ЭРИ — что такое в Современной энциклопедии

The progressive development of Russian transport complex may be realize on the base of innovation processes. The main instrument of its innovation policy is the system strategic planning.

Проблема системного стратегического планирования инновационных процессов актуальна практически для всех современных хозяйственных комплексов. Учитывая, что в настоящее время транспорт продолжает оставаться «узким местом» развития российской экономики, возникает необходимость разработки методических рекомендаций, позволяющих поэлементно осуществлять системное стратегическое планирование инновационных процессов в транспортном комплексе России на основе применения метода «дерева целей» и экономико-математических моделей.

В качестве первого элемента системы предусматривается стратегическое планирование уровня спроса на инновации транспортного комплекса страны с целью определения потребного объема реальных инвестиций в транспортные инновации на долгосрочный период. Это может быть осуществлено на основе применения динамической модели эластичности спроса на инновации транспортного комплекса страны от цен на инновационные транспортные услуги и от денежных доходов их потребителей.

В качестве второго элемента системы предлагается стратегическое планирование уровня предложения инноваций транспортного комплекса страны с целью обоснования достижимого уровня реальных инвестиций в транспортные инновации на долгосрочный период. Это может быть осуществлено на базе использования динамической имитационной модели массового обслуживания потребителей инновационных транспортных услуг.

…

В качестве третьего элемента системы рекомендуется стратегическое планирование конъюнктуры рынка инновационных транспортных услуг с целью выявления перспективного уровня сбалансированности инновационной и инвестиционной деятельности транспортного комплекса страны, а также тенденций его инновационной активности на основе применения динамической аналитической модели соотношения уровней спроса и предложения инноваций транспортного комплекса страны.

Научная новизна данных методических рекомендаций заключается в системно-комплексном подходе к стратегическому планированию инновационных процессов в транспортном комплексе России.

Практическая значимость данного исследования состоит в том, что результаты стратегического планирования на основе применения метода «дерева целей» и экономико-математических моделей позволяют осуществлять синтез системного планирования конъюнктуры рынка транспортных инноваций с обоснованием перспективного уровня сбалансированности инновационной и инвестиционной деятельности транспортного комплекса страны. Это позволяет достигнуть низких сроков окупаемости реальных инвестиций в транспортные инновации России с наименьшими затратами.

Концептуальные положения данного исследования апробированы автором на Четырнадцатом всероссийском симпозиуме «Стратегическое планирование и развитие предприятий» в ЦЭМИ РАН (апрель 2022 г.).

Особенности работы информационной системы ВУЗа при проведении приемной кАмпании

Поколодина Е.В.

(НОУ «ИНЭП»)

Features the functioning of information systems in the HIGH SCHOOL during the admission campaign.Pokolodina E.V.

Describes the problems of implementation of the Federal information system at the HIGH SCHOOL during the admission campaign. Described module «Entrant»to optimize the input of data into the information system.

В настоящее время приемные мероприятия в ВУЗах должны сопровождаться введением данных в Федеральную государственную информационную систему. Правила формирования и ведения ФИС ЕГЭ и приема утверждены постановлением Правительства Российской Федерации от 27.01.2022 № 36.

Каждое образовательное учреждение ВПО и СПО обязано предоставлять в ФИС ЕГЭ и приема следующие сведения:

· о правилах приема, об организации образовательного процесса, а также иные сведения, объявляемые образовательными учреждениями в соответствии с порядком приема;

· об установленных контрольных цифрах приема, а также об объемах и о структуре приема граждан на обучение за счет федерального бюджета, квотах по целевому приему, количестве мест для обучения на основе платных договоров;

· о заявлениях о приеме, представленных в данные образовательные учреждения, а также о заявлениях, возвращенных образовательным учреждением;

· о результатах вступительных испытаний, предоставленных льготах и зачислении лиц, успешно прошедших вступительные испытания;

· сведения о лицах, отказавшихся от зачисления (фамилии, имена, отчества, реквизиты документов, удостоверяющих их личность).

Несмотря на тщательную проработку всех аспектов приемной кампании в ИС, встречается ряд трудностей, практически неизбежных на начальных этапах внедрения такого рода систем. Перечислим некоторые из них:

— не всегда удается привести данные в соответствие стандартам ФИС;

— ряд документов, в том числе, официально выданные и впоследствии оказывавшиеся подлинными, не распознаются ФИС (в таких случаях предусмотрена процедура сканирования отправки электронных копий документов );

— на момент приемной кампании лета 2022 при разработке Федеральной информационной системы были учтены не все нормативные акты в сфере образования;

— при обращении в консультационный центр не удавалось решить некоторые возникшие вопросы, поскольку сотрудники центра были не всегда компетентны в вопросах конкретных законодательств в сфере образования

— работа с ФИС потребовала установки отдельного сервера для сотрудников каждой из приемных комиссий в 3-х зданиях ИНЭП и филиале.

Учитывая вышеизложенное, для оптимизации работы с ФИС и минимизации временных и трудозатрат сотрудников ИНЭП и приемных комиссий, был разработан модуль «Абитуриент» в рамках существующей информационной системы ИНЭП.. Модуль позволяет частично автоматизировать каждый из пяти этапов прияния документов, а именно: заполнение анкеты абитуриента; создание списка человек/место; регистрацию изменений; составление списка абитуриентов по группам; составление списка претендентов без экзаменов. .

По каждому из претендентов заносится подробная информация. Например, атрибуты таблицы «Студент» кроме стандартных персональных данных содержат данные о потоке приема, виде конкурса, статусе абитуриента на данный момент. Таблица «Паспорт» содержит 14 стандартных атрибутов. Следует отметить, что процесс занесения данных достаточно длительный и трудоемкий, вероятность ошибок при большом количестве анкет возрастает. При этом работа с каждой анкетой может вестись только на специальных серверах. Модуль «Абитуриент» позволяет предварительно подготовить данные на любой из рабочих станций в сети ВУЗа и привести их в соответствие стандартам ФИС.

Для реализации программы «Абитуриент» была выбрана интегрированная среда разработки «Microsoft Visual Studio» и система управления реляционными базами данных Microsoft SQL Server .

Практическая значимость заключается в том, что результаты разработки модуля позволяют оптимизировать занесение данных в Федеральную информационную систему при наличии только одного сервера в каждом здании. Внедрение модуля «Абитуриент» позволяет завершить приемную кампанию в установленные нормативными документами сроки, а также и высвобождает 2-3 методистов без снижения в эффективности работы ВУЗа в целом. Внедрение программы также подразумевает существенную экономию средств, поскольку стоимость типовых готовых решений в данной сфере обходится от 100 000 до миллиона рублей.

ИССЛЕДОВАНИЕ МЕТОДОВ ПОЛУЧЕНИЯ ИСХОДНЫХ КАРТОГРАФИЧЕСКИХ МАТЕРИАЛОВ, СООТВЕТСТВУЮЩИХ ТРЕБОВАНИЯМ ИКАО, И ВОПРОСОВ ОПТИМИЗАЦИИ БОРТОВОЙ БАЗЫ ДАННЫХ СИСТЕМЫ СИНТЕЗИРОВАННОГО ВИДЕНИЯ ЛЕТАТЕЛЬНЫХ АППАРАТОВ

Джанджгава Г.И., Сазонова Т.В., Шелагурова М.С.,

(ОАО «Раменское приборостроительное конструкторское бюро»)

Research of reception methods of the initial maps and sharts, corresponding to requirements of IKAO, and questions of an onboard database optimisation in synthetic vision systems of flying machines. Dzhandzhgava G.I., Sazonova T.V., Shelagurova M.S

Research of reception methods of the initial maps and sharts, corresponding to requirements of IKAO, and questions of an onboard database optimisation in synthetic vision systems of flying machines allows to deduce 3D images on MFI screens with demanded realness and detailed elaboration, thus frequency of shots will reach an order of 25 Hz that is sufficient for normal perception of images from screen MFI a human eye.

Анализ существующих методов построения реалистичных трехмерных изображений показал, что на борту воздушного средства необходимо иметь такие базы данных (БД), как БД матриц высот местности (МВМ), БД стандартных текстур местности и объектов, БД реалистичных изображений местности и объектов, БД трехмерных объектов. В соответствии с ИКАО существуют требования по точности представления этих данных. Например, для района аэродрома точность в вертикальной плоскости должна быть 3м, в горизонтальной – 5 м. В ходе исследований были дан анализ существующим методам получения данных с такими точностями. Например, для района аэродрома наиболее подходит метод аэрофотосъемки и воздушного лазерного сканирования, который позволяет получать все необходимые БД от одного источника. Использование исходных БД на борту летательного аппарата невозможно в силу неоптимальной структуры получаемых данных, что ведет к снижению частоты выводимых кадров на экран. Поэтому на этапе подготовки необходимо все исходные БД преобразовывать в бортовую структуру с помощью специальных конвертеров. Для формирования бортовых баз данных матриц высот местности, объектового состава и снимков необходимо выбрать проекцию, в которой будет готовиться картографическая информация. В ходе исследований были проведен анализ существующих картографических проекций, и в качестве проекции, удовлетворяющей реализации поставленной задачи, была выбрана локальная проекция. Кроме этого, в ходе работы была сформирована библиотека условных знаков объектового состава для вывода трехмерных объектов, если геометрия этих объектов не была представлена в исходных данных. Все это позволит выводить изображения 3D индикации на экранах МФИ с требуемой реалистичностью и детализацией, при этом частота кадров будет достигать порядка 25 Гц, что является достаточным для нормального восприятия изображений с экрана МФИ человеческим глазом.

The article focuses on the development of the automatic design of mechanical drives antenna systems. Methods for the synthesis allows automated mechanical systems and selecting the most efficient performance of the drive, with reference to developed antenna system.

Существующая проблема. При проектировании новых антенных систем большую роль в выборе варианта исполнения приводных устройств играют личные предпочтения лица принимающего решения (ЛПР). Данное обстоятельство часто приводит к тому, что часто выбирается вариант не являющийся наиболее оптимальным в рамках решаемой задачи.

Кроме эвристической составляющей присутствует проблема ограниченности по срокам разработки конструкторской документации. Даже на предварительные расчеты нескольких возможных вариантов требуют значительных временных затрат.

В качестве решения приведенных проблем предлагается создание методики автоматизированного расчета и последующего выбора наиболее рационального варианта исполнения механического привода.

Что предлагается. Сущность метода представляет собой выполнение последовательных операций, позволяющих уменьшить участие ЛПР в ходе работы, а так же значительно сократить трудоемкость предварительных расчетов.

· Поиск вариантов исполнения привода удовлетворяющих техническому заданию (ТЗ).

· Расчет каждого из полученных вариантов исполнения. Формирование области допустимых решений внутри каждого типа исполнения привода.

…

· Применение неметрических критериев для поиска оптимальных альтернатив для каждого типа привода.

· Возможности улучшения полученных альтернатив.

· Поиск оптимальных вариантов с учетом улучшенных.

· Формирование общей области допустимых решений, полученной из оптимальных альтернатив каждого типа привода.

· Поиск альтернатив наиболее полно удовлетворяющих поставленному ТЗ.

· В случае получения нескольких лучших вариантов, окончательных выбор осуществляется ЛПР.

ДИАГНОСТИКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ЭЛЕМЕНТОВ РОБАСТНЫХ СИСТЕМ

В. П. Шевчук

(Национальный исследовательский университет «МЭИ», Волжский, Россия)

Diagnostics software elements of robust systems, Shevchuk V.P.

Discusses the mathematical, software and metrological provision for diagnostics of measuring channels multifunctional control systems.

Особенно актуальными для современных систем автоматического управления являются проверка работоспособности алгоритмов робастной системы и адекватности математических моделей метрологических характеристик. Эти задачи могут выполняться только методами имитационного моделирования на специальных стендах для диагностики программного обеспечения виртуальных приборов, создаваемых специально для этих целей. Например, стенд для диагностики программного обеспечения многофункциональных систем контроля и управления [1]. Информационно-измерительные каналы этого стенда (см. рисунок 1) реализуют чистую передачу истинного значения измерительной информации, поэтому метрологические характеристики технических средств автоматизации (например, полевого прибора [2]) полностью определяются элементами стенда, моделью объекта управления, режимами цифровой обработки информации и физическими свойствами самого тестируемого прибора. При моделировании измерительной системы, статическая характеристика датчика измерительной информации принимается линейной с коэффициентом передачи равным единица, то есть Y(t) =X(t). Динамические свойства датчика измерительной информации принимаются в виде апериодического звена первого порядка , где K_p – коэффициент передачи, T_p – время.

Рис. 1 Стенд для диагностики полевых приборов [1]

Стенд содержит программный блок генерации сигналов 1 и связанный с ним эталонный программно-аппаратный блок обработки измерительной информации 2. Блок 1 состоит из блока имитации стационарной и нестационарной измерительной информации 3, блока интерфейса пользователя 4, блока регистрации измерительной информации 5, который соединен с блоком приема-передачи измерительной информации 6. Блок 2 содержит блок приема-передачи измерительной информации 7, связанный с блоком вычисления эталонного значения параметра, получаемого косвенными измерениями 8, блоком вывода сигналов 9 и блоком ввода сигналов 10. Блок 9 имеет шестнадцать каналов вывода аналоговых сигналов 11 и шестнадцать каналов вывода дискретных сигналов 12. Блок 12 имеет шестнадцать каналов ввода аналоговых сигналов 13 и шестнадцать каналов ввода дискретных сигналов 14. К вводам и выводам стенда подключается диагностируемое устройство систем контроля и управления 15. Стенд функционирует следующим образом, блок обработки измерительной информации 2 реализован на базе промышленного контроллера DeCont и содержит блок приема-передачи измерительной информации 7, связанный с блоком вычисления эталонного значения 8, блоком вывода сигналов (ЦАП) 9 и блоком ввода сигналов (АЦП) 10. К вводам и выводам стенда 11, подключается исследуемая измерительная система 15. В блоке имитации сигналов генерируется измерительная информация с заданными статистическими характеристиками (математическое ожидание, дисперсия, скорость изменения), передаваемая в блок эталонных вычислений, а также в исследуемую систему. Результаты измерений с выхода исследуемой измерительной системы 15 и блока эталонных вычислений 8 передаются в блок интерфейса пользователя для отображения, а также записываются в архив блоком регистрации измерительной информации для последующего анализа. Для решения задач диагностики программного обеспечения робастных систем создано специальное программное обеспечение стенда – это пакет прикладных программ ППП «СДПСУ, функциональная схема информационных потоков в котором, изображена на рисунке 2.

ППП «СДПСУ» функционирует следующим образом. Истинные значения измеряемой величины, X(t), и помехи, N(t), моделируются в блоке 1 по алгоритмам, которые подробно описаны в работе [3]. Сигнал с аддитивной помехой: X(t) N(t), преобразуется в аналоговый с помощью блока 5 и возвращается в ЭВМ общего назначения, посредством блока 6. Прошедший двойную дискретизацию сигнал, Z(t), после предварительной обработки в блоках 4 и 3, поступает на визуализацию в блок 2.

Рис. 2. Схема информационных потоков стенда [1]

Таким образом, стендом [1] фактически проводится имитация работы виртуального прибора с оценкой основных метрологических характеристик программно-аппаратного измерительного канала.

Используемая литература:

1. Шевчук В.П., Болдырев И.А., Шамигулов П.В. Стенд для диагностики программного обеспечения и измерительных каналов многофункциональных систем контроля и управления //Патент на полезную модель № 94333. Зарегистрировано в Государственном реестре полезных моделей 20.05.2022. — Бюл. № 14.

2. Шевчук В.П., Болдырев И.А. Изменяемый полевой прибор //Патент на полезную модель № 84965. Зарегистрировано в Государственном реестре полезных моделей 20.07.09 г. — Бюл. № 20.

3. Шевчук В.П. Моделирование метрологических характеристик интеллектуальных измерительных приборов и систем. -М.: ФИЗМАТЛИТ, 2022. — 320 с. – ISBN 978-5-9221-1314-4.

The research results are based on real data and contain new approaches to economic management.

Описание проблемы. В инновационной экономике, характеризующейся наличием множества факторов неопределённости, формирование стратегии развития инновационных предприятий представляется настолько сложной и трудоемкой задачей, что её решение зачастую есть результат не математических расчетов и моделирования, а возникает как неожиданная интуитивная догадка управленца.

Исследования показали, что в реальной практике управления всегда существуют такие ситуации неопределенности, для которых процесс формирования управленческих решений только на основе интуиции с технологической точки зрения формально можно рассматривать как некоторый интеллектуальный процесс генерации новых знаний, в котором самые современные и совершенные математические методы оказываются бессильными.

Решение проблемы. Поскольку в реальной жизни все больше и больше приходится иметь дело с разного рода неопределенностями, то в этой связи целесообразно поставить вопрос о создании специального типа системы управления инновационным развитием инновационных предприятий в условиях неопределенностей (или чаще всего — неустранимых неопределенностей), использующей для этого технологии, основанные на моделировании процессов генерации новых знаний, т.е. когнитивные технологии.

…

В инновационной экономике объективно всегда существует множество факторов неопределенностей, влияющих на формирование управленческих решений на основе знаний, обладающих в силу наличия этих неопределенностей недостаточной истинностью и достоверностью. Данные факторы возникают непосредственно в недрах инновационных процессов. К ним можно отнести:

· высокий уровень конкуренции;

· неоднозначность индикаторов качества инновационного развития;

· несовершенство системы классификации знаний;

· несовершенство системы оценки стоимости нематериальных активов;

· неорганизованность процесса капитализации знаний;

· неопределённость, обусловленная подготовкой кадров;

· наличие эволюционной избыточности новых знаний и другие.

Разработанная когнитивная технология основана на использовании следующего ряда фундаментальных принципов и методов:

1. Принцип соответствия, предложенный еще в начале 20 века Н.Бором применительно к логике генерации новых знаний в области атомной физики, и который утверждает, что «любая новая теория должна содержать старую в качестве частного случая». По существу принцип соответствия отражает главную сущность процесса генерации нового знания системой мышления человека.

2. Теорема Гёделя о неполноте, которая также лежит в основе процесса генерации новых знаний и гласит, что «логическая полнота (или неполнота) любой системы аксиом не может быть доказана в рамках этой системы».

3. Индуктивного и дедуктивного методов познания и моделей функционирования правого и левого полушарий мозга, как материальных носителей этих методов. Очевидно, что индуктивный метод анализа и дедуктивный метод синтеза в общем случае асимметричны. Эта асимметрия позволят одновременно решать две противоположные задачи – обрабатывать накопленные знания и генерировать новые.

4. Вариационный принцип максимума энтропии истинности генерируемых новых знаний, который эквивалентен условию максимальной экспансии инновационной системы, т.е. её количественному росту. Эта сторона вопроса с позиций увеличения истинности новых знаний и увеличения их присутствия на рынке является определяющей, так как именно экспансия истинности знаний об окружающем нас мире и распространение этой истинности вглубь понимания сути вещей есть главная функции системы мышления и только на этой основе возможно развитие инновационной экономики.

В результате когнитивная технология была создана как система индуктивно-дедуктивной генерации новых знаний, структура истинности которых определяется критерием максимума её энтропии при стандартном ограничении на используемые ресурсы.

На основе проведенного моделирования удалось ответить на вопрос: что будет, если вместо уменьшения неопределенности мы будем стремиться, наоборот, к её увеличению. Есть ли предел для такого увеличения? Оказалось, что есть. Пределом или границей нашего минимального понимания служит минимальная структура истинности наших знаний об изучаемом предмете. За этой границей понимания лежит то, что обычно называется хаосом. Назовем эту границу и ближайшую к ней область истинности зоной отклика сильной неопределенности.

В результате исследований установлено, что в условиях сильной неопределенности когнитивная модель формирует управленческое решение с минимальной структурой истинности, количественно выражаемой через пропорции Фибоначчи. Это же самое происходит и в реальном управлении экономикой, когда некоторые топ-менеджеры в силу недостаточного владения ситуацией (т.е. в условиях сильной неопределенности) при выборе параметров принимаемых управленческих решений подсознательно стремятся к пропорциям Фибоначчи.

У пропорций Фибоначчи имеются несколько замечательных свойств, которые в совокупности образуют универсальный системообразующий инструментарий, а именно:

· свойства фрактала, т.е. самоподобия, как способа создания иерархических структур любой сложности;

· свойство максимальной простоты возникновения, как элементарной суммы частей в целом;

· наличие примитивной памяти;

· устойчивость к внешним возмущениям.

Можно предположить, что данные свойства как бы компенсируют отрицательное влияние факторов неопределенности.

В качестве примера можно привести известные данные исследования рынка FOREX, в частности, волны Эллиотта, обнаруженные в 30-х годах прошлого века, которые представляют собой классический образец рыночного поведения, когда в условиях сильной конкурентной неопределенности все участники рынка дружно, но независимо друг от друга, принимают стратегию динамики котировок в соответствии с пропорциями Фибоначчи.

В процессе исследований рассматривались различные экономические структуры и их составляющие на предмет наличия в них пропорций Фибоначчи:

· деятельность коммерческого банка;

· структура экономики ряда государств;

· схемы расчета заработной платы;

· распределение цен на рынке в условиях совершенной конкуренции (по Й. Шумпетеру);

· выбор ассортимента и другие.

Впервые пропорции Фибоначчи обнаружены, исследованы и показаны условия их возникновения в системе оптовых и розничных продаж и финансово-экономических показателях экономических объектов – предприятий, отраслей, транснациональных корпораций.

В приведенных экономических системах пропорции Фибоначчи в финансово-экономических показателях появляются всегда, когда их деятельность происходит в условиях сильной неопределённости.

Выводы. Таким образом, на основе проведенных исследований и полученного фактического материала подтверждена возможность формировании гармоничной инновационной стратегии предприятий в условиях сильной неопределенности на основе когнитивной технологии с использованием пропорций Фибоначчи и предложена принципиально новая система управления процессом развития инновационной экономики, применение которой позволит инновационным предприятиям более успешно работать в условиях неустранимых неопределенностей.

Публикации. Представленные соображения изложены в материалах программы разработанного учебного курса «Когнитивная технология управления инновационной экономикой», а также опубликованы в монографиях:

1. Иванус А.И. Гармоничный инновационный менеджмент. Предисл. А. П. Стахова. -М.: Книжный дом «ЛИБРОКОМ», 2022. -248 с.

Иванус А.И. Гармоничное управление инновационной экономикой в условиях

ОГЛАВЛЕНИЕ

[1] Позднее эта программа была интегрирована в качестве составляющей в государственную программу «Развитие электронной и радиоэлектронной промышленности на 2022 — 2025 г.г.».