадигм обучения проектной деятельности.

Знания - совокупность формализованных сведений определенного объема, образующих целостное представление об объекте проектирования на определенном уровне или описание определенного этапа автоматизированной проектной деятельности, которые инженер (проектировщик) может воспроизвести и объяснить в том или ином виде в ходе процесса обучения: модели и методы проектирования, технологии и т.п.

Умения - способность выполнять проектные действия на основе приобретенных знаний автоматизированного проектирования и проектной практики: анализ, синтез, оптимизация моделей, процессов, структур, связей и т.п.

Навыки - владение моторными проектными действиями.

Рассмотрены методы организации обучения САПР на предприятиях, дана классификация АОС по типу обучаемых проектных задач, рассмотрены виды контроля и типы тестовых заданий и способы управления процессом обучения инженера.

Описаны типы компетенций проектировщика в соответствии со стандартом Software Engineering Institute. В диссертации компетентность рассматривается как совокупность знаний, умений и навыков в области структурно-параметрического синтеза промышленных объектов САПР.

Описан стандарт хранения и представления учебного материала проектной деятельности.

Рассмотрены средства обучения в современных пакетах САПР: P-CAD, OrCAD, AutoCAD, КОМПАС, SolidWorks, Quartus. Мультимедиа-

и Web-ориентированные электронные учебники являются доминирующими, ориентированы только на представление учебного материала, не позволяют реконструировать сценарий обучения, не используют активных форм обучения, обучение ведется без учета специфики конкретных промышленных объектов.

Сформулирована постановка задачи и намечены пути ее решения.

Во второй главе рассмотрены парадигмы реализации архитектур АОС САПР: объектно-ориентированная, основанная на инкапсуляции, полиморфизме, наследовании и структуризации данных; компонентно-ориентированная, базирующаяся на сборочном принципе, в которой компонент представляет элемент сборки; сервисно-ориентированная, в основе которой лежит принцип массового обслуживания запросов. Проведен анализ моделей сценариев процесса обучения: одноресурсная сеть Петри, KFS-модель, на основе семантической сети, орграфовая, информационно-логическая и древовидная. Проведен анализ моделей представления проектных характеристик проектировщика: оверлейная, поведенческая.

Разработана модель предметной области автоматизированного проектирования в виде дерева онтологий, которая динамически использует иерархические, порядковые и ассоциативные связи онтологий объектов и процессов проектирования. Каждой онтологии соответствует учебный элемент.

Иерархические связи используются для описания объекта и процесса проектирования с разной степенью детализации (на концептуальном, структурно-функциональном, функционально-логическом, программном, конструкторско-технологическом уровнях). Порядковые связи упорядочивают описание на одном иерархическом уровне и определяют цепочки онтологий. Ассоциативные связи соединяют иерархические и порядковые онтологии разных уровней.

Таким образом, модель предметной области позволяет адекватно представить учебный материал, ориентированный на конкретное промышленное производство, и является базой знаний промышленного проектирования.

Модель предметной области имеет вид

CADModel = {Phase, Problem, Procedure,

Pattern, MetaData\ortree, -<, view}, (1)

где Phase = {этап;, i — 1, E} - множество названий этапов проектирования; Problem = {задача^? = 1 ,Z}~ множество проектных задач; Procedure = {процедура*,« = 1, Р} - множество проектных процедур; Pattern = {Operation, Command, Sposob} - множество проектных шаблонов,

Operation = {операция,-,? = 1,0} - множество проектных операций, Command = {команда,-, г = 1, С} - множество проектных команд, Sposob — {способ;,? = 1,5} - множество проектных способов выполнения команды,

Atom = {понятие;, действие,-, г = 1, Л} - множество «атомов» знаний, состоящее из элементарных понятий и простейших действий, Atom € Phase, Atom € Procedure, Atom € Operation, Atom S Command, Atom 6 Sposob; MetaData = {< key¡ >,hash — function, i = 1,Я} - метаданные модели, где < keyi > - кортеж ассоциативных ключей, hash — function - хэш-функция поиска элемента; ortree - иерархическое отношение; ■< - отношение порядка; view - ассоциативная функция.

Структура паттернов PatternOperaion проектных операций, PatternComand проектных команд, PatternSposob проектных способов одинакова.

Например, структура PatternOperation имеет вид

PatternOperation = {cíass, naznach, motiv, primenim, struct, actor, relation, result, release, example, used, rpattern},

где

class - название;

naznach - назначение, лаконично характеризует функции и дает обоснование, какие конкретные задачи проектирования можно решить с помощью паттерна;

motiv - мотивация, помогает понять абстрактные описания паттерна; primenim - применимость, описывает ситуацию, в которой можно применить паттерн и распознавание таких ситуаций;

struct - структура, представляется графическими диаграммами классов программы с использованием нотации, основанной на методике Object Modeling Technique, и диаграммами взаимодействий;

actor - участники, представляются классами и объектами, задействованными в данном паттерне проектирования, и их функциями; relation - отношения, описывают взаимодействие участников для выполнения своих функций;

result - результаты, состоят из результатов применения, компромиссов, на которые приходится идти;

release - реализация, описывает сложность при реализации паттерна; example - пример, представляется фрагментом кода, схемы, сборки и т.п.; used - известные применения в реальных системах;

rpattern - родственные паттерны, имеют описания связи, важных различий, композиции других паттернов с данным.

Графовое представление модели 1 показано на рис. 1.

1 уровень Этап I

классификация (1), назначение (2), мотивация (3), применимость (4), структура (5), участники (6), отношения (7), результаты (8), реализация (9), пример кода (10), известные применения (И), родственные паттерны (12)

Адаптивность модели 1 под разные промышленные области САПР выполняется с помощью схем сводимости, которые представлены операционными базисами расширения Я и ограничения С.

Разработана модель обучаемого инженера, отражающая динамический уровень его подготовленности к решению проектных задач. Уровень описан нечеткими лингвистическими критериальными параметрами (знания, умения, навык и компетентность). Описание модели обучаемого инженера имеет вид

11зегМойе1 — {ОсепкаЕпате(,Осепкаитета,ОсепкаЫауИсг, OcenA;a^<'ompeíenírгosí,',/гar'acíerгsíгA:a|

са1с11, са1сЫ, ссйсК, г = 1, ТУ}, (2)

где ОсепкаЕпатвг, ОсепкаЦтетеи ОсепкаЫи Ocenfca^í'0mpeíenfnost¿ -массивы оценок знаний, умений, навыков и компетентности соответственно, N ~ число контрольных точек К{ сценария. Областью значений функций расчета указанных оценок являются пары (Д/л): са^,са1с[1,са1сИ,са1сК € (Д ц), где О - значение функции 4, /х - значение функции принадлежности В к классу проектной характеристики (см. формулу 3). ИагасЬетШка = {оценка^оценка^оценказ, • • • ,оценка$} - множество лингвистических характеристик, : тагкТеог{ —► оценка*, са1с11 : тпагк—+ оценка*,

са/сДГ : и —> оценка*, са1сК : calcZ,calcU,calcN —► оценка*, где

markTeori,markitti определены в модели протокола. Реализация функций calcZ, calcU, calcN, calcK выполнена с помощью FSOM.

Разработана модель сценария обучения. В основу модели сценария (Scenariy) положена система, состоящая из ориентированного графа, отображений вершин и альтернативного выбора траектории обучения. Модель сценария имеет вид

Scenariy = {G(vertex, edge), Reflaction, Alternativ},

где

G(vertex,edge) - ориентированный граф сценария, vertex = {vi,i = 1, V} - множество атрибутивных вершин, edge = {е^, г — 1, Е} - множество дуг;

Re flaction = {ЙД,ЙД,Й/3,ЙД} ~ множество гетерогенных отображений вершин в объекты проектирования (ЙД - этапы, задачи, процедуры, паттерны (см. модель 1), ЙД - тестовые вопросы, й/з - практические проектные задачи, ЙД - контрольные точки Ki, содержащие требуемые (целевые) значения лингвистических критериальных параметров (проектных характеристик) обучаемого инженера);

Alternativ = {vj, если и,- инциндентна Vj и Vi ф KitVi -< vj} - выбор обучаемым инженером траектории обучения из v, неконтрольной вершины.

Ориентированный граф сценария обладает свойствами антирефлексивности, симметричности и транзитивности.

С помощью сценария учитывается механизм ролей обучаемого.

Модель протокола protocol представлена вектором параметрических критериев, сформированных из квалиметрии процесса обучения, и имеет вид кортежа protocol ~< пате, ttype, typeij, testy, iy, markTeorу, тагкц, povtoreniyij, countTestij, cognDifij,i = 1 ,N,j = 1,M >, где name - идентификатор обучаемого инженера,

ttype = {teor,pract} - тин проектной задачи (teor - теория, pract -практика),

ttypeij - массив типов проектных задач, test^j - массив ключей проектных задач,

Uj - массив затраченного времени на выполнение проектных действий, тагкТеогц - массив баллов за ответы на вопросы, markij - массив баллов за выполненные практические проектные задачи, cognDifij - массив когнитивной сложности проектных задач, povtoreniyij - массив числа повторов решения проектных задач, countTestij - массив числа решенных проектных задач, N - число контрольных точек Kj, М - размерность массива.

Накопленная и обработанная информация в процессе обучения хранится в протоколе.

В третьей < главе разработан метод диагностики знаний, умений, навыков и компетентности обучаемого инженера на базе классификации с помощью нечетких карт Кохонена (F50M)) которые хорошо себя зарекомендовали в качестве универсальных классификаторов.

Параметры модели обучаемого инженера меняются событийно в контрольных точках К{ сценария. Оценочные входные векторы поступают на вход нечеткой карты, которая классифицирует полученные данные и формирует нечеткие характеристики уровня подготовленности инженера САПР. Число входов нейрона класса знаний равно числу элементов входного вектора баллов за ответы на вопросы. Число входов нейрона класса умений равно числу элементов входного вектора баллов за решенные проектные задачи. Число входов нейрона класса навыков равно числу элементов входного вектора затраченного времени на выполнение проектных действий. Число входов нейрона класса компетентности равно трем (знания, умения и навыки).

Классификация выполняется с помощью нечеткой карты и разработанной оценочной шкалы (таблица 1) в процентном, интервальном и лингвистическом видах. Структурная схема нечеткой карты изображена на рис. 2.

Таблица 1. Оценочная шкала па множестве значений функции

р5 = 100 х из Интервал расстояния (отклонения) Лингвистическая характеристика

Ра Р\ [(1 - /'О х £Г=Г*(Л'Ч<;(1 - М2) х х£ГЛ'(*Ч, 1 оценка] оцснка-2

Ря [(1 - №-1) X Ще; Ще) оценка^

Многоточие на рис. 2 означает возможность масштабируемости архитектуры нечетких карт. Функция принадлежности ру имеет вид.

Ич = ехр

1 2 -- X (Й5<у)

,г = 1 ,С,з = 1,4,

(3)

где С - число классов класса; ] имеет значения от 1 до 4 потому, что четыре класса: знания, умения, навыки и компетентность.

Активность нейронов слоя расстояния вычисляется как Евклидово расстояние (отклонение) от требуемой активности

(4)

е=1

где Т - число критериальных параметров входного оценочного вектора X, хе-элемент вектора X, мще - вес дуги, связывающий элемент хе и нейрон у класса.

Оценочные входные Слой Слой

векторы нейронов нейрона э

расстояния принадлежности

Рис. 2. Структурная схема РвОМ оценки проектных характеристик обучаемого инженера

Минимальное значение активности нейрона класса слоя расстояния имеет вид тгп3 = тш¿(¿гв^у), максимальная принадлежность входного вектора к классу з имеет вид таа^ = тахДр^). При многократном применении нечетких карт обратная связь позволяет обновлять весовые коэффициенты на каждом £ шаге + 1) = + х 1Уу(£)), что позволяет

повысить точность оценки.

Четыре выходных кортежа нечеткой карты имеют вид < сСгв^,/*,- >, 3 = 1,4, где - значение активности нейрона ] класса, ^ - значение функции принадлежности входного вектора к конкретному у классу.

Алгоритм обучения РБОМ имеет вид.

1. Задать равновероятные начальные значения весов И^у, г = 1 = 1,4.

2. Задать погрешность ^апАаг<1.

3. Начало цикла:

а) вычислить функцию принадлежности /ху — ехр

б) обновить весовые векторы + 1) =

х<ащ(х, ЖуОО);

х (с£Ыу

Щ(*) + тЦг) х

в) вычислить = + 1), И'у^));

г) = 1);

д) пока (ц > е^апЛаг<11 выполнять цикл.

4. Останов.

Проведена оценка эффективности использования РБОМ по отношению к конкурентным методам, основанным на скрытых Марковских переменных (СМП). Погрешность классификации проектных характеристик обучаемого инженера с помощью РБОМ равна 15%, а с помощью методов, использующих СМП - 21%.

Разработан метод адаптивного планирования и управления траектории(-ей) обучаемого инженера, который использует разработанные модели и позволяет достигать требуемых значений знаний, умений, навыков и компетентности в сокращенные сроки. Управление траекторией обучения рассматривается как выбор вариантов сценария обучения и его реконструкция.

В зависимости от уровня подготовленности обучаемого инженера принимается решение о выборе сценарной траектории обучения: продолжить обучение по статическому сценарию (траектория, определенная моделью сценария) или автоматически разработать динамический сценарий на основе моделей обучаемого и предметной области (проводится структурный синтез сценария). Реконструкция сценария изменяет предложенный статический сценарий, дополняя его сконструированным сценарием из элементов модели предметной области. Необходимость реконструкции сценария возникает тогда, когда процедура диагностики (метод диагностики) показывает результат, неудовлетворяющий заданным целевым проектным характеристикам обучаемого в точке К{.

Для учета в диагностике предыстории обучения инженера (его характеристик в модели обучаемого) все контрольные значения характеристик в контрольных точках К{ суммируются, и сумма

г\ 1 Г7 • Г", 0сепко.г^пат(:{.0

делится на количество: Осепкалпапге = ^^-^-,

л | л • Т2?,0сепка,итеп1е{.0 п г аг ч У\^_,0сипкаМатк{.0

Осепкаитепге — ^^--5—, ОсепкаЫаугк = ^^-^-1—,

ОсепкаКотреЬепЫозЬ = £¡=1 ОсепкаКотреЬспШзьл^ ц формулах оператор .В обеспечивает доступ к значениям расстояния £> проектных характеристик модели 2.

При этом функции принадлежности для Осеп^аЯтгате, ОсепкаЦтете, ОсепкаИаи1к, ОсепкаКотр&епЫоз1 определяются с помощью оператора И: р. = Мг-и)> ГДе N ~~ число контрольных точек К{, Значения функции

ц являются общим подмножеством всех функций на множестве значений. Значения /л для знания (ОсепкаЕпапц), умения (Осепкаитепге), навыка ('ОсепкаМаи1к) и компетентности (ОсепкаКотреЬепЫозЬ) могут пересекаться. Для устранения «слабого места» инженера в обучении определена функция Л, которая обладает минимальным значением принадлежности ¡1 к одному из классов знания, умения, навыка и компетентности и максимальным

расстоянием сИвк.к = тт(/Ц3нания,/¿умения,/¿навыки,/¿компетентность) Л А тах(£Йз4знания,<&^умения,^¿навыки,¿^¿компетентность)- Применение функции Н позволяет равномерно распределить весь учебный материал для получения сбалансированных проектных характеристик по всему курсу.

Алгоритм автоматической разработки динамического сценария имеет вид.

1. Выбираются учебные элементы Е из модели предметной области, связанные с контрольным элементом К

2. Выбирается один критериальный параметр (знание, умение, навык или компетентность) Р обучаемого инженера, имеющий минимальное значение /¿.

3. Из множества Е выбираются учебные элементы, которые связаны с Р т заносятся в кортеж ОЕ.

4. К кортежу ПЕ добавляется из сценария пройденный контрольный теоретический и практический учебный материал, связанный с Р.

5. Добавляется контрольный элемент К{.

Обучаемый инженер проходит обучение по траектории, состоящей из элементов кортежа ОЕ. Число выбранных учебных элементов может регулироваться наличием иерархической, порядковой и ассоциативной связанности элементов в модели предметной области.

Предложенный способ позволяет сократить на 40% сроки обучения по сравнению с известными адаптивными методами за счет исключения из траектории обучения «ненужных» учебных элементов.

На рис. 3 показана композиция статического и динамического сценариев.

В четвертой главе разработана распределенная компонентная архитектура АОС САПР, описанная с помощью UML-нотаций. Реализация программно-информационного обеспечения выполнена с помощью Web-сервера Apache Tomcat и СУБД MySQL, что обеспечивает надежность работы системы и поддержку клиент-серверных приложений, разработанных согласно стандартам J2EE и JSP. Разработан графический конструктор, предназначенный для

построения статического сценария. Разработаны сервисные средства для САПР КОМПАС на основе технологии ActiveX, в которых используются: дерево построения объекта проектирования и параметры элементов объекта для сравнительного оценочного анализа правильности инженерного решения; интерфейсные открытые функции САПР КОМПАС, не требующие загрузки всего пакета САПР КОМПАС в память компьютера; библиотечные модели-изделия. Разработано учебно-методическое наполнение курсов обучения для инженеров-конструкторов по теме «Параметризация конструкторских проектных решений». Разработанные средства позволяют сократить сроки создания учебного курса по сравнению с современными пакетами разработки курсов для Internet.

В заключении сформулированы основные выводы и результаты диссертационной работы.

В приложении приведены примеры наполнения модели предметной области для решения задачи проектирования сборки «Редуктор» в САПР КОМПАС, таблица «атомарных знаний (умений)» САПР КОМПАС, проектных операций и параметрических команд, а также приведен список «атомарных знаний» САПР Р - CAD.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ В работе все поставленные цели и задачи достигнуты. В результате проведенных исследований разработаны и предложены следующие модели и методы.

1. Разработана модель предметной области автоматизированного проектирования в виде дерева онтологий, отличающаяся динамическим использованием иерархических, упорядоченных и ассоциативных связей, обеспечивающая адекватное представление процессов и объектов системного проектирования и повышающая качество содержания обучения.

2. Разработана новая модель обучаемого инженера, в которой используются нечеткие лингвистические проектные характеристики обучаемого инженера, соответствующие теоретическому и практическому уровням его подготовки в области САПР и применяемые в адаптивном планировании траектории обучения.

3. Впервые предложен метод диагностики проектных знаний, умений, навыков и компетентности обучаемого инженера, заключающийся в классификации проектных характеристик на основе нечетких карт Кохонена, обеспечивающий уменьшение числа ошибок оценки уровня подготовленности обучаемого инженера на 40% и повышающий качество технологий обучения.

4. Впервые предложен метод адаптивного планирования и управления траектории (-ей) обучения инженера, использующий комплекс моделей (предметной области, обучаемого инженера, сценария и протокола) и позволяющий достигать требуемого значения проектных характеристик

обучаемого инженера в сокращенные сроки но отношению к известным адаптивным методам (примерно на 40%).

5. Разработан набор программно-информационных средств, реализующих модели и методы и позволяющих ускорить разработку курсов по сравнению с мультимедийными средствами разработки курсов.

6. Разработана компонентная архитектура АОС САПР, имеющая полный набор функциональности для построения и редактирования учебных курсов и средства их анализа и преобразования.

Публикации в журналах списка ВАК

1. Афанасьев А.Н., Игонин А.Г., Афанасьева Т.В., Войт Н.Н. Использование нейросемантичееких сетей для автоматизированного проектирования вычислительной техники // Автоматизация и современные технологии. - 2008. - №1. - С. 21 - 24.

2. Афанасьев А.Н., Войт Н.Н. Программная реализация адаптивной компонентной автоматизированной обучающей системы САПР // Программные продукты и системы. - 2008. - № 4. - С. 73 - 75.

3. Афанасьев А.Н., Войт Н.Н. Разработка компонентной автоматизированной обучающей системы САПР на основе гибридной нейронной сети // Автоматизация и современные технологии. - 2009. -№ 3. - С. 14 - 18.

Публикации

4. РОСПАТЕНТ: СВИДЕТЕЛЬСТВО об официальной регистрации программы для ЭВМ № 2005610662. «Графический конструктор электронных учебно-методических комплексов», Москва. 2005.

5. РОСПАТЕНТ: СВИДЕТЕЛЬСТВО об официальной регистрации программы для ЭВМ № 2006610929. «Графическая студия разработки электронных учебников», Москва. 2006.

6. РОСПАТЕНТ: СВИДЕТЕЛЬСТВО об официальной регистрации программы для ЭВМ № 2006612714. «Графический конструктор разработки гипертекстовых электронных учебно-методических комплексов», Москва. 2006.

7. РОСПАТЕНТ: СВИДЕТЕЛЬСТВО об официальной регистрации программы для ЭВМ № 2007610545. «Классификатор объектов проектирования», Москва. 2007.

8. РОСПАТЕНТ: СВИДЕТЕЛЬСТВО об официальной регистрации программы для ЭВМ № 2008610561. «Программный контроллер управляющего элемента ActiveX КОМПАС обучающей системы Graph-Constructor», Москва. 2008.

9. РОСПАТЕНТ: СВИДЕТЕЛЬСТВО об официальной регистрации программы для ЭВМ № 2008611429. «Транслятор SCORM-спецификации проектных решений САПР КОМПАС», Москва. 2008.

10. РОСПАТЕНТ: СВИДЕТЕЛЬСТВО об официальной регистрации программы для ЭВМ № 2008615365. «Система мониторинга оценки качества повышения квалификации», Москва. 2008.

11. РОСПАТЕНТ: СВИДЕТЕЛЬСТВО об официальной регистрации программы для ЭВМ № 2008615364. «Система контроля знаний ТЕСКО», Москва. 2008.

12. РОСПАТЕНТ: СВИДЕТЕЛЬСТВО об официальной регистрации программы для ЭВМ № 2009610818. «Гипертекстовый редактор электронной конструкторской документации САПР», Москва. 2009.

13. Afanasev A.N., Voit N.N. Development Of algorithmic, methodical and informational supply ATS for CAD KOMPAS // Proceedings of the International Conference. Interactive Systems and Technologies: The Problem of Human -Computer Interaction. - Collection of scientific papers. - Ulyanovsk : 2005. -September. - Pp. 117- 122.

14. Войт H.H. Разработка графического конструктора электронного учебно-методического комплекса // Труды международной конференции «Континуальные алгебраические логики, исчисления и нейроинформатика в науке и технике». - Ульяновск : УлГТУ. - 2005. - Т. 2. - С. 26.

15. Афанасьев А.Н., Войт H.H. Разработка алгоритмического, методического и информационного обеспечения АОС для САПР КОМПАС-ЗО // Вестник. 2005. - №3. - С. 50 - 57.

16. Афанасьев А.Н., Войт H.H. Разработка и реализация компонентной модели представления учебного материала // Труды VII Международной научно-технической конференции «Новые информационные технологии и системы». - Пенза. - 2006. - Т. 2. - С. 174 - 178.

17. Афанасьев А.Н., Войт H.H. Разработка компонентных моделей АОС САПР // Труды VII Международной научно-технической конференции «Новые информационные технологии и системы». - Пенза. - 2006. - Т. 2.

- С. 206 - 210.

18. Войт H.H. Концептуальная модель GraphConstructor // Труды международной конференции «Континуальные алгебраические логики, исчисления и нейроинформатика в науке и технике» - Ульяновск : УлГТУ.

- 2006. - Т. 2. - С. 16 - 17.

19. Войт H.H. Разработка графического инструментария для построения учебного сценария // Труды международной конференции 4Континуальные алгебраические логики, исчисления и нейроинформатика в науке и технике». - Ульяновск : УлГТУ. - 2006. - Т. 2. - С. 18.

20. Афанасьев А.Н., Войт H.H. Концепция разработки АОС САПР // Труды международной конференции «Конференция по логике, информатике, науковедению». - Ульяновск: УлГТУ. - 2007. - Т. 2. - С. 4 -6.

21. Войт H.H. Использование SCORM-технологии в АОС САПР // Труды международной конференции «Конференция по логике, информатике, науковедению». - Ульяновск : УлГТУ. - 2007. - Т. 2. - С. 18 - 21.

22. Войт H.H. Проектирование в реализации БД для АОС САПР // Труды международной конференции «Конференция по логике, информатике, науковедению». - Ульяновск : УлГТУ. - 2007. - Т. 2. - С. 21 - 23.

23. Afanasev A.N., Voit N. N. Development, implementation and application of CAD automated training system // Proceedings of the International Conference. Interactive Systems and Technologies: The Problem of Human - Computer Interaction. - Collection of scientific papers. - Ulyanovsk : 2007. - September. - Pp. 90 - 99.

24. Афанасьев A.H., Войт H.H. Разработка автоматизированной обучающей системы САПР с использованием нечетких нейронных сетей // Труды международных научно-технических конференций «Интеллектуальные системы» (AIS'08) и «Интеллектуальные САПР» (CAD-2008). - М. : Физматлит. - 2008. - Т. 3. - С. 133 - 135.

25. Войт H.H. Разработка методов и средств адаптивного обучения проектной деятельности // Межвузовский сборник научных трудов «Информационные технологии». - Ульяновск : УлГТУ. - 2008. - С. 42 - 45.

26. Войт H.H. Разработка моделей автоматизированной обучающей системы САПР // Труды VII международной конференции «Математическое моделирование физических, экономических, технических, социальных систем и процессов». - Ульяновск : УлГУ. - 2009. - С. 75 - 77.

27. Афанасьев А. Н., Войт H. Н., Данилов С. В. Разработка продукционной модели системы мониторинга качества процесса обучения // Труды VII международной конференции «Математическое моделирование физических, экономических, технических, социальных систем и процессов». - Ульяновск : УлГУ. - 2009. - С. 31 - 33.

28. Афанасьев А. Н., Афанасьева Т. В., Войт H. Н. Разработка информационно-логической модели сценария обучения в АОС // Труды VII международной конференции «Математическое моделирование физических, экономических, технических, социальных систем и процессов». - Ульяновск : УлГУ. - 2009. - С. 28 - 30.

29. Афанасьев А. Н., Войт H. Н., Данилов С. В. Модель теста // Труды VII международной конференции «Математическое моделирование физических, экономических, технических, социальных систем и процессов». - Ульяновск : УлГУ. - 2009. - С. 30 - 31.

ПЕРЕЧЕНЬ ПРИНЯТЫХ СОКРАЩЕНИЙ FSOM - fuzzy self-organizing map АОС - автоматизированная обучающая система СМП - скрытые Марковские переменные

АВТОРЕФЕРАТ

ВОЙТ Николай Николаевич

Разработка методов и средств адаптивного управления процессом обучения в автоматизированном проектировании

Подписано в печать 06.05.2009. Формат 60x84/16 Бумага писчая. Усл. п. л. 1,16. Тираж 100 экз. Заказ № 584.

Типография УлГТУ. 432027, Ульяновск, Сев. Венец, 32.

Введение

Глава 1. Анализ современных методов и средств обучения проектной деятельности САПР.

1.1. Основные понятия и системный подход в автоматизированном проектировании

1.2. Особенности обучения автоматизированному проектированию

1.2.1. Специфика обучения современной проектной деятельности

1.2.2. Компетентностный подход.

1.2.3. Модель компетенций инженера.

1.3. Методы и средства обучения САПР.

1.3.1. Методы организации обучения САПР на предприятии

1.3.2. Классификация АОС по типу обучаемых задач

1.3.3. Виды контроля знаний, применяемые в АОС САПР

1.3.4. Типы тестов для оценки проектных характеристик обучаемого инженера.

1.3.5. Диалоговая помощь в обучении проектной деятельности

1.3.6. Обучение имитационному моделированию устройств.

1.3.7. Стандарт представления учебного материала 8С01Ш-2004 в АОС САПР.

1.4. Обзор обучающих систем в современных пакетах САПР

1.5. Постановка задачи.

1.6. Выводы.

Глава 2. Разработка и исследование моделей АОС САПР

2.1. Парадигмы архитектур АОС САПР.

2.1.1. Объектно-ориентированная парадигма.

2.1.2. Компонентно-ориентированная парадигма.

2.1.3. Сервисно-ориентированная парадигма.

2.2. Модели построения АОС САПР

2.3. Анализ моделей сценария.

2.3.1. Одноресурсная сеть Петри как модель сценария (модель по работе Доррера и Рудакова[68])

2.3.2. КРЭ-граф модель сценария обучения[85, 86]

2.3.3. Модель сценария на основе семантической сети(модель по работе Башмакова и Рабиновича[53]).

2.3.4. Орграфовая модель сценария (модель последовательности обучения [71, 72]).

2.3.5. Информационно-логическая модель учебного материала(модель по работе Башмаковых[51])

2.3.6. Древовидная графовая и орграфовая модели учебного материала[106].

2.4. Модели обучаемого инженера.

2.4.1. Многоуровневая сетевая модель[102].

2.4.2. Модель обучаемого инженера (модель по работе Зайцевой [71]).

2.5. Разработка модели предметной области.

2.5.1. Порождающие паттерны модели САОМо(1е

2.5.2. Адаптация модели САБМо(1е1 для конструкторской САПР.

2.5.3. Паттерны компоновки, размещения и трассировки

2.5.4. Паттерны изготовления физических деталей в САПР КОМПАС.

2.5.5. Растановка весов в модели CADModel.

2.6. Разработка модели сценария

2.6.1. Вопросно-ответная автоматная модель сценария

2.7. Разработка модели обучаемого инженера (проектировщика)

2.8. Разработка модели протокола.

2.9. Выводы

Глава 3. Разработка методов диагностики проектных знаний, умений, навыков и компетентности обучаемого инженера и адаптивного планирования траектории обучения на основе разработанных моделей АОС САПР.

3.1. Самоорганизующиеся карты Кохонена как инструмент классификации обучаемых инженеров.

3.1.1. Способы классификации обучаемых инженеров

3.1.2. Конкурентное обучение карт Кохонена (SOM)

3.1.3. Архитектура карт Кохонена.

3.1.4. Нечеткие карты Кохонена (FSOM).

3.1.5. Анализ видов функций принадлежности, применяемых в классификации обучаемых инженеров.

3.1.6. Способы оценок погрешности карт Кохонена

3.2. Разработка метода диагностики проектных характеристик обучаемых инженеров на основе FSOM.

3.2.1. Разработка структурно-параметрического анализа проектного решения.

3.2.2. Разработка оценочной шкалы для функции принадлежности ß в FSOM

3.2.3. Классификация проектных характеристик обучаемого инженера

3.2.4. Алгоритм обучения FSOM, использующий гауссову функцию принадлежности

3.2.5. Сильные и слабые стороны нейроанализа.

3.3. Разработка метода адаптивного планирования сценария

3.3.1. Накопление информации об обучаемом инженере

3.3.2. Принятие решения выбора траектории обучения с помощью модели обучаемого инженера.

3.3.3. Обучение моделированию средств вычислительной техники с применением языка VHDL.

3.3.4. Сравнительный анализ методов диагностики обучаемого инженера АОС САПР.

3.4. Выводы

Глава 4. Разработка программных и информационных средств АОС

САПР.■.

4.1. Архитектура АОС САПР.

4.2. Оценка эффективности метода диагностики проектных характеристик обучаемого инженера.

4.3. Оценка эффективности метода адаптивного планирования и управления (-ей) обучения инженера.

4.4. Разработка средств оценки проектных решений.

4.5. Разработка графического конструктора (ГК).

4.5.1. Функциональные возможности.

4.5.2. Описание формата хранения данных.

4.5.3. Диаграмма управления ГК.

4.5.4. Тестовый пример.

4.5.5. Построение сценария. Проверка сценария. Генерация html-сценария

4.6. Разработка компонентов предметной области, сценария, обучаемого инженера и протокола.

4.7. Разработка БД предметной области, сценария, обучаемого, протокола и обучающих образов нечетких карт

4.8. Уровень сложности VHDL-кода.

4.8.1. Алгоритм вычисления сложности программы

4.8.2. Оценка правильности VHDL-кода описания

4.9. Выводы.

Актуальность темы. Усложнение и появление новых технических объектов, сокращение сроков их проектирования, повышение качества проектных решений, появление новых САПР и множество развивающихся САПР требуют постоянного повышения квалификации инженеров предприятий. Важность корпоративного обучения подчеркивается правительством России, необходимость переподготовки специалистов является частью производственной политики современного предприятия и во многом определяет его интеллектуальный капитал и успешность на рынке.

Компьютерные технологии проектирования являются основными в производственном цикле, предлагается множество отечественных и зарубежных САПР различного назначения, класса и стоимости. Однако, в области обучения автоматизированному проектированию промышленных объектов имеется ряд нерешенных проблем.

1. Отсутствуют эффективные средства адаптации обучаемого инженера к учебно-практическому наполнению в ходе процесса обучения, позволяющие сократить сроки обучения без отрыва от производства.

2. Автоматизированные обучающие системы (АОС) САПР являются статическими с заранее заданной неизменной структурой, ориентированы на целевую аудиторию с максимальной степенью усвоения материала, в них не учитываются динамические индивидуальные характеристики обучаемых.

3. В основе реализации АОС САПР лежит, как правило, модульный принцип, что снижает степень масштабируемости архитектуры.

4. АОС САПР являются узко специализированными в предметной области.

Вышеизложенное обусловливает актуальность темы исследования и разработки.

Целью диссертационной работы является разработка адаптивного подхода к управлению процессом обучения, включающего создание компьютерных методов, моделей и средств обучения проектной деятельности в САПР, обеспечивающих повышение качества содержания и технологий обучения и сокращение сроков обучения без отрыва от производства. Задачи исследования

1. Анализ современных методов, моделей и средств автоматизированного обучения проектной деятельности в САПР, исследование области применения средств обучения в САПР.

2. Разработка моделей АОС САПР: предметной области, обучаемого инженера, сценария обучения и протокола информационных потоков.

3. Разработка метода диагностики проектных характеристик (знаний, умений, навыков и компетентности) обучаемого инженера в САПР.

4. Разработка метода адаптивного планирования и управления траектории (-ей) обучения.

5. Разработка компонентной архитектуры АОС САПР.

6. Разработка программно-информационного обеспечения, реализующего предложенные модели и методы.

Объектом исследования является обучение проектированию на основе пакетов САПР.

Предметом исследования являются методы и средства автоматизированного обучения проектной деятельности в САПР.

Методы исследования основаны на использовании положений и методов теории алгоритмов, теории множеств, теории нечетких множеств, теории графов, теории автоматов, теории автоматизированных обучающих систем, теории классификации, теории автоматизированного проектирования, основ системотехники и теории нейросетей.

В результате проведенных исследований получены следующие научные результаты.

1. Разработана модель предметной области автоматизированного проектирования в виде дерева онтологии, отличающаяся динамическим использованием иерархических, упорядоченных и ассоциативных связей, обеспечивающая адекватное представление процессов и объектов системного проектирования и повышающая качество содержания обучения.

2. Разработана новая модель обучаемого инженера, в которой используются нечеткие лингвистические проектные характеристики обучаемого инженера, соответствующие теоретическому и практическому уровням его подготовки в области САПР, и применяемые в адаптивном планировании траектории обучения.

3. Впервые предлоэюен метод диагностики проектных знаний, умений, навыков и компетентности обучаемого инженера, заключающийся в классификации проектных характеристик на основе нечетких карт Кохонена, обеспечивающий уменьшение числа ошибок оценки уровня подготовленности обучаемого инженера на 40% и повышающий качество технологий обучения.

4. Впервые предлоэюен метод адаптивного планирования и управления траектории(-ей) обучения инженера, использующий комплекс моделей (предметной области, обучаемого инженера, сценария и протокола) и позволяющий достигать требуемого значения проектных характеристик обучаемого инженера в сокращенные сроки по отношению к известным адаптивным методам (примерно на 40%).

Практическая ценность полученных результатов состоит в следующем.

1. Разработаны компонентная архитектура АОС САПР, соответствующая международному стандарту IEEE Р1484.1, и ее программно-информационное обеспечение по технологии Java Beans на базе Apache Tomcat.

2. Разработаны БД для хранения и обработки компонентов предметной . области, сценария, обучаемого инженера и протокола на базе MySQl-сервера.

3. Разработана программная система GraphsConstructor - графический конструктор создания сценариев обучения.

4. Разработан гипертекстовый редактор конструкторской документации САПР.

5. Разработаны программные средства интеграции с КОМПАС-ЗБ: «Программный контроллер управляющего элемента ActiveX КОМПАС обучающей системы GraphConstructor» и «Транслятор SCORM-спецификации проектных решений САПР КОМПАС».

6. Реализован формат хранения и представления учебного материала SCORM-2004, что дает возможность экспортировать и импортировать проектные учебные курсы SCORM-формата.

7. Разработана Web-ориентированная тестовая система ТЕСКО.

Реализация и внедрение результатов работы. Разработанные программные средства внедрены в практику работы ОАО «Ульяновский механический завод» (г. Ульяновск) и учебный процесс Ульяновского государственного технического университета (г. Ульяновск).

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих международных и региональных конференциях: Международной конференции

Интерактивные системы: проблемы человеко-компьютерного взаимодействия (ИС-2005)», г. Ульяновск, 2005; Международной конференции «Континуальные алгебраические логики, исчисления и нейроинформатика в науке и технике (КЛИН-2005)», г. Ульяновск, 2005; Международной конференции «Континуальные алгебраические логики, исчисления и нейроинформатика в науке и технике (КЛИН-2006)», г. Ульяновск, 2006; VII Международной научно-технической конференции «Новые информационные технологии и системы», г. Пенза, 2006; Международной конференции по логике, информатике, науковедению, г. Ульяновск, 2007; Международной конференции «Интерактивные системы: проблемы человеко-компьютерного взаимодействия (ИС-2007)», г. Ульяновск, 2007; Международном конгрессе по интеллектуальным системам и информационным технологиям (AIS'08/CAD'08), Краснодарский край, пос. Дивноморское 2008; районной конференции «Информационные технологии», г. Ульяновск, 2008; VII Международной конференции «Математическое моделирование физических, экономических, технических, социальных систем и процессов», г. Ульяновск, 2009; ежегодных внутривузовских конференциях профессорско-преподавательского состава, г. Ульяновск 2004, 2005, 2006, 2007, 2008, 2009.

Публикации. По теме диссертации опубликовано 29 печатных работ, в том числе 3 - в журналах списка ВАК, получено 9 свидетельств об официальной регистрации программ для ЭВМ.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав с выводами, заключения, библиографического списка использованной литературы и приложения, изложенных на 232 страницах машинописного текста, содержит 48 рисунков и 15 таблиц. Список литературы включает 117 наименований.

4.9. Выводы

Разработана архитектура АОС САПР, содержащая компоненты предметной области, обучаемого, сценария, диагностики и протокола. Система ориентирована на сетевое использование с распределенной архитектурой БД, web-сервера и пользователя. Реализация компонентов Т

Вычисление активностей нейронов г

Выбор "победителя"

1 г

Вычисление значений принадлежно сти

Рис. 4.25. Алгоритм работы нечетких карт выполнена на языке Java по технологии JavaBeans. Разработаны интерфейсы, с помощью которых выполняются запросы и обмен данными между компонентами. Реляционная БД, представленная таблицами, нормализована и обслуживается СУБД MySQL для обеспечения повышения эффективности по времени обработки запросов, надежности и защиты данных. Apache Tomcat является web-сервером обработки сетевых запросов сервлетов (вебстраницы на языке Java).

Предложена интеграция АОС с САПР КОМПАС с целью обучения проектировщика на моделях промышленных объектов с поддержкой возможности структурно-параметрической оценки результата проектирования. Для автоматической структурно-параметрической проверки проектного решения используются методы на основе открытых интерфейсов САПР КОМПАС по технологии ActiveX, обеспечивающие автоматический контроль.

Разработан графический конструктор, предназначенный для создания информационно-логической модели сценария в наглядной графической форме, удобной для пользования и редактирования. Используется графический инструментарий для построения сценария курса. Реализована функция пошаговой демонстрации (проверки) корректности разработанного сценария с интерактивной ролью разработчика, который способен изменить траекторию в процессе демонстрации. Создание и правка учебных материалов с помощью ГК не требует дополнительных текстовых редакторов для разработки сетевой конструкторской1 документации, потому что имеется поддержка чтения, правки и сохранения Мш1-формата. Разработан внутренний формат хранения и представления сценария, реализована поддержка чтения и сохранения курсов в стандартном 8ССЖМ-2004 формате.

Заключение

В работе все поставленные цели и задачи достигнуты. В результате проведенных исследований разработаны и предложены следующие модели и методы.

1. Разработана модель предметной области автоматизированного проектирования в виде дерева онтологий, отличающаяся динамическим использованием иерархических, упорядоченных и ассоциативных связей, обеспечивающая адекватное представление процессов и объектов системного проектирования и повышающая качество содержания обучения.

2. Разработана новая модель обучаемого инженера, в которой используются нечеткие лингвистические проектные характеристики обучаемого инженера, соответствующие теоретическому и практическому уровням его подготовки в области САПР и применяемые в адаптивном планировании траектории обучения.

3. Впервые предложен метод диагностики проектных знаний, умений, навыков и компетентности обучаемого инженера, заключающийся в классификации проектных характеристик на основе нечетких карт Кохонена, обеспечивающий уменьшение числа ошибок оценки уровня подготовленности обучаемого инженера на 40% и повышающий качество технологий обучения.

4. Впервые предложен метод адаптивного планирования и управления траектории (-ей) обучения инженера, использующий комплекс моделей (предметной области, обучаемого инженера, сценария и протокола) и позволяющий достигать требуемого значения проектных характеристик обучаемого инженера в сокращенные сроки по отношению к известным адаптивным методам (примерно на 40%).

Получены практические результаты.

1. Разработаны компонентная архитектура АОС САПР, соответствующая международному стандарту IEEE Р1484.1, и ее программно-информационное обеспечение по технологии Java Beans на базе Apache Tomcat.

2. Разработаны БД для хранения и обработки компонентов предметной области, сценария, обучаемого инженера и протокола на базе MySQl-сервера.

3. Разработана программная система GraphsConstructor - графический конструктор создания сценариев обучения.

4. Разработан гипертекстовый редактор конструкторской документации САПР.

5. Разработаны программные средства интеграции с КОМПАС-ЗО: «Программный контроллер управляющего элемента ActiveX КОМПАС обучающей системы GraphConstructor» и «Транслятор SCORM-спецификации проектных решений САПР КОМПАС».

6. Реализован формат хранения и представления учебного материала SCORM-2004, что дает возможность экспортировать и импортировать проектные учебные курсы SCORM-формата.

7. Разработана Web-ориентированная тестовая система ТЕСКО.

1. Advance A. L. D. Scorm 2004 3rd edition. http: / / www.adlnet .org/ scorm/index.cfm.

2. Bishop W. D. Vhdl tutorial. http: //www.moli.uwaterloo.ca/VHDLTutorial/vhdl2005-audio.pdf.

3. Building Web Services with Java™: Making Sense of XML, SOAP, WSDL, and UDDI / S. Graham, S. Simeonov, T. Boubez et al. — Sams Publishing, 2001,— 600 pp.

4. Benford S., Burke E., Foxley E. et al.— Ceilidh: A course administration and marking system. Proceedings of the International Conference of Computer Based Learning. — Master's thesis, 1993.

5. Chaudhri R. Java & Databases. — London: Hermes Science Publications, 2000.- 139 pp.

6. Chopra V., Li S., Genender J. Professional Apache Tomcat 6.— Wrox Press, 2007. — 629 pp.

7. Clements P. Imroving software architecture competence.www.sei.cmu.edu/architecture.

8. Cockburn A. Writing effective use cases.addison-wesley pub со.

9. DICKENC H. В., KOCHC M. В., TAVANGARIAN D. В.— THE HYPERMEDIA VHDL LEARNING SYSTEM DESCRIPTION AND FIRST EXPERIENCES.- Master's thesis, 1996.http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.57.1681.

10. Felder R. M., Silverman L. K. Learning styles and teaching styles in engineering education // Engineering Education.— No. 78 (7).— 1988.— Pp. 674-681.

11. Geibler R. Vhdl manual. http://citeseenc.ist.psu.edu/viewdoc/summaiy?doi==10.1.1.39.300.

12. Gingold T. Ghdl. http://ghdl.free.fr/.

13. Greanier T. Java Foundations. — London: Neil Edde, 2004. — 363 pp.

14. Hall M. Core Servlets and JavaServer Pages.— Sun Microsystems Press, 2003, — 736 pp.

15. Hanna D. M., Haskell R. E.— Learning Digital Systems Design in VHDL by Example in a Junior Course. — Master's thesis, 2007.http://www.egr.msu.edu/gunn/ASEE North Central 2007/Hanna and Haskell(D2-4).pdf.

16. Higgins C., Symeonidis P., Tsintsifas A. The marking system for coursemaster // Proceedings of the 7th annual conference on Innovation and technology in computer science education. — 2002. — Pp. 46-50.

17. Hunter J., Crawford W. Java™ Servlet Programming. — O'Reilly, 1998,— 528 pp.

18. Hyvonen J., Malmi L. Trakla a system for teaching algorithms using email and a graphical editor // Proceedings of HYPERMEDIA in Vaasa. — 1993.-Pp. 141-147.

19. IEEE. IEEE* std 830-1998. http://ww.docflow.ru/analyticfull.asp?param=47107.

20. Korhonen A., Malmi L., Nikander J., Tenhunen P. — Interaction and Feedback in Automatically Assessed Algorithm Simulation Exercises. — Master's thesis, 2003. http://jite.org/documents/Vol2/v2p241-255-24.pdf.

21. Ip A., Morrison I., Currie M. — What is a learning object, technically? — Master's thesis, 2001. http://users.tpg.com.au/adslfrcf/lo/LO(WebNet2001).ppt.

22. Jackson D., Usher M. Grading student programs using assyst // Proceedings of 28th ACM SIGCSE Tech. Symposium on Computer Science Education. ACM, San Jose, California, USA: 1997. - Pp. 335-339.

23. Kazman L. B. . P. C. . R. Software Architecture in Practice. 1st edition. — Addison-Wesley Professional, 1997. — 452 pp.

24. Knudsen J. B. Java 2D Graphics.— United States of America: O'Reilly,1999.- 372 pp.

25. Korhonen A., Malmi L. Algorithm simulation with automatic assessment // Proceedings of the 5th Annual SIGCSE/ SIGCUE Conference on Innovation and Technology in Computer Science Education. — 2000. — Pp. 160-163.

26. McLaughlin B. Java and XML.— United States of America: O'Reilly,2000, — 361 pp.

27. McLaughlin B. Building Java™ Enterprise Applications Volume I: Architecture. O'Reilly, 2002. — 318 pp.

28. Mcndes A., Ivanov V., Marcelino M.— A Web-Based System to Support Java Programming Learning. — Master's thesis, 2005.http://ecet.ecs.ru.acad.bg/cst05/Docs/cp/sIV/IV.4.pdf.

29. OWASP. Code review metrics. http://www.owasp.org/index.php/CodereviewMetrics CodereviewMetrics.mht.

30. Pedroni V. A. — Teaching Design-Oriented VHDL. — Master's thesis, 2003.http://www2.computer.org/plugins/dl/pdf/proceedings/mse/2003/1973/00/19730006.pdf? template==l&loginState=l&userData=anonymous-IPl226340533505.

31. Plusquellic D. J. Vhdl tutorial. http://www.cs.umbc.edu/ younis/CM-SC611/VHDLlCadenceTutorial.pdf.

32. Redeker G. H. J. An educational taxonomy for learning objects // Proceedings of the 3rd IEEE International Conference on Advanced Learning Technologies. — Athens, Greece. ICALT 2003: 2003. — Pp. 250-251.

33. Rivest R. The md5 message-digest algorithm, http://rfc.com.ru/rfci32i.htm.

34. Rover D. Т., Santiago N. G., Tsai M. M. — ACTIVE LEARNING IN AN ELECTRONIC DESIGN AUTOMATION COURSE. Master's thesis,1999. http://mayaweb.upr.clu.edu/ nayda/Publications/MSE99.pdf.

35. SHL. Shi, Руководство по проведению интервью по компетенциям с менеджерами, корпоративный продукт. http://new.hse.ru/sites/liaer2/Lists/Calendar/Attachments/19/20050226seminar.pdf.

36. Spohrer J. С., Soloway Е. Putting it all together is hard for novice programmers //In Proceeding of the IEEE International Conference on Systems. — Man, and Cybernetics: 1985. — Pp. 728-735.

37. Sprunger S., Zage R. D., Zage W. Metrics-directed analysis of vhdl models.http: //www.serc.net/library/publication/newTR.asp.

38. Voit N. N., Afanasjev A. N. Development of algorithmic, methodical and informational supply ats for cad kompas // INTERACTIVE SYSTEMS AND TECHNOLOGIES, Collection of scientific papers. Vol. I. -ULYANOVSK.

39. Алексеев О. В. Автоматизация проектирования радиоэлектронных средств. — М.: Высш. шк., 2000. — 479 с.

40. Аткинсон Л. MySQL. Библиотека профессионала.— М.: Вильяме, 2002. — 624 с.

41. Афанасьев А. Н.; Войт Н. Н. Программная реализация адаптивной компонентной автоматизированной обучающей системы САПР // Программные продукты и системы. — 2008. — № 4.

42. Афанасьев А. Н., Максимов А. В. Разработка графо-алгебраических методов и средств обучения проектной деятельности в САПР- //

43. Вестник УлГТУ. — 2004.— № 3. — С. 49.

44. Башмаков А. И., Башмаков И. А. Разработка компьютерных учебников и обучающих систем. — М.: Информацинно-издательский дом.

45. Башмаков И. А., Рабинович П. Д. Анализ моделей семантических сетей как математического аппарата представления знаний об учебном материале // Справочник. Инженерный журнал. № 7. — 2002. — Pp. 5560.

46. Башмаков И. А., Рабинович П. Д. — Модель семантической сети для представленя учебного материла в компьютерных обучающих средствах. — Master's thesis, 2002. http://www.rabinovitch.ru/public/axt02 2002 04 10.pdf.

47. Безруков Н. С., Еремин Е. JI. Выделение информативных признаков для системы поддержки принятия решения на основе нейро-нечеткой сети // Нейрокомпьютеры. — 2007.— К® 1-2.

48. Буч Г.} Рамбо Д., Джекобсон А. Язык UML. — М.: ДМК, 2000. 432 с.

49. Вандевурд Д., Джосаттис Н. М. Шаблоны С++: справочник разработчика = С++ Templates: The Complete Guide. — M.: Вильяме, 2003. 544 с.

50. Войт Н. Н. Концептуальная модель graphconstructor // труды международной конференции «Континуальные алгебраические логики, исчисления и нейроинформатика в науке и технике». — № 2. — Ульяновск : УлГТУ: 2006. — С. 16.

51. Войт Н. Н. Разработка графического инструментария для построения учебного сценария / / труды международной конференции «Континуальные алгебраические логики, исчисления и нейроинформатика в науке и технике». — № 2. — Ульяновск : УлГТУ:2006.- С. 18.

52. Войт Н. Н. Разработка методов и средств адаптивного обучения проектной деятельности / / Информационные технологии: межвузовский сборник научных трудов. — Ульяновск: УлГТУ: 2008. — Pp. 42-45.

53. Войт Н. Н., Афанасьев А. Н. Разработка алгоритмического, методического и информационного обеспечения АОС для САПР КОМПАС-За // Вестник УлГТУ. 2005. — по. З.-Рр. 50-57.

54. Гамма Э., Хелм Р., Джонсон Р. Приемы объектно-ориентированного проектирования. Паттерны проектирования. — Санкт-Петербург: СПб.Литер, 2008.- 366 с.

55. Гибридная сеть для реализации нечетких моделей с mimo-структурой // Нейрокомпьютеры. — 2007. — № 1.

56. Горбань А. Н., Дунин-Варковский В. Л., Кирдин А. Н. Нейроинформатика. — Новосибирск: Наука, 1998. — 296 с.

57. Гореткина Е. Перспективы развития САПР // PC Week. — 2007. — № 35.http://pcweek.ru/themes/detail.php?ID=102768&phraseid=1705.

58. Грофф Д. P. SQL. Полное руководство. — Киев: BHV, 2001.- 816 с.

59. Дейт К. Д. Введение в системы баз данных.— М.: Вильяме, 2005.— 1328 с.

60. Доррер Г. А., Рудакова Г. М. Моделирование процесса интерактивного обучения на базе формализмов раскрашенных сетей Петри // Вестник КрасГУ. 2004.

61. Дюбуа П. MySQL. — М.: Вильяме, 2001. 816 с.

62. Ежов А. А., Шумский С. А. Нейрокомпьютинг и его применение в экономике и бизнесе // Нейрокомпьютеры.— 1998.— № 1-2.http://www.neuroproject.ru.

63. Зайцева Л. В. Методы и модели адаптации к учащимся в системах компьютерного обучения // Educational Technology & Society. — no. 4.

64. Зайцева JI. В., Новицкий Л. П., Грибкова В. А. Разработка и применение автоматизированных обучающих систем на базе ЭВМ. — Рига: «Зинатне», 1989. — 174 с.

65. Иванова H. Ю., Романова E. В. Проектирование печатных плат в САПР p-cad-2002. — Санкт-Петербург: СПб: СПбГУ ИТМО, 2007,118 с. httpy/window. edu.ru/windowcatalog/files/r54425/itmo236.pdf.

66. Ильин В. Н. Основы автоматизации схемотехнического проектирования. — М.: Энергия, 1979.— 399 с.

67. Ильин В. Н. Автоматизация схемотехнического проектирования, — М.: Радио и связь, 1987. — 368 с.

68. Использование нейросемантических сетей для автоматизированного проектирования вычислительной техники / А. Н. Афанасьев, А. Г. Игонин, Т. В. Афанасьева, Н. Войт // Автоматизация и современные технологии. — 2008.— № 1. — С. 21-24.78 7980