Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
Подписываем
ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
ТЕХНОЛОГИЙ И УПРАВЛЕНИЯ
___________________________________________________________
Кафедра «Промышленная автоматика»
Рабочая учебная программа
по дисциплине
НАДЕЖНОСТЬ, ЭРГОНОМИКА И КАЧЕСТВО АСОИУ
Специальность 230102 «Автоматизированные системы обработки информации и управления».
Москва 2010 г.
УДК 664.6
Обсуждена и одобрена на заседании кафедры «Промышленная автоматика» Московского государственного университета технологий и управления (протокол № 11 от 9 января 2010 г.)
Одобрена и рекомендована к утверждению на заседании ученого совета института/факультета «Системная автоматизация и инноватика» Московского государственного университета технологий и управления (протокол № ___ от «___» __________ 2010 г.).
Составитель:
Шаховской Андрей Владимирович – доцент каф. «Промышленная автоматика» ГОУ ВПО МГУТУ, к.т.н.
Рецензенты:
Судник Юрий Александрович – зав. каф. «Информационно-управляющие системы» ФГОУ ВПО МГАУ им. В.П. Горячкина, д.т.н., профессор.
Попов Александр Алексеевич – профессор каф. «Информационные технологии», к.т.н.
Шаховской Андрей Владимирович
Надежность, эргономика и качество АСОИУ: рабочая учебная программа. – М.: МГУТУ, 2010. -___с.
Рабочая учебная программа учебной дисциплины «Надежность эргономика и качество АСОИУ» цикла ___ составлена в соответствии с Государственным образовательным стандартом высшего профессионального образования по специальности: 230102 – «Автоматизированные системы обработки информации и управления».
© Московский государственный университет технологий и управления, 2010.
109004, Москва, Земляной вал, 73.
© Шаховской Андрей Владимирович
СОДЕРЖАНИЕ
1.Организационно-методический раздел
1.1. Цели и задачи изучения дисциплины 4
1.2. Содержание дисциплины 4
1.3. Объем часов по видам учебной нагрузки 5
1.4. Тематические планы изучения дисциплины 5
2. Учебно-методическое обеспечение дисциплины
2.1. Задания для самостоятельной работы студентов 11
2.2. Основная литература 21
2.3. Дополнительная литература 22
1. Организационно-методический раздел
1.1. Цели и задачи изучения дисциплины
Целью преподавания дисциплины «Надежность, эргономика и качество АСОИУ», является освоение методов определения надежности систем управления.
Задачи изучения дисциплины. Студент должен:
ИМЕТЬ ПРЕДСТАВЛЕНИЕ: об основных показателях надежности систем управления.
ЗНАТЬ: основные положения и зависимости надежности.
УМЕТЬ: рассчитывать показатели надежности систем управления.
ПРИОБРЕСТИ НАВЫКИ: самостоятельной разработки систем управления с требуемыми показателями надежности.
1.2. Содержание дисциплины
Тема 1. Основные положения и зависимости надежности
Понятие надежности. Показатели надежности. Случайные величины и их характеристики. Общие зависимости. Надежность в период нормальной эксплуатации. Надежность в период постепенных отказов. Совместное действие внезапных и постепенных отказов. Особенности надежности восстанавливаемых изделий.
Тема 2. Зависимости между случайными величинами
Определение закона распределения функции по законам распределения аргументов в применении к задачам надежности. Применение корреляционного анализа к зависимостям надежности. Регрессионный анализ. Метод наименьших квадратов. Метод статистического моделирования. Построение ряда случайных чисел с помощью ЭВМ. Случайные функции.
Тема 3. Надежность систем управления
Общие зависимости. Расчет по критерию прочности. Применение статистических методов подобия к определению усталостных характеристик деталей исполнительных механизмов. Оценка надежности при механическом изнашивании. Оценка надежности по критерию теплостойкости.
Тема 5. Расчеты надежности регулирующих органов систем управления
Надежность соединений с натягом. Надежность сварных соединений, Надежность резьбовых соединений. Надежность зубчатых передач. Надежность многопоточных передач. Надежность валов. Надежность подшипников качения. Надежность подшипников скольжения. Надежность роликовых обгонных муфт. Надежность предохранительной муфты с разрушающимися элементами. Надежность предохранительной фрикционной муфты. Надежность пружинно-шариковой предохранительной муфты.
Тема 6. Испытания на надежность
Специфика оценки надежности регулирующих органов по результатам испытаний. Определительные испытания. Форсирование режима испытаний. Сокращение числа образцов. Расчетно-экспериментальный метод оценки надежности регулирующих органов по отдельным критериям работоспособности. Научное планирование эксперимента. Техническая диагностика на основе применения формулы Байеса.
Тема 7. Надежность регулирующих органов отдельных групп
Общие направления повышения надежности регулирующих органов. Электромагнитные клапаны. Вентили и заслонки. Промышленные работы.
1.3. Объем часов по видам учебной нагрузки
|
Форма обучения |
Всего |
в т.ч. аудиторных часов |
в т.ч. самостоятельная работа |
Контрольная работа |
Экзамен |
||
|
Всего |
Лекции |
Лабор. занятия |
|||||
|
Очная полная |
134 |
90 |
36 |
54 |
44 |
- |
1 экзамен |
|
Очная сокращенная |
88 |
44 |
26 |
18 |
44 |
- |
1 экзамен |
|
Заочная полная |
106 |
18 |
6 |
12 |
88 |
- |
1 экзамен |
|
Заочная сокращенная |
100 |
12 |
4 |
8 |
88 |
- |
1 экзамен |
1.4. Тематические планы изучения дисциплины
Тематический план дисциплины
(очная полная форма обучения)
|
№ |
Название темы |
Всего часов |
Аудиторные часы |
Самостоятельная работа |
|
|
Лекции |
Лабораторные занятия |
||||
|
1 |
2 |
3 |
4 |
5 |
6 |
|
1 |
Основные положения и зависимости надежности. |
16 |
4 |
7 |
5 |
|
2 |
Зависимости между случайными величинами. |
16 |
4 |
7 |
5 |
|
1 |
2 |
3 |
4 |
5 |
6 |
|
3 |
Надежность систем. |
14 |
4 |
5 |
5 |
|
4 |
Надежность по основным критериям. |
14 |
4 |
5 |
5 |
|
5 |
Расчеты надежности регулирующих органов систем управления. |
13 |
4 |
5 |
4 |
|
6 |
Испытания на надежность. |
13 |
4 |
5 |
4 |
|
7 |
Надежность регулирующих органов отдельных групп. |
13 |
3 |
5 |
4 |
|
8 |
Применение регрессионного анализа для определения зависимости между характеристиками надежности. |
13 |
3 |
5 |
4 |
|
9 |
Показатели безотказности и их применение для оценки надежности систем управления. |
13 |
3 |
5 |
4 |
|
10 |
Применение метода статистического моделирования для решения задач надежности. |
14 |
3 |
5 |
4 |
|
Итого |
134 |
36 |
54 |
44 |
Тематический план дисциплины
(очная сокращенная форма обучения)
|
№ |
Название темы |
Всего часов |
Аудиторные часы |
Самостоятельная работа |
|
|
Лекции |
Лабораторные занятия |
||||
|
1 |
2 |
3 |
4 |
5 |
6 |
|
1 |
Основные положения и зависимости надежности. |
10 |
3 |
2 |
5 |
|
2 |
Зависимости между случайными величинами. |
10 |
3 |
2 |
5 |
|
3 |
Надежность систем. |
10 |
3 |
2 |
5 |
|
4 |
Надежность по основным критериям. |
10 |
3 |
2 |
5 |
|
5 |
Расчеты надежности регулирующих органов систем управления. |
9 |
3 |
2 |
4 |
|
6 |
Испытания на надежность. |
9 |
3 |
2 |
4 |
|
7 |
Надежность регулирующих органов отдельных групп. |
8 |
2 |
2 |
4 |
|
8 |
Применение регрессионного анализа для определения зависимости между характеристиками надежности. |
8 |
2 |
2 |
4 |
|
1 |
2 |
3 |
4 |
5 |
6 |
|
9 |
Показатели безотказности и их применение для оценки надежности систем управления. |
7 |
2 |
1 |
4 |
|
10 |
Применение метода статистического моделирования для решения задач надежности. |
7 |
2 |
1 |
4 |
|
Итого |
88 |
26 |
18 |
44 |
Тематический план дисциплины
(заочная полная форма обучения)
|
№ |
Название темы |
Всего часов |
Аудиторные часы |
Самостоятельная работа |
|
|
Лекции |
Лабораторные занятия |
||||
|
1 |
2 |
3 |
4 |
5 |
6 |
|
1 |
Основные положения и зависимости надежности. |
13 |
1 |
2 |
9 |
|
2 |
Зависимости между случайными величинами. |
14 |
1 |
2 |
9 |
|
3 |
Надежность систем. |
9 |
1 |
1 |
9 |
|
4 |
Надежность по основным критериям. |
9 |
1 |
1 |
9 |
|
5 |
Расчеты надежности регулирующих органов систем управления. |
9 |
1 |
1 |
9 |
|
6 |
Испытания на надежность. |
9 |
1 |
1 |
9 |
|
1 |
2 |
3 |
4 |
5 |
6 |
|
7 |
Надежность регулирующих органов отдельных групп. |
9 |
- |
1 |
9 |
|
8 |
Применение регрессионного анализа для определения зависимости между характеристиками надежности. |
9 |
- |
1 |
9 |
|
9 |
Показатели безотказности и их применение для оценки надежности систем управления. |
8 |
- |
1 |
8 |
|
10 |
Применение метода статистического моделирования для решения задач надежности. |
9 |
- |
1 |
8 |
|
Итого |
106 |
6 |
12 |
88 |
Тематический план дисциплины
(заочная сокращенная форма обучения)
|
№ |
Название темы |
Всего часов |
Аудиторные часы |
Самостоятельная работа |
|
|
Лекции |
Лабораторные занятия |
||||
|
1 |
2 |
3 |
4 |
5 |
6 |
|
1 |
Основные положения и зависимости надежности. |
10 |
1 |
- |
9 |
|
2 |
Зависимости между случайными величинами. |
10 |
1 |
- |
9 |
|
3 |
Надежность систем. |
11 |
1 |
1 |
9 |
|
1 |
2 |
3 |
4 |
5 |
6 |
|
4 |
Надежность по основным критериям. |
11 |
1 |
1 |
9 |
|
5 |
Расчеты надежности регулирующих органов систем управления. |
10 |
- |
1 |
9 |
|
6 |
Испытания на надежность. |
10 |
- |
1 |
9 |
|
7 |
Надежность регулирующих органов отдельных групп. |
10 |
- |
1 |
9 |
|
8 |
Применение регрессионного анализа для определения зависимости между характеристиками надежности. |
10 |
- |
1 |
9 |
|
9 |
Показатели безотказности и их применение для оценки надежности систем управления. |
9 |
- |
1 |
8 |
|
10 |
Применение метода статистического моделирования для решения задач надежности. |
9 |
- |
1 |
8 |
|
Итого |
100 |
4 |
8 |
88 |
2. Учебно-методическое обеспечение дисциплины
2.1. Задания для самостоятельной работы студентов
Самостоятельное занятиие №1
Анализ надежности систем управления методами статистического
моделирования
Известно, что среди распространенных на практике статистических методах обработки экспериментальных данных (классические методы интерполяции и экстраполяции исключаем, как крайне редко употребляемые самостоятельно) трудно выделить метод, позволяющий с достаточной достоверностью заглядывать в прошлое или будущее, то есть предсказывать результаты вне области определения рассматриваемого процесса или за границами имеющихся экспериментальных данных.
Между тем вопросы дефиниции неопределенности являются характерными для решения огромного числа технологических, экономических, финансовых, информатизационных и других задач пищевой промышленности. Это связано, в частности, с разбросом характеристик пищевого сырья, действующими помехами, отсутствием полной информации о влиянии сопутствующих факторов, многомерностью целевых критериев управления и т.д.
В большинстве таких случаев употребим метод наименьших квадратов в наиболее простой, а потому лучше других отражающей его суть, формулировке. Не останавливаясь на истоках происхождения метода и его обобщениях,, кратко сформулируем суть.
Пусть предполагается, что зависимость признака Y от признака X имеет вид , где х – значения признака Х , y – значения признака Y, - подлежащие определению параметры, и что, в результате эксперимента, были получены следующие эмпирические данные:
|
Значение признака X |
X1 |
X2 |
… |
Xi |
… |
Xn-1 |
Xn |
|
Значение признака Y |
Y1 |
Y2 |
… |
Yi |
… |
Yn-1 |
Yn |
Метод наименьших квадратов основан на принципиальном энергетическом утверждении, что оптимальные с точки зрения погрешности аппроксимации значения параметров дают минимум функции
.
Если имеют непрерывные частные производные по всем своим параметрам, то необходимое условие минимума функции S представляет систему m уравнений с m неизвестными:
…,
В случае, если = - прямая линия и в случае = (парабола), системы этих m уравнений с m неизвестными примут, соответственно, вид:
и .
Аналогичным образом можно получить разрешающие системы уравнений и в случае любого другого вида функции, например, в случае логарифмической зависимости, которая является наиболее распространенной в задачах расчета финансовых потоков, процентных ставок, химических реакций, радиоактивного распада, термодинамики и т.д. Аналогичный подход применим и для зависимости не двух, а большего числа признаков.
В качестве примера возможностей метода, рассмотрим задачу о предсказании урожайности зерновых в нашей стране в 2000 году по данным за период с 1929 по 1933 годы, то есть по данным пяти лет, отстоящим от искомого значения на 67 лет. Аппроксимация ведется по линейной зависимости. При обсуждении постановки задачи авторы отдавали себе отчет в недостаточной репрезентативности выборки, понимая, тем не менее, что исторические особенности развития СССР и России в плане внедрения в сельское хозяйство наукоемких технологий и научной организации труда, то есть некомпетентность руководства страной и местных органов власти в этой отрасли, не позволяют сильно измениться углу наклона аппроксимирующей прямой, то есть коэффициенту , а поэтому полученный результат будет мало отличаться от реального (в 2000 году средняя урожайность зерновых составляла около 20 центнеров с гектара). Этим и соображениями простоты проверки читателем правильности расчетов брались именно пять экспериментальных точек (n=5). Номера лет X и урожайность зерновых Y в ц/га представляются следующей таблицей:
|
X, год |
1929 |
1930 |
1931 |
1932 |
1933 |
|
Y, урожайность |
7,5 |
8,5 |
8,7 |
7,0 |
8,8 |
Для облегчения вычислений, годы перенумеровывались цифрами 1,2,3,4,5, а искомый 2000 год, соответственно, цифрой 67.
Результаты расчетов сведены в следующую таблицу:
|
год xi |
yi |
xi2 |
xiyi |
|
|
7,5 8,5 8,7 7,0 8,8 |
1 4 9 16 25 |
7,5 17,0 26,1 28,0 44,0 |
|
|
|
15 |
40,5 |
55 |
122,6 |
Задача нахождения и сводится к решению системы двух линейных алгебраических уравнений
. Решая эти уравнения, любым из известных методов, находим и . Таким образом, искомая аппроксимирующая прямая y= имеет вид y= .
Подставляя вместо цифру, соответствующую 2000 году, то есть 67, получаем урожайность 15,1 ц/га, что, учитывая малую выборку, хорошо коррелируется с реальностью. Следует отметить, что при одинаковой в начале века с нашей страной в 2000 году урожайность зерновых в США составила около 40 ц/га, что объясняется, видимо, не только природными условиями.
При обсуждении данной статьи профессор Курочкин В.М. сообщил авторам, что в 1963 году в период «битвы за урожай» в нашей стране, он, будучи студентом, решил эту же задачу, но по данным с 1913 по 1960 гг. Прогноз на 2000 год с пятипроцентной погрешностью соответствовал истинному. Он также обратил наше внимание на взаимосвязь исторических событий (продразверстка, продналог, 15 и т.д.-тысячники, расстрел съезда, Великая отечественная война, освоение целины и т.д.) с урожайностью зерновых.
Устойчивость результатов применения метода наименьших квадратов относительно даже таких крупных событий лишь подчеркивает эффективность этого метода при дефиниции неопределенности.
Контрольные вопросы:
1. Сколько различают различных классов датчиков?
2. Чем определяется рабочий диапазон датчика?
3. Как определяется время прохождения зоны нечувствительности датчика?
4. Как определяется разрешение датчика?
5. Как называется характеристика датчика, используемая для определения его линейности?
Самостоятельное занятие № 2
Показатели безотказной работы систем управления
В современном мире при возрастающем темпе развития научно-технического прогресса и высокой скорости внедрения его достижений, как в производство, так и в жизнь увеличивается роль оперативного управления и принятия решений в короткие сроки. Своевременное принятие верных решений является залогом успеха в любой сфере производства и бизнеса. Как правило, вся ответственность за правильность этих решений возлагается на одного человека или на группу лиц, называемых чаще сокращенно ЛПР. Так как количество субъектов и объектов управления может быть огромным, возникает проблема выбора взвешенного оптимального для данных условий решения поставленной задачи. В связи с этим вполне актуальной является разработка математической модели ЛПР на основе нечеткой логики (fussy logic).
В психологии, педагогике, менеджменте неоднократно проводились попытки создания математических моделей поведения человека. Но в этих моделях использовалась преимущественно четкая логика, которая применительно к данной задаче обладает одним существенным недостатком. В четкой логике переменная может принимать только два значения – «0» или «1», «да» или «нет». Это значительно снижает достоверность моделей ЛПР, ведь человек не ограничивается только крайними значениями какого-либо понятия. Нечеткая логика не имеет подобного недостатка - переменная может принимать множество значений в промежутке от 0 до 1. Благодаря этому значительно возрастает достоверность математических моделей на основе применения нечетких уравнений. Разработка подобных моделей позволит в дальнейшем прийти к созданию экспертных систем, помогающих ЛПР решать большой круг задач в достаточно короткие сроки.
Оценки параметров экспертных систем в условиях высокой степени неопределенности условий их функционирования должны вычисляться с использованием не одной математической модели, а согласованного семейства моделей, адаптивно конструирующихся одна из другой и, таким образом, непрерывно совершенствующихся на основе оптимального выбора исходных данных.
При синтезе оптимальных математических моделей исходными должны явиться следующие два положения:
- выбор математически продуктивного критерия оптимальности в соответствии со структурой принятия решения и технологией обработки исходной информации на объекте;
- четкая математическая формулировка задачи, учитывающая все априорные сведения и позволяющая решить ее в соответствии с принятым критерием.
Итогом решения задачи синтеза оптимальной модели и её конечной целью должны быть четыре содержательных результата:
- структура (путь) принятия решения;
- количественная оценка качества ее функционирования;
- оценка практической чувствительности разработанных моделей к отклонениям от априорных данных;
- физическая реализуемость синтезируемых моделей в современных системах обмена данными.
Под эффективностью математической модели будем понимать эффективность ее использования в качестве активного средства в процессе принятия оптимального решения поставленной задачи и обработки исходных данных. При этом оценка эффективности модели заключается в выработке оценочного суждения относительно пригодности заданного способа действий ЛПР или экспертных систем к решению задач. Введение показателя эффективности требует также определения критерия эффективности, как правила, позволяющего сопоставлять стратегии, характеризующемся различной степенью достижения цели, и осуществлять выбор стратегий из множества допустимых. Теоретические основы построения оптимальных моделей поведения ЛПР исключительно сложны и, несмотря на интенсивность исследований в этой предметной области, еще далеки от совершенства. Кроме того, отсутствие достаточно общей теории, формирующей методологические основания изучения явлений с неопределенными факторами, делает неприменимыми байесовские методы классической теории статистических решений для синтеза оптимальных математических моделей.
Под методологией оптимизации экспертных систем будем понимать разработку теории, связывающей их структуру, логическую организацию, методы и средства деятельности с целью формирования функции выбора и выделения подмножества наилучших стратегий.
Оптимальным будет считаться решение, которое в предполагаемых условиях наилучшим образом удовлетворит условиям рассматриваемой задачи. Оптимальность решения достигается за счет наиболее рационального распределения ресурсов, затрачиваемых на решение проблемы.
В процессе создания оптимальной модели неизбежно возникает задача коррекции требований к конечному результату. Трудность ее решения заключается в том, что возникают неопределенности не стохастического характера, определяемые:
- недостаточной изученностью некоторых явлений, сопровождавших процесс принятия оптимального решения;
- нечетким представлением цели операции, приводящей к неоднозначной трактовке соответствия реального результата операции требуемому.
Трудность исследования вопросов обеспечения достижения оптимального решения усугубляется большой неопределенностью условий функционирования каждого конкретного объекта или субъекта управления. Поэтому постановка задачи, как правило, оказывается некорректной, поскольку зачастую формулируется в условиях непредсказуемости поведения системы в нестандартных и, особенно, экстремальных ситуациях. Влияние неопределенности особенно сильно проявляется в трансформируемых, нестабильных, слабо организованных системах из-за неполноты, несвоевременности и низкой достоверности информации. В связи с этим задачи обеспечения оптимальных управленческих решений, как правило, не обладают свойством единственности решения, эффективность и оптимальность которого определяются степенью учета ограничений, характерных для конкретной ситуации. Для повышения степени корректности постановки задач необходимо повышать знания о системе принятия решений в непрерывно изменяющихся условиях ее функционирования. Получение и использование знаний должны осуществляться непосредственно в процессе функционирования системы путем постепенного накопления необходимой информации, анализа и использования ее для эффективного выполнения системой заданной целевой функции в изменяющихся условиях внутренней и внешней среды.
Известные математические модели, используемые для описания структуры, поведения и управления ЛПР, в условиях некорректной постановки задач не дают желаемого результата. В качестве примера рассмотрим применение нечеткой логики для выбора оптимального решения при равной важности требований.
Пусть имеется множество из m вариантов решений, из которых необходимо выбрать одно, в наибольшей степени удовлетворяющее предъявляемым требованиям.
А = {a1, a2, ..., am}
Для некоторого требования С (критерия оценки) может быть рассмотрено нечеткое множество
где m с(аі) Î [0,1] - оценка варианта аі по критерию С, которая характеризует степень соответствия решения требованию определенному критерием С. Если имеется n требований: С1, С2, ..., Сn, то лучшим считается вариант, удовлетворяющий и требованию С1, и С2, ..., и Сn. Тогда правило для выбора наилучшего варианта может быть записано в виде пересечения соответствующих множеств:
Операции пересечения нечеткого множества соответствует операция min, выполняемая над их функциями принадлежности:
В качестве лучшего выбирается вариант а*, имеющий наибольшее значение функции принадлежности
Пусть имеется 3 возможных варианта решений. Решения оцениваются по 4 требованиям (критериям): С1 - база, С2 - структура, С3 - меры, С4 - средства. В результате экспертной оценки получили следующие данные, характеризующие степень соответствия решений заданным требованиям:
С1 = {0,9/a1; 0,7/a2; 0,8/a3};
C2 = {0,8/a1; 0,9/a2; 0,6/a3};
C3 = {0,7/a1; 0,8/a2; 0,9/a3};
C4 = {0,8/a1; 0,6/a2; 0,7/a3}.
В соответствии с правилом выбора получаем:
D = { min (0,9; 0,8; 0,7; 0,8/a1);min (0,7; 0,9; 0,8; 0,6/a2);min (0,8; 0,6; 0,9; 0,7/a3)} = {0,7/a1; 0,6/a2; 0,6/a3}.
Следовательно, наилучшим является первый вариант решения: а1 = {0,9; 0,8; 0,7; 0,8}.
Такой подход оказывается не только простым и наглядным, но и достаточно эффективным в тех случаях, когда при математическом обосновании выбора, осуществляемого ЛПР, приходиться учитывать не 3-4, а гораздо большее количество требований к принимаемым решениям.
Контрольные вопросы:
1. Дайте определение импеданса электрического прибора.
2. Для чего предназначены датчики в системах реального времени?
3. Чем отличаются статические и динамические характеристики датчиков?
4. Почему любому датчику необходимо некоторое время на отработку нового входного сигнала?
5. В чем заключается главное достоинство электрических датчиков?
Самостоятельное занятие № 3
Исследование надежности систем управления методами
регрессионного анализа
В1984 г. японской ассоциацией JAICI, немецкой информационной службой Fachinformationszentrum и американской службой Chemical Abstracts Service , была создана автоматизированная система STN ( Scientific Technical Network).
В настоящее время STN содержит более 200 БД. Для доступа к ним был разработан командный язык MESSENGER. Существуют две версии командного языка : NOVICE – для новичков, и EXPERT –для экспертов. При работе с NOVICE пользователь может использовать меню возможных ответов. При работе с EXPERT меню не используется – действует соглашение о ответах по умолчанию. Более полную информацию можно получить, вызвав команду «HELP» или «?».
Выбирая версии командного языка, следует учитывать то, что если пользователь при введении команды использовал более трех букв, – выбирается EXPERT, менее трех – NOVICE. Таким образом, можно менять версии по ходу работы.
Структурно система STN International состоит из пяти основных групп: библиографические БД, полнотекстовые БД, справочные БД, числовые БД и БД по структурам химических соединений.
- библиографические базы данных содержат библиографические описания публикаций и рефераты документов и предназначены для быстрого их поиска. Среди них крупнейшая международная патентная база данных INPADOC.
- полнотекстовые базы данных содержат полные тексты документов, которые пользователи могут просматривать в режиме on- line. Просматриваемый текс можно отправить на свой электронный адрес.
- справочные базы данных в системе STN могут включать:
- числовые базы данных содержат свойства различных веществ – искусственных и натуральных.
- базы данных по химическим структурам и реакциям веществ дают возможность провести поиск химических соединений, продуктов реакции, их структуры.
Команды, общие при работе с STN :
===> - символ готовности системы на уровне команд;
: - символ готовности на уровне подкоманд;
END - выход с уровня подкоманд на уровень команд;
ALT Х + «у» - прерывание выполнения команды;
BREAK - прерывание выполнения команды;
CTR/ H или BACKSPACE - исправление ошибок символов;
$ - отмена введенной строки;
CTR/S - остановка выдачи;
CTR/Q - возобновление выдачи.
Формат использования всех команд:
===> КОМАНДА ДАННЫЕ
------------------------------------------------------------------------------------->
1 2 3 4 5
1- символ готовности к введению команды,
2 – название команды,
3 – пробел,
4 – уточняющие данные (запросы, поля, документы – названия, номера и д.р.)
5 – возврат – команда компьютеру начать выполнение инструкций пользователя.
Для уточнения возможностей информационной системы можно обратиться к подсказке:
===>? MESSAGER – вызывает меню пояснений;
===>? COMMANDS – вызывает список команд
===> NEWS <имя базы > - дает новости об указанной базе данных
После входа в STN пользователь попадает в базу HOME, где может воспользоваться подсказкой HELP и узнать новости системы NEWS. Каждая база данных имеет собственное имя. Например: CABA – база данных, содержащая документы по тематике: сельское хозяйство и смежные отрасли.
Основные команды языка MESSENGER:
Команда FILE используется для подключения к нужной БД. Файл в STN состоит из индексов: Basic Index, Author name, Organization name, Document Type, Language, Abstract. ===> FILE CABA. Содержание индекса (единицы информации) можно вывести с помощью команды EXPEND.
Команда SEARCH (или S) используется для поиска запроса в БД. Каждому запросу присваивается L* - номер, на который можно ссылаться при работе с другими БД. ===> S FUEL. L1 9798 FUEL (L1 – номер запроса, 9798 – число ссылок в БД на ключевое слово).
Логические и контекстные операторы используют для связи термов между собой в процессе поиска
|
Оператор |
Использование |
Пример |
|
AND |
Ответы содержат каждый из поисковых термов |
===> S coffee and donut# |
|
OR |
Ответы содержат, по крайней мере, один из поисковых термов |
===> S rain or precipitation |
|
(W) |
Ответы содержат поисковые термы, примыкающие друг к другу как указано |
===> S FIBER (W) OPTIC |
|
(nW), n=1,2,3… |
Между термами заключено n слов в указанном порядке |
===> S Genetics (2W) science |
|
(A) |
Ответы содержат поисковые термы, связанные друг с другом в любом порядке |
===> S Food (A) sea |
|
(nA), n=1,2,3… |
Между термами заключено n слов в любом порядке |
===> S AIR (3A) POLLUTION |
В полях с числовой информацией используются операторы сравнения: = равно; < меньше чем; > больше чем; =< или <= меньше или равно; >= или => больше или равно. Действия выполняются слева направо.
Символы усечения : ? – в конце терма какое-то число знаков (0-…); # - в конце терма 0 или 1 знак; ! – точно один знак внутри терма или в его конце. Например: seat? – seat, seats, seating…; seat# # # - seat,.. seating; am!n! – amine, amino.
Спецификация полей: в STN применяются двухсимвольные имена полей. AU – автор, TI – заглавие, SO – источник, PY – год публикации документа и т.д. Список имен полей можно получить по команде ===>? < имя базы>. Для уточнения полей можно использовать команды HELP SFIELDS HELP DFIELDS. Пример использования команды SEARCH:
===> S TRIAZIN? - без указания поля
===> S WITE OIL?/TI - с указанием поля поиска заглавие
===> S L1 AND OIL?/AU - поиск со ссылкой на другой запрос и одновременно поиск в поле автор.
Команда EXPAND используется для просмотра части словаря БД близкой к заданному фрагменту слова. Всегда выдается 12 слов, искомое стоит на 3 месте (E1,..E3,..E12). Поиск по авторам, заглавию и т.д. в соответствующем индексе. Поиск по ключевому слову – в базовом индексе BI. На Е-номера можно ссылаться в команде SEACH: = = => S E3.
Команда DISPLAY используется во всех БД системы STN за исключением БД HOME, для просмотра:
Команда QUERY ===> QUERY < поисковое выражение>; может быть использована во всех БД, кроме HOME для определения поискового запроса без его выполнения.
Команда SAVE может быть использована во всех БД, кроме HOME для сохранения запросов и результатов проведенного поиска (200 тыс. документов)
Команда ACTIVATE используется для активации (присвоения порядкого номера L* в текущем сеансе) сохраненных с помощью команды SAVE запросов и результатов поиска ===> ACTIVATE NAME1/Q; ===> ACTIVATE NAME2/A
Команда LOGOFF используется для отключения от STN. Все результаты поиска, если их не сохранили, уничтожаются. Система всегда требует подтверждения команды ===> LOGOFF (LOG). Можно отключиться без подтверждения ===> LOG Y.
Программное обеспечение системы: STN Express и STN Personal File System (PFS).
Контрольные вопросы:
1. Дайте определение импеданса электрического прибора.
2. Для чего предназначены датчики в системах реального времени?
3. Чем отличаются статические и динамические характеристики датчиков?
4. Почему любому датчику необходимо некоторое время на отработку нового входного сигнала?
5. В чем заключается главное достоинство электрических датчиков?
2.2. Основная литература
9. Решетов Д.И., Иванов А.С., Фадеев В.З. Надежность машин. М.: Высшая школа, 2009.
10. Надежность и эффективность в технике. Справочник в десяти томах, под ред. А.И. Рембрезы. Том 1. Методология, организация, терминология. М.: Машиностроение, 2007.
2.3. Дополнительная литература
1. Греденко Б.В., Беляев Ю.К., Соловьев А.Д. Математические методы в теории надежности. М.: Машиностроение, 2008.