Iii региональная научно-практическая студенческая конференция

Список литературы

1. 
   Vlastimil Havran. Heuristic Ray Shooting Algorithms, Ph.D. Thesis. November 2000.
   
2. 
   Carsten Benthin. Realtime Ray Tracing on current CPU Architectures. PhD theses. Computer Graphics Group. Saarland University. Saarbrьcken, Germany. Jan, 2006.
   
3. 
   Ingo Wald. Realtime Ray Tracing and Interactive Global Illumination. PhD thesis, Computer Graphics Group, Saarland University, 2004. Available at http://www.mpi-sb.mpg.de/_wald/PhD/.
   

АВТОМАТИЗИРОВАННОЕ РАБОЧЕЕ МЕСТО

Рис.1 Схема информационных потоков.

Таким образом, бригадир выполняет следующий перечень работ: ведение учета погрузочно-разгрузочных работ; поступление, отправление контейнеров; постановление нарядов на выполненную работу; расчеты в них, согласно перечню стоимости работ и услуг.

Проанализировав полученную информацию, было решено для повышения эффективности деятельности бригадира создать БД. Была разработана структурная схема БД – Рис.2,

Рис.2 Структурная схема БД.

которая состоит из следующих таблиц:

-наряд;

-раздаточная ведомость;

-сотрудники;

-механизмы;

-перечень стоимости работ и услуг;

-клиенты;

-продавец;

-путевой лист;

-счет-фактура.

Для удобства пользователя было разработано 11 форм:

-Клиенты;

-Механизмы;

-Перечень стоимости работ и услуг;

-Продавец;

-Сотрудники;

-Наряд;

-Путевой лист;

-Раздаточная ведомость;

-Счёт-фактура;

-Учётная карточка.

База данных содержит 10 отчетов:

-Клиенты;

-Механизмы;

-Перечень стоимости работ и услуг;

-Сотрудники;

-Наряд;

-Отправление контейнеров;

-Раздаточная ведомость;

-Счёт-фактура;

-Учётная карточка.

Для выборки информации о проделанной работе по погрузке и выгрузке составлено 5 запросов:

-Погрузка, выгрузка контейнеров;

-Перегрузка грузов и контейнеров;

-Сортировка грузов и контейнеров;

-Загрузка грузов и контейнеров в автомобили и выгрузка из них;

-Внутрискладские работы.

Разработанное АРМ позволит заменить существующую систему ручной работы. Что обеспечит возможность видеть реальную картину наличия и занятости машин, механизмов, водителей. Позволит повысить надёжность и эффективность работы бригадира в целом.

РАЗРАБОТКА ОНТОЛОГИИ ПРЕДМЕТНОЙ ОБЛАСТИ

Профессиональная подготовка инженеров в условиях становления и развития инновационной экономики должна базироваться не на промышленных, а на учебно-исследовательских САПР (УИ САПР), которые как информационно-обучающие системы позволяют: осуществлять интерактивное (диалоговое) взаимодействие пользователя и ЭВМ; максимально использовать графически-иллюстративные и вычислительные возможности компьютера; воспроизводить сложные производственные процессы на моделях, достигая приемлемую адекватность описания объектов и процессов; проводить вычислительные эксперименты; формировать и сравнивать альтернативы при выборе решений; обеспечивать комплексность и системность подхода к обучению и проектированию.

В настоящее время в Камышинском технологическом институте на кафедре информатики проводятся работы по созданию интеллектуальной УИ САПР трикотажа основовязаных переплетений, интеллектуальным ядром которой должна стать онтология. Разработка онтологии осуществляется в программной среде Protégé и базируется на следующих классификационных признаках: виды переплетений основовязаного трикотажа, необходимые условия их получения [1], рисунчатые эффекты, оборудование для производства.

Первый шаг в создании онтологии – определение границ описываемой предметной области путем формулирования примерных вопросов для проверки компетентности. В нашей онтологии они звучат следующим образом:

• 
  список оборудования определенной фирмы;
  
• 
  список оборудования, которое производит тот или иной вид переплетения;
  
• 
  список видов переплетений определенной структуры;
  
• 
  список видов переплетений, базирующихся на одном из главных переплетений;
  
• 
  список оборудования, которое производит трикотаж определенного назначения и т.д.
  

На практике разработка онтологии включает: определение классов в онтологии; расположение классов в таксономическую иерархию (подкласс – надкласс), определение слотов и описание допускаемых значений этих слотов, заполнение значений слотов экземпляров.

Одним из основных понятий при разработке онтологии является таксономия (иерархия) классов, которая представляет собой дерево описываемых терминов, имеющих иерархическую структуру (рис.1).

Рис. 1. Иерархия классов онтологии трикотажа основовязаных переплетений и слоты, характеризующие главные переплетения

Применительно к основовязаным переплетениям онтология содержит 4 класса: «Элементы структуры трикотажа», «Рисунчатые эффекты», «Виды переплетений», «Оборудование».

Каждый класс имеет несколько подклассов. Например, класс «Элементы структуры» содержит: подклассы «Петли», «Наброски», «Протяжки», а класс «Рисунчатые эффекты» - «Цветные», «Рельефные», «Ажурные», «Оттеночные», «Ворсовые». Подклассами класса «Виды переплетений» является многообразие основовязаных переплетений, объединенных в 6 групп, в зависимости от технологии их получения. Класс «Оборудование» так же имеет ряд подклассов, таких как «Рашель-машины», «Машины с прокладыванием уточной нити» и др.

Понятия в онтологии описываются слотами. Например, класс «Виды переплетений» характеризуется наименованием переплетения, наличием открытых и закрытых петель, размерами раппортов по ширине (Rb) и высоте (Rh), длиной нити в петле, количеством систем нитей, линейной и поверхностной плотностями, коэффициентом соотношения плотностей, количеством гребенок в оборудовании для выработки того или иного вида переплетения, количеством пробранных ушковин, распускаемостью, растяжимостью, разрывной нагрузкой (рис.1). Класс «Оборудование» имеет такие характеристики как наименование, название фирмы-производителя, количество гребенок, характеристика вырабатываемого трикотажа, наличие дополнительного устройства для реализации рисунчатых возможностей, применение. На некоторые слоты имеет смысл назначить ограничения. Мощность слота определяет, сколько значений может иметь слот. Например, слот «Виды петель» имеет только два значения: «Открытые» или «Закрытые». Тип значения слота описывает, какие типы значений можно ввести в него: строка, число, булевы величины, слоты-экземпляры. Слот «Наличие рисунчатого пресса» может иметь значение: «True» или «False» и характеризуется типом Boolean.

Для создания отдельных экземпляров классов требуется: 1) выбрать класс; 2) создать отдельный экземпляр данного класса; 3) ввести значения слотов.

После заполнения онтологии экземплярами для каждого класса можно перейти к заключительному этапу - формированию простых или объединенных по нескольким критериям запросов, которые можно создавать одним из трех следующих способов. Во-первых, можно указать класс, выбрать один из слотов, прикрепленных к классу, а потом указать критерий, основанный на типе слота. После запуска запроса будут найдены все экземпляры, которые удовлетворяют заданному критерию. Во-вторых, можно создать запрос, основанный исключительно на слоте, не выбирая класс. После запуска запроса будут найдены все экземпляры, которые удовлетворяют заданному критерию. В-третьих, можно создать запрос, основанный исключительно на классе, не выбирая слот или критерий. После запуска запроса будут найдены все экземпляры выбранного класса и все экземпляры его подклассов.

Рис. 2. Результаты запросов к онтологии «Трикотаж основовязаных переплетений»

1. Кочеткова О.В. Научные основы систем автоматизированного проектирования трикотажа. Монография. В 2-х т. – Т.1. Проектирование трикотажных полотен. - СПб.: Изд-во СПГУТД, 2000.

СИСТЕМА РАСПОЗНАВАНИЯ ЛИЦА И ДВИЖЕНИЯ ЧЕЛОВЕКА
Май Нгок Тханг (ВолгГТУ, гр. САПР-5.1)

Научные руководители - Шабалина О.А., Кизим А.В.

Волгоградский государственный технический университет

Тел. 89199855245, Email mnthang464@mail.ru
Целью данной работы является построение системы распознавания лица и движения человека по реальному времени. Система дает возможность применения надежных и удобных услуг в повседневной жизни. Система может автоматически выявить лиц, приближающихся к камерам и управлять умным домом по действию хозяина. Система использует современные технологии обнаружения, нормализации и опознавания лиц и действий хозяина.

Система распознавания лица и движения владельца состоит из двух больших этапов: опознавания лица и опознавания движения владельца (см. рис. 1).

Рис. 1 - Система опознавания лиц и движения человека в умном доме

Новый подход последовательно использует датчики с инкрементными интеграциями и способностью обнаружения [1] (см. рис. 2). Детекторы расположены таким образом, чтобы каждый детектор постепенно ограничивал лицо кандидатов в мелких областях. В числе детекторов используются детектор на основе цвета кожи, детектор опознавания структуры лица и детектор проверки на основе нейронной сети. Стоимость вычисления повышается с повышением областей, не связанных с лицевыми изображениями, которые входят в детектор проверки на основе нейронной сети.

Рис. 2 - Система обнаружения лиц каскадными детекторами

Разные шкалы лица, позиции и позы кандидата в значительной степени влияют на алгоритм опознавания лиц, поэтому нам нужны точные извлечения характеристик лиц для достижения цели.

Разделим технологию векторизации в нашей системе на два шага. Во-первых, используются края шаблона для быстрого определения позиции лица. Во-вторых, деформируется форма модели (см. рис. 3) для ввода изображении на две процедуры:

1. 
   Согласование по местному атрибуту;
   
2. 
   Регулирование глобальной формы.
   

Рассмотрев соответствия между вводным лицом и стандартными лицами, мы можем быстро определить шесть аффинных параметров по методам наименьших квадратов. На основе этих параметров аффинная деформация выполняется для получения нормализованного лица.

1) 2) 3) 4)

Рис. 3: 1) Обнаружение лица. (2) Функция оценки позиции. (3)
Определение формы лица. (4) Нормализация лица для опознавания.

Г. Опознавание лица

Нормализованное лицо кандидата поставляется в классификатор лиц, где оно сравнивается с базой данных лиц, и выбирается подходящее лицо методом ближайшего соседа.

Лицевой классификатор базируется на двух этапах дискриминантного анализа [4]. На первом шаге используется традиционный линейный дискриминантный анализ для глобальной дискриминации. На втором шаге выполняется отбор лиц методом дискриминации один-против-всех.

Система опознавания движения владельца дома

Система предназначена для опознавания движения владельца и выдачи команды управления домом в зависимости от этих движений. Система опознавания движения владельца состоит из 3 этапов: нормализации изображения владельца, обнаружения движения владельца, опознавания движения владельца (см. рис 4)

Рис. 4 - Система опознавания движения владельца

После распознавания лица владельца преобразуется изображение владельца к стандартной рамке. Размер рамки зависит от положения и размера лица владельца в поле зрения фотокамеры (см. рис 5).

На этом шаге получим изображение с красными пикселами на месте, где текущее изображение отличается от предыдущего. Посчитаем пикселы, если количество пикселов больше чем предопределенное, сигнализируем о движении.

Рис. 5 - Нормализация изображения владельца

Выделим красную область. В зависимости от положения красной области и направления движения тела и руки сравним движения хозяина с базой данных и выберем движения владельца методом ближайшего соседа (см. рис 6).

Рис. 6 - Опознавание движения

Разработанные методы и алгоритмы в системе позволяют интегрировать в более крупные системы в ближайшем будущем. Систему распознавания лица и движения будут использовать в различных приложениях. Они включают в себя:

- Автоматическую идентификацию по лицу для контроля доступа и безопасности в умном доме;

- Систему наблюдения и обследования в умном доме;

- Приложения умного дома, такие, как персонализация телевизионных программ и баз данных, управление всеми системами умного дома.

Список литературы

1. 
   H.Rowley, S.Balujua and T.Kanade, Neural network-based face detection, IEEE Trans. PAMI. 20(1), pp. 23–28, 1998.
   
2. 
   F.Zuo and P.H.N.de With, Fast facial feature extraction using a deformable shape model with Haar-wavelet based local texture attributes, to be published in Proc. ICIP, 2004.
   
3. 
   T.Cootes, An introduction to active shape models, in Image Processing and Analysis, pp. 223–248, 2000.
   
4. 
   F.Zuo and P.H.N.de With, Two-stage face recognition incorporating individual-class discriminant criteria, Proc. WIC 2004, pp. 137–144, 2004.
   

Но по прогрессу бурного развития новых технологий, в том числе как технология компьютера, технология сети Иньернет и др. с возникновением средств, у которых имеют высокую скорость работы. И вследствие этого, иметь сопровождение возникновения сильных атак злоумышленников. В настоящее время инфраструктура открытых ключей построена с помощью методов шифрования данных, в том числе симметричные алгоритмы и асимметричные алгоритмы шифрования данных. И инфраструктура открытых ключей работают со многим количеством недостатков, например ограниченное количество сертификатов, недостаточная высокая безопасность, особенный недостаток – это инфраструктуры открытых ключей работают только под управлением человеком, без умной работы, без возможности самостоятельного принятия решений. Кроме этого, потребность использования электронной подписи непрерывно повышается по течению времени, электронная подпись используется для выполнения процессов оплаты налога через сеть, покупки в сети и в будущем еще многие услуги требуются электронная подпись, цифровые сертификаты. Может быть, цифровой сертификат играет роль персонального паспорта, цифровой сертификат играет еще роль кредитовых карт и др. Но такие цели могут, совершенно выполнены тогда и только тогда, когда инфраструктуры открытых ключей работают с высокой безопасностью, с высокой скоростью и интеллектуально работают. Такие инфраструктуры открытых ключей могут, построены только при наличии технологии интеллектуальных агентов. Поэтому применение интеллектуальных агентов для построения инфраструктур открытых ключей является актуальной проблемой современной и будущей компьютерной технологии.

Целью работы является повышение эффективности работы инфраструктуры открытых ключей за счет повышения надежности, интеллектуальности, скорости работы и безопасности путем использования многоагентной системы.

Многоагентная система – это система, образованная несколькими взаимодействующими интеллектуальными агентами. Многоагентные системы могут быть использованы для решения таких проблем, которые сложно или невозможно решить с помощью одного агента или монолитной системы [3].

В настоящее время, некоторые компании построены инфраструктуры открытых ключей (инфраструктура открытых ключей - основа для построения удостоверяющих центров), но хотя у них имеют много значений, но у них еще имеют значительное количество недостатков. Мы можем разделить на некоторых следующих группах недостатков:

• 
  отсутствие возможности борьбы с атаками в Интернет, такой как атака «отказ от обслуживания» (DOS), атака «распределенный отказ от обслуживания» (DDOS). Известные инфраструктуры открытых ключей, такие как «Microsoft Certification Services», «КриптоПро» и другие инфраструктуры открытых ключей не имеют сильной возможности борьбы с атакам DOS и DDOS;
  
• 
  проблема совместимости между средствами электронных цифровых подписей различных производителей. Хотя сегодня уже имеют стандарты для построения цифровых сертификатов, такие как X.500, X.509, но пока еще нет стандарта по алгоритмам шифрования, цифровой подписи и др. этот дает трудность для совместимости между инфраструктурами открытых ключей разных стран (организации);
  
• 
  нет поддержки процесса использования цифровых сертификатов для конкретных целей. Большинство всех инфраструктур открытых ключей только выполняют работу по создания и управлению цифровыми сертификатами, а не поддерживают возможности использования цифровых сертификатов для выполнения конкретной работы владельца сертификата, такие как процесс оплаты налога, перевод денег и др. Для выполнения своей работы, необходимо использовать другие программы;
  
• 
  у компонентов удостоверяющих центров нет возможности автоматизации, планирования, прогнозирования и др.;
  
• 
  и другие недостатки.
  

Архитектура многоагентной системы для построения инфраструктуры открытых ключей показана на рисунке 1.

Рис. 1 – Многоагентная система удостоверяющих центров

И так, по своим особенностям интеллектуальные агенты будут широко применены в области науки, техники и других, с их помощью мы можем построить систему инфраструктуры открытых ключей с повышением надежности, интеллектуальности, скорости работы и безопасности.
Список литературы

1. 
   Обучение регламентации деятельности удостоверяющих центров [Электронный ресурс]. – [2008] . – Режим доступа: http://www.sec4all.net/infosec-news52.html
   
2. 
   Карпов А.Г. «Удостоверяющий центр» принял участие в 5-й Всероссийской конференции “Информационная безопасность России в условиях глобального информационного общества” [Электронный ресурс]. – [2003] . – Режим доступа: http://www.udc.spb.ru
   
3. 
   Многоагентная система [Электронный ресурс]. – [2009] . – Режим доступа: http://ru.wikipedia.org/wiki/Многоагентная_система
   

ПРИМЕНЕНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ

Существует виды агентов, в том числе как обычный агент и разумный агент (интеллектуальный). Интеллектуальный агент обладает следующими свойствами:

• 
  автономность – способность ИА функционировать без вмешательства человека и при этом осуществлять самоконтроль над своими действиями и внутренним состоянием;
  
• 
  общественное поведение – способность функционировать в сообществе с другими агентами, обмениваясь с ними сообщениями с помощью некоторого общепонятного языка коммуникаций;
  
• 
  реактивность – способность воспринимать состояние среды и своевременно отвечать (реагировать) на те изменения, которые в ней происходят;
  
• 
  про-активность – способность агента брать на себя инициативу, т.е. способность генерировать цели и действовать рационально для их достижения, а не только реагировать на внешние события [1].
  

Рис. 1 – Иллюстрация деятельности агента

Построим интеллектуальный агент, у которого можно «жить», «думать» и выполнять другие умственные деятельности как человек. Как описали выше, интеллектуальный агент выполняет действие для достижения своей цели, он имеет намерение, желание и другие свойства как человек. Общая деятельность интеллектуального агента описана на Рис. , с помощью сенсора (сенсор – это средство получения сигнала внешней среды, например для робота камера играется роль как сенсор) получает сигнал (данные) внешней среды, этот сигнал попадает в «памяти» агента, он «думает» и реализует соответствующее действие. Каждый раз выполнения этой операции, агент запоминает входные (сигнал) и выходные (действие) в памяти, чтобы следующий раз выполняет действие быстрее и лучшее, а также для цели обучения и прогнозирования.

С помощью выше указанных свойств, интеллектуальные агенты могут широко применить в области защиты информации, такие как: построение инфраструктуры открытых ключей, построение системы фильтрации электронной почты, построение многоагентной системы для обнаружения вторжений атак «Отказ в обслуживании», «Распределенная атака отказа в обслуживании», многоагентная система применены для построения распределенной сети и др.

1. 
   Свойства агентов и терминология [Электронный ресурс]. – [2009] . – Режим доступа: http://agentsystem.ru/16
   

Волгоградский государственный технический университет

Тел. (8442) 34-00-87; факс 34-41-21; E-mail: dvam@vstu.ru
Бизнес-процессы – один из важнейших элементов в системе управления компанией. Согласно определению М. Хаммера и Д.Чемпи [1] реинжиниринг бизнес-процессов (BPR - Business process reengineering) определяется, как «фундаментальное переосмысление и радикальное перепроектирование бизнес-процессов (БП) для достижения коренных улучшений в основных показателях деятельности предприятия».

Описание бизнес-процессов — это схематическое детальное описание деятельности организации. Правильное построение всех процессов компании, или основных из них, является необходимым элементом не только для того, чтобы повышать эффективность документооборота, но и для того, чтобы оставаться на прежнем уровне развития. Поэтому правильно построенные процессы являются залогом развития и становления компании.

Важнейшими принципами реинжиниринга бизнес-процессов являются представленные на рис.1.

Актуальность работы состоит в том, что для интенсивно развивающихся автоматизированных интеллектуальных систем требуется эффективное управление потоками работ и бизнес-процессами на различных предприятиях с целью постоянного совершенствования своей деятельности.

Целью работы является повышение эффективности бизнес-процессов и эффективности процесса реинжиниринга на предприятиях различной отрасли: сокращение сроков, повышение темпов, качества.

На основании цели были поставлены следующие задачи:

• 
  исследовать методы и алгоритмы решения задач описания и оптимизации БП;
  
• 
  провести анализ разработанной концепцией автоматизированной системы поддержки реинжиниринга;
  
• 
  спроектировать модель представления БП в рамках решаемой задачи;
  
• 
  описать методы поддержки реинжиниринга в выбранной платформе для построения системы.
  

Рис.1. Важнейшие принципы реинжиниринга

Также был проведён сравнительный функциональный анализ средств оптимизации бизнес-процессов, который является одним и наиболее совершенным средством для повышения эффективности предприятия, снижения затрат, оптимизации времени, повышения эффективности обслуживания, модернизации технологии.

Для систем управления проектами рекомендуется использовать метод для анализа построенных систем – метод управления на одной странице (УПОС).

Для того чтобы определить вектор разработки автоматизированной системы для поддержки реинжиниринга был проведён морфологический анализ.

Проводя полноценный анализ средства реинжиниринга, было получено определенное решение для поставленной задачи с учётом различных факторов, а также минимизации исполнения возможных готовых решений.

Разработанный новый процесс учитывает не только текущие возможные варианты развития проекта, но также и информацию с предыдущих проектов. Т.е. готовые решения подобных проектов, которые выбираются по определённым критериям схожести. Также в системе необходимо вести учёт возможных рисков ещё до начала реализации проекта. На такой анализ необходимо предоставить описание наиболее вероятных рисков и реакций на эти риски, и также можно оценить вероятность рисков и степень их влияния на проект. Данная система учитывает также ряд недостатков типичного процесса – интеграция и реинжиниринг в системах управления проектами, расчёт в данной системе таких показателей как общее время проекта, учёт материальных ресурсов и трудоёмкость выделенных процессов.

Выбрана модель на основе создания бизнес-процессов при детальном описании. Создано новое типовое решение задачи, учитывающее различные факторы разрабатываемой модели. Разработана методология реинжиниринга на основе выбранной математической модели. Определены формат и средства описания бизнес-процессов. Поставлены критерии оценки программного обеспечения.