Методология и техника разработки структурных моделей обучения операторов человеко-машинных систем




Скачать 167.97 Kb.
НазваниеМетодология и техника разработки структурных моделей обучения операторов человеко-машинных систем
Дата публикации28.04.2013
Размер167.97 Kb.
ТипАнализ
uchebilka.ru > Военное дело > Анализ

УДК 378.66 : 378.146



 Чабаненко П.П.
МЕТОДОЛОГИЯ И ТЕХНИКА РАЗРАБОТКИ СТРУКТУРНЫХ МОДЕЛЕЙ ОБУЧЕНИЯ ОПЕРАТОРОВ ЧЕЛОВЕКО-МАШИННЫХ СИСТЕМ
Повышение уровня автоматизации управления, внедрение компьютерных технологий в различных областях науки и техники, в том числе и военной, выдвигает на передний план проблему развития теории обучения операторов человеко-машинных систем (ЧМС). Актуальность этой проблемы всё очевидней подтверждается известными авариями и катастрофами последних лет, большая доля причин которых приходится на «человеческий фактор».

Анализ публикаций, посвящённых исследованию отмеченной проблемы, выполненный в работе [1], показывает, что при моделировании обучения операторов недостаточно внимания уделяется:

- формализации взаимодействия обучающей и обучаемой сторон при освоении операторской деятельности;

- разработке моделей обучения в объективных показателях подготовленности операторов ЧМС к решению свойственных им задач;

- представлению обучения операторов как нестационарного случайного процесса целенаправленного их перевода из неподготовленного состояния в подготовленное в пространстве характеристик формируемых операторских свойств.

В результате образуется разрыв между возрастающими требованиями к эффективности действий человека-оператора в сложных ЧМС и теми средствами, которыми располагают педагоги, психологи и организаторы учебного процесса для исследования и совершенствования подготовки операторов.

В данной статье предлагается общий метод разработки структурных моделей обучения (МО) операторов ЧМС, позволяющий устранить отмеченные выше недостатки. Основы подхода к построению структурных моделей обучения изложены нами в работе [2].

Обобщение подхода достигнуто путём согласованного применения теории вероятностей и теории графов с проникновением в существо процессов обучения операторов с учётом общих структурных свойств этих процессов.

^ Методология подхода включает:

- допущение о возможности расчленения профессиональной деятельности операторов ЧМС на решаемые задачи, а алгоритмов действий по каждой задаче – на близкие по сложности выполнения блоки операций (БО);

- совместный учёт типовых зависимых характеристик безошибочности и времени выполнения действий обучаемых при отработке БО в динамике формирования у операторов необходимых умений и навыков;

- представление обучения оператора как нестационарного стохастического процесса изменения его состояний в функционально-целевом пространстве результатов выполнения им отрабатываемых действий;

- построение траекторных характеристик перевода оператора из неподготовленного состояния в подготовленное в этом пространстве.

Предлагаемый метод заключается в последовательном выполнении следующих этапов:

  1. ^ Разработка описательной части МО в виде:

а) вербальной модели взаимодействия сторон, участвующих в процессе обучения,

б) алгоритмической модели этого взаимодействия в форме графа работ (операций) на один шаг обучения.

  1. ^ Разработка оценочной составляющей МО в виде:

а) вероятностного графа событий процесса обучения за один шаг обучения,

б) вероятностной аналитической модели циклического процесса обучения по его шагам.

Эффективность широкого класса ЧМС зависит от двух основных свойств человека-оператора: безошибочности и быстродействия. Естественная цель обучения операторов таких ЧМС – выработка у них умений и навыков правильного и быстрого выполнения предписанных им функций.

Из совокупности N отрабатываемых БО на произвольном шаге i обучения оператором может быть освоено Х блоков по правильности, Y блоков по скорости (времени) выполнения и Z блоков полностью (как по правильности, так и по скорости выполнения). Текущему состоянию оператора на шаге i обучения будем соотносить точку (x, y, z), а динамике формирования у него свойств безошибочности и быстродействия – траекторию в пространстве координат xyz по шагам i обучения. Шаг обучения – целостный в смысловом отношении фрагмент взаимодействия обучающего с обучаемым, осуществляемый в цикле процесса обучения.

Типовая структура шага обучения включает (рис.1):

  1. Постановку учебной (тренировочной) ситуации;

2. Её восприятие и оценку обучаемым с принятием решения на необходимые действия и их выполнение;

  1. Контроль и оценку качества его действий обучающим;

4. Перестройку умственной модели (УМ) действий обучаемым по результатам его оценки, указанным рекомендациям для повышения безошибочности и быстродействия.


Рис. 1. Граф работ одного шага обучения, повторяемый циклично.

Полагается, что освоенному по безошибочности выполнения блоку операций соответствует наличие у оператора УМ безошибочных действий, освоенному по времени выполнения блоку – УМ быстрых действий, а освоенному полностью блоку – УМ безошибочных и быстрых действий. Формирование таких моделей путём многократных тренировок приводит к образованию в психофизиологической системе оператора положительного динамического стереотипа по И.П. Павлову, т.е. становлению навыка, когда действия выполняются легко, экономно, мастерски.

При постановке учебной ситуации на произвольном шаге i возможны следующие события:

- предъявлен БО, не освоенный как по безошибочности (), так и по времени () выполнения;

- предъявлен БО, освоенный по безошибочности (), но не освоенный по времени () выполнения;

- предъявлен БО, не освоенный по безошибочности (), но освоенный по времени () выполнения;

- предъявленный БО освоен полностью ( и).

Возможны следующие варианты отношений подмножеств блоков операций: , . Последний случай – общий. При равновероятном предъявлении БО обучаемому в этом случае вероятности отмеченных ситуаций на шаге i есть:



где – числа блоков, освоенных обучаемым к шагу i только по безошибочности, только по времени и полностью, соответственно;

N – полное число отрабатываемых БО.

Оператор в этих ситуациях может действовать: с ошибками и медленно, без ошибок, но медленно; с ошибками, но быстро; безошибочно и быстро.

Как видим, виды этих сочетаний определяются видами отмеченных выше событий при предъявлении обучаемому блоков операций для их выполнения. Поэтому характеристики безошибочности и времени выполнения БО должны задаваться по видам освоенности БО, например:

– условная вероятность безошибочного выполнения БО при условии, что он по безошибочности действий не освоен или освоен ; ;

– условное математическое ожидание (дисперсия) времени выполнения БО при условии, что он не освоен , освоен только по безошибочности действий , освоен только по скорости выполнения или освоен полностью .

Контроль и оценка правильности действий оператора также могут быть правильными или ошибочными с условными вероятностями принятия решения j при условии, что фактически результат действий оператора есть ( 0 – неверно, 1 – верно ); , .

Способность обучаемого перестраивать УМ безошибочных действий характеризуется условной вероятностью её исправления, если она неверна , и её не искажения, если она правильна ; .

Аналогично задаются вероятности перестройки оператором своей УМ времени (скорости) действий.

Так определяется состав исходных данных для всех операций графа работ (рис. 1).

Заметим, что сокращение расхода времени на выполнение действий обучаемым складывается из уменьшения затрат времени за счёт освоения порядка и правил действий, а также за счёт повышения скорости выполнения правильного алгоритма действий.

На следующем этапе разработки МО графу работ становится в соответствие вероятностный граф событий. На рис.2 приведен такой граф, разработанный с учётом приоритетности отработки безошибочных действий оператора (коррекция скорости его работы осуществляется только при решениях, что выполняемые им действия безошибочны) и при допущении, что приобретённые УМ быстрых действий не утрачиваются. Начальная и висящие вершины графа обозначены состояниями обучаемого.

Как видим, при принятом подходе:

- в пределах шага обучения учитываются зависимости разного вида через условные характеристики качества выполнения действий;

- развитие процесса при фиксированных исходных данных зависит только от состояния обучаемого в начале шага обучения, не зависит от номера этого шага и от того, как обучаемый пришёл в это состояние.

При этом мы имеем дело с однородной марковской цепью на уровне состояний обучаемого (процесс без последствия), вероятности перехода которого находятся из одношагового графа событий с учётом различных зависимостей.

На произвольном шаге обучения возможен переход обучаемого из состояния (x, y, z) в одно из восьми новых состояний или сохранение прежнего состояния (рис.3). Вероятности перехода находятся по графу рис. 2 перемножением вероятностей по его дугам на пути, ведущим из начальной вершины в висящую, с последующим суммированием вероятностей путей, ведущих к одинаковому состоянию. Эти переходные вероятности обозначим индексами состояний по висящим вершинам, так как начальная вершина одна, и в окончательном виде запишем:






а)




б)





в)



г)



д)


Рис. 2. ГС для совместного обучения оператора безошибочности и быстродействию :

а – вершинная часть графа; б, …, д – скелетные ветви путей до висящих вершин (фрагменты ГС стыкуются по одинаковым вершинам).

где За один шаг обучения x, y, z могут не измениться, увеличиться или уменьшиться на единицу.



Рис. 3. Изменения состояния оператора за один шаг обучения в пространстве координат хyz: 0 – состояние оператора в начале шага i обучения; 1, … , 8 – возможные новые его состояния в конце этого шага.

По теореме сложения вероятностей:



На шаге i система случайных величин (x, y, z) распределена в соответствии с некоторой плотностью (x, y, z). Введём для x, y, z общее обозначение . Средние за один шаг также могут увеличиться, уменьшиться на единицу или остаться неизменными с вероятностями:

с вероятностью
с вероятностью
с вероятностью

^

Поэтому для справедливо соотношение




где



Подставляя в это выражение найденные выше , после преобразований получим систему рекуррентных уравнений состояний обучаемого

(2)

коэффициенты которой: ,

;, ,,

.

Отметим, что:,;, .

Систему (2) методом подстановок с последующим избавлением от свободных членов можно преобразовать к трём рекуррентным уравнениям четвёртого порядка стандартного вида

. (3)

^ В каждом из этих уравнений, в отличие от (2), зависимость переменной выражена через её же предыдущие значения. Коэффициенты в (3) находятся по матрице коэффициентов при переменных системы (2) следующим образом: – след этой матрицы; – сумма миноров элементов главной её диагонали с обратным знаком; – определитель матрицы.

Системы уравнений (2) и (3) определяют динамику состояний обучаемого в средних числах освоенных им блоков операций (знаний, умений и навыков их выполнения). Характеристики можно вычислять, пользуясь ими при начальных условиях . При этом для вычисления нужно предварительно рассчитать значения для всех . Кроме того, затруднительно выявить важные для практики особенности и общие черты исследуемого процесса обучения.

Из исчисления конечных разностей известен общий вид решения рекуррентного уравнения (3):

(4)

при простых корнях характеристического уравнения



Очевидно, что первый корень . Остальные корни находятся из характеристического уравнения третьего порядка



Свободные члены в (4) характеризуют потенциальные возможности системы по подготовке операторов при отсутствии ограничения на время обучения, как пределы:

= , = , = .

Запишем (4) четыре раза для первых четырёх значений i:

(5)

Мы получили три (для ) системы линейных уравнений размерностью 44 с неизвестными коэффициентами . При невырожденной матрице коэффициентов эти системы решаются по правилу Крамера с единственным решением в виде отношений определителей



где в знаменателе – определитель D матрицы коэффициентов системы (5), а в числителях – определители, получающиеся из D заменой соответствующего столбца на столбец свободных членов.

Теперь каждое из трёх уравнений (4) для можно использовать автономно для вычисления средних чисел освоенных обучаемым блоков операций и для любого шага i обучения. Начальные условия задаются тройкой , а для i = 2, 3, 4 соответствующие величины вычисляются по (2).

Важен для практики случай, когда освоить по скорости выполнения можно только те блоки, по которым у обучаемого сформировались УМ правильного их выполнения. В этом случае y = 0, в графе событий рис. 2 нет путей через вершину и на всех висящих вершинах состояния оператора обозначаются только через x и z с прежними индексами, т.к.  0.

Система уравнений состояний обучаемого (2) превращается в систему двух рекуррентных уравнений

(6)

с прежними выражениями для её коэффициентов.

Система (6) преобразуется к двум уравнениям в стандартной форме

, (7)

где – след матрицы коэффициентов системы (6),

– её определитель с обратным знаком.
^

Характеристическое уравнение уравнения (7) имеет вид


,

откуда первый корень , а два остальных находятся из характеристического уравнения второго порядка и, как нетрудно убедиться, есть

.

Таким образом, решение системы уравнений (6) следующее

(8)

Система линейных уравнений для нахождения коэффициентов в (8) запишется для первых трёх . Без вывода приведём её решение:

(9)

Здесь заменяется на для вычисления или на для вычисления ; i = 1, 2, 3.

Для обучения «с нуля», когда 0, из (6) имеем:


Для этого случая по первому уравнению из (9) находим:



В частности, при идеальной системе контроля и оценки действий обучаемого или при идеальном сохранении сформировавшихся правильных УМ действий обучаемым , имеет место , т.е. , . Это означает, что только при этих условиях и при отсутствии ограничения на время обучения даже при обучении «с нуля» возможно полное освоение всех N отрабатываемых блоков операций. Иначе . Скорость продвижения к пределам , определяется параметрами и .

Перейдём к случаю формирования у обучаемых только одного свойства – безошибочности. В этом случае состояние обучаемого характеризуется числом Х блоков операций, освоенных по безошибочности , и граф событий принимает вид рис. 4.



Рис. 4. Граф событий при обучении оператора безошибочным действиям

(с повышением быстродействия только за счёт правильности действий).

За один шаг обучения состояние обучаемого может измениться или сохраниться в соответствии с рис. 5 и указанными в (10) вероятностями перехода.


Рис. 5.
(10)

Заметим, что и характеризуют способность системы обучения: формировать у оператора новые знания, умения и навыки безошибочности и быстродействия () и сохранять () уже сформированные.

В этом случае система уравнений состояний обучаемого вырождается в одно рекуррентное уравнение

(11)

где .

Решение уравнения (11) следующее:

. (12)

Коэффициенты в (12) находятся из системы уравнений второго порядка

(13)

где по рекурсии (11).
^

Из (13) находим


(14)

Теперь подстановкой (14) в (12) окончательно получаем МО в виде




где – характеристика начального состояния оператора.
^

При обучении «с нуля», когда = 0 , имеем


(15)

а предел при любом равен



Получаемые изложенным методом МО имеют вид функций

.

Установление связи этих функций с вероятностями безошибочных и своевременных действий оператора рассмотрено в [2].

Заметим, что на практике методика обучения изменяется от этапа к этапу обучения, поэтому для каждого этапа r вектор параметров свой. Учёт изменения методики обучения осуществляется «стыковкой» моделей обучения по эквивалентным состояниям обучаемого на момент смены методики следующим образом

(16)

где – векторы параметров этапов 1 и 2 соответственно,

– шаг смены методики обучения,

– шаг обучения, на котором было бы достигнуто состояние обучаемого, эквивалентное его состоянию в момент смены методики, если бы было возможным применить вторую методику с начала обучения.

Так, при обучении оператора безошибочным действиям «с нуля» по методике 1 с переходом на шаге на методику 2, согласно (15) и (16) процесс обучения аналитически представляется так



где

.

Результаты расчётов по полученным моделям обучения, приведенные на рис. 6 , иллюстрируют их работоспособность и характер изменения средних чисел освоенных обучаемым блоков операций при нарастании числа шагов обучения. Число тренировок k оператора определяется отношением , где - ёмкость одной тренировки в числе шагов.


i











i





а) б)


Рис. 6. Динамика освоения обучаемым блоков операций: а – только по правильности , только по скорости выполнения, по правильности и скорости выполнения; б – по правильности , по скорости выполнения.
Выводы:

  1. Предложенный метод базируется на функциональном структурном подходе к описанию и оценке деятельности человека – оператора [3, 4, 5] с тем отличием, что учитывается нестационарность процесса его обучения. В результате применения данного метода разрабатываются не статические (точечные), а динамические (в виде вектор – функций времени обучения) модели эффективности действий оператора.

  2. Дальнейшие исследования связаны с проведением экспериментов по обучению операторов конкретных ЧМС, нахождением статистических оценок параметров моделей обучения структурного класса в частных случаях и обобщением научных результатов в данной области в теорию обучения операторов ЧМС эффективной и безаварийной деятельности.



Литература





  1. Нестеров А.Г., Приступа С.В., Чабаненко П.П. Математические модели обучения /Под общ. ред. П.П. Чабаненко. – Севастополь: СВМИ им. П.С. Нахимова, 2001. – 70 с.

  2. Чабаненко П.П. Введення у теорію навчання операторів людино – машинних систем /Зб. наук. праць, Вип. 1(39) – Харків: ХВУ, 2002. – С. 39 – 46.

  3. Адаменко А.Н., Ашеров А.Т., Бердников И.Л. и др. Информационно – управляющие человеко – машинные системы: Исследование, проектирование, испытания. Справочник /Под общ. ред. А.И. Губинского, В.Г. Евграфова. – М. :Машиностроение, 1993. – 528 с.

  4. Ашеров А.Т., Капленко С.А., Чубук В.В. Эргономика информационных технологий. Учебн. пособие. / А.Т. Ашеров // – Харьков: ХГЭУ, 2000. – 221 с.

  5. Чабаненко П.П. Становление и развитие аппарата функциональных сетей // Зб. наук. праць, Вип.2 – Севастополь: СВМІ ім. П.С. Нахімова, 2003. – С. 160 – 168.


Чабаненко П.П.
^
Методология и техника разработки структурных моделей обучения операторов человеко – машинных систем

Предложен метод для построения моделей обучения операторов человеко– машинных систем (ЧМС) безошибочным и быстрым действиям. Обучение операторов рассматривается как нестационарный случайный процесс целенаправленного их перевода из неподготовленного состояния в подготовленное. Полученные модели обучения обобщают известные и успешно используются для совершенствования обучения операторов ЧМС различного назначения.
Чабаненко П.П.

Методологія і техніка розробки структурних моделей навчання операторів людино – машинних систем

Запропоновано метод для побудови моделей навчання операторів людино – машинних систем (ЧМС) безпомилковим і швидким діям. Навчання операторів розглядається як нестаціонарний випадковий процес цілеспрямованого їх перекладу з непідготовленого стану в підготовлене. Одержувані моделі навчання узагальнюють відомі й успішно використовуються для удосконалювання навчання операторів ЧМС різного призначення.

Chabanenko P.P.

Methodology and Working out Technology of Structural Learning Models of Operators of Human – machine Systems

Here is propounded a method for building learning models of human – machine systems (HMS)’ operators by correct and rapid operations. Learning operators is considered as an unstationary stochastic process of their purposeful transition from an unprepared state to a prepared one. These learning models generalize known ones and are successfully used for improvement of learning of HMS’ operators for different purposes.


Добавить документ в свой блог или на сайт

Похожие:

Методология и техника разработки структурных моделей обучения операторов человеко-машинных систем iconКибернетика техническая, научное направление, связанное с применением...
К. т., — инженерная психология, важнейшей задачей которой является разработка методов использования психофизиологических особенностей...

Методология и техника разработки структурных моделей обучения операторов человеко-машинных систем iconАнализ Структурных моделей и отличительных особенностей синергетической...
Ной структуры современных комбайнов [2], представлены структурные модели (S-модели) человеко-машинной системы «оператор – комбайн...

Методология и техника разработки структурных моделей обучения операторов человеко-машинных систем iconInternational Conference «Advanced Information Systems and Technologies, aist 2014»
Решение задач исследования, проектирования и испытания человеко-машинных систем базируется на концепции квалиметрического эргономического...

Методология и техника разработки структурных моделей обучения операторов человеко-машинных систем iconНаучная работа на тему: „Биоритмы человека”
Но вместе с увеличением масштаба технических возможностей одновременно возрасли и масштабы катастроф при не штатной работе человеко-машинных...

Методология и техника разработки структурных моделей обучения операторов человеко-машинных систем iconВзаимное преобразование ufo и uml моделей
Результаты данной работы могут способствовать более эффективному выполнению начальных технологических процессов разработки сложных...

Методология и техника разработки структурных моделей обучения операторов человеко-машинных систем iconОпорный конспект по курсу «Моделирование и идентификация объектов систем автоматики» Донецк 2007
Теория идентификации и моделирования – это научно-техническая дисциплина, которая занимается вопросами построения моделей объектов...

Методология и техника разработки структурных моделей обучения операторов человеко-машинных систем iconМетодология, процедуры и техника социологии
В период после первой мировой войны одним из значительных достижений социологии было усложнение методов, процедуры и техники. Необходимо...

Методология и техника разработки структурных моделей обучения операторов человеко-машинных систем iconУро ран, Россия, 620219, г. Екатеринбург, ул. Первомайская, 91. E-mail
Методология и подходы при описании структурных особенностей нейтральной жидкой воды

Методология и техника разработки структурных моделей обучения операторов человеко-машинных систем iconКомплекс математических моделей для прогнозирования надежности технологических...

Методология и техника разработки структурных моделей обучения операторов человеко-машинных систем iconА. Ф. Манако Формализация ключевых понятий манок-систем
КИ); разработки формализованного представления S; разработки и реализации формализованного надлежащим образом инструментария для...

Вы можете разместить ссылку на наш сайт:
Школьные материалы


При копировании материала укажите ссылку © 2013
контакты
uchebilka.ru
Главная страница


<