2. |
Рупіч С. С. Багатокласове розпізнавання технічного стану зварного резервуару з дефектами з використанням нейромережевого класифікатора / С. С. Рупіч, О. О. Лук'янченко // Вісн. Нац. техн. ун-ту України "КПІ". Сер. Приладобудування. - 2019. - Вип. 58. - С. 23-28. - Бібліогр.: 7 назв. - укp.Тенденції розвитку моніторингових систем частково або в повній мірі пов'язані з реалізацією принципів систем Structural Health Monitoring. Тому впровадження сучасних технологій є невід'ємною та необхідною частиною до реалізації підсистем діагностування та розпізнавання, що впроваджуються в складні комплексні моніторингові системи. Потреба в таких системах пов'язана зі складністю та неоднорідністю внутрішніх процесів об'єктів контролю. Зазвичай, це складні просторові об'єкти, забезпечення цілісності яких може нести стратегічний характер. Проведено дослідження поведінки реальної конструкції сталевого резервуару при появі та розвитку багатоосередкового пошкодження у місцях зварних швів. При розробці системи багатокласового розпізнавання технічного стану зварних резервуарів необхідно ретельно дослідити зміну напружено-деформованого стану елементів конструкції під впливом експлуатаційних навантажень та можливого порушення його цілісності. Такі дослідження необхідні для визначення параметрів напружено-деформованого стану до появи та розвитку тріщин у зварних швах. Багатоосередкове пошкодження представлено у вигляді трьох тріщин: одна вертикальна та дві горизонтальні. Наведено схему можливого розташування та розвитку тріщин, а також місця закріплення шести сенсорів. Розглянуто два випадки виникнення дефектів. Перше дослідження пов'язано з розпізнаванням багатоосередкового пошкодження для локалізації одиничного пошкодження, тобто у випадку виникнення однієї з можливих тріщин. Другий випадок пов'язаний з багатоосередковим пошкодженням, тобто при одночасному виникненні двох та трьох тріщин. Для проведеного аналізу ефективності багатокласового розпізнавання технічного стану об'єкта використано нейромережевий класифікатор, який побудований на основі ймовірнісної нейронної мережі. Отримані результати вказують на можливість та ефективність застосування такого класифікатора для розпізнавання тріщин у конструкції зварного резервуара. Індекс рубрикатора НБУВ: Ж820.5с108
Шифр НБУВ: Ж29126/прилад. Пошук видання у каталогах НБУВ
|
3. |
Цибульник С. О. Огляд автоматизованих систем супроводу навчального процесу / С. О. Цибульник, Г. Войкан, О. О. Ляховецький, С. С. Рупіч // Вісн. КПІ. Сер. Приладобудування. - 2021. - Вип. 61. - С. 69-76. - Бібліогр.: 15 назв. - укp.Дистанційна освіта в Україні за два останніх роки зазнала значного розвитку та надала змогу продовжити навчання за допомогою різних форм і способів мільйонам студентів та аспірантів, включаючи онлайн-навчання, стажування, змагання, наукові дослідження, захисти дипломів та дисертацій, звіти про виробничу практику, семінари та форуми в умовах карантину. На відміну від України за результатами опитування деяких закладів вищої освіти протягом епідемічного періоду ступінь незадоволення студентів дистанційним навчанням в мережі інтернет здебільшого високий. У реаліях нашої країни дистанційне навчання набагато більше подобається студентам, тому що немає необхідності знаходитися в аудиторії, а також не можна детально проконтролювати, ким саме виконано завдання. З іншого боку, навантаження на викладачів збільшилося через необхідність створювати та адмініструвати дистанційні курси, презентації, мультимедійні лабораторні роботи тощо. Ці фактори впливають на збільшення незадоволення процесом дистанційної освіти серед викладачів закладів вищої освіти. Загальна реакція студентів та викладачів на дистанційну освіту пов'язана з проблемами переходу та адаптації. По-перше, не можна ігнорувати думки щодо негативного впливу тривалого використання електронних продуктів. По-друге, існує проблема, яка пов'язана з відсутністю технічного забезпечення та особистого простору вдома у студентів. Будь-яка пандемія викликає високий рівень стресу населення, який пов'язаний з невизначеністю та втратою контролю над ситуацією. Пандемія COVID-19 погіршила вже існуючий психічний стан і студентів, і викладачів. Це викликано головним чином через закриття навчальних закладів, утрату режиму роботи та навчання, обмеженість соціальних зв'язків, велику завантаженість навчальним матеріалом. Для забезпечення достатнього рівня якості дистанційного навчання необхідно використовувати автоматизовані системи супроводу навчального процесу, які дають можливість об'єктивного оцінювання з боку викладачів та дотримання академічної доброчесності з боку студентів. Саме тому метою даної роботи є огляд існуючих популярних та найбільш широко використовуваних автоматизованих систем супроводу навчального процесу та порівняння їх функціоналу для проєктування нової системи, яка буде забезпечувати необхідну якість навчання. Проведений огляд дозволив визначити, що якісна автоматизована система супроводу навчального процесу в умовах дистанційного навчання має містити щонайменше такі частини: підготовку елементів курсу викладачами, анонімну оцінку курсу студентами, контроль відвідування, розпізнавання студентів, обмін ресурсами викладання, обмін професійними знаннями та навичками, проведення різних видів контрольних заходів та домашньої роботи, проведення зустрічей та семінарів, лабораторію на базі web-технологій, інтернет-бібліотеку тощо. Також система має бути кросплатформовою та підтримуватися на комп'ютері, телевізорі, мобільному телефоні, планшеті та інших розповсюджених гаджетах на базі існуючих на сьогоднішній день операційних систем. Індекс рубрикатора НБУВ: Ч311.290
Рубрики:
Шифр НБУВ: Ж29126:Прилад. Пошук видання у каталогах НБУВ
|