Молодой учёный
Молодой учёный Молодой учёный
144 Информатика «Молодой учёный» . № 3 (50) . Март, 2013 г. Рис. 1. Граф возможных состояний оборудования в процессе ее эксплуатации Рис. 2. Модель формирования показателей использования оборудования. 8,2 – продолжительность рабочей смены, ч; ДГОД – количество дней в году редоточиться на показателях, выходящих за эти границы. При этом согласно [4] источником прибыли оборудования является наработка. Процесс формирования наработки оборудования, как результата и источника эффективности деятельности ТОиР, определяется периодами времени пребывания оборудования в различных состояниях (рис. 1), варьирование сочетанием которых позволяет вывести показатели использования оборудования (рис. 2). Буква «t» в скобках указывает на зависимость показателей от срока службы оборудования. Согласно [5], наиболее важным этапом жизненного цикла оборудования является этап эксплуатации. Эксплуатационные свойства оборудования с точки зрения его функционирования и обслуживания характеризуют показатели использования оборудования (Рис. 2.). Система коэффициентов использования оборудования характеризует: – надежность оборудования через комплексные показатели надежности – коэффициенты готовности К Г и технического использования К ТИ;
“Young Scientist” . #3 (50) . March 2013 Computer Science – работу ремонтной службы коэффициентами: простоев в плановых ТОиР в рабочее время – К РНП, простоев в НР в рабочее время – К РНН, простоев в плановых и неплановых ТОиР в рабочее время – К РН; – работу коммерческой службы через коэффициент использования работоспособных машин К ИРР. Динамика технического состояния (ТС) оборудования, как функция срока службы, характеризуется изменением коэффициентов готовности и технического использования по мере старения машины. Эти коэффициенты характеризуют и качество работы системы ТОиР, задача которой минимизировать продолжительность периода пребы- Литература: 145 вания техники в неисправном состоянии [T РНН (t)+T РНП (t)] —>min. Последние три показателя характеризуют использование нерабочего времени машины для восстановления ее работоспособности, что весьма рационально. При этом показатели использования рабочего времени заметно улучшаются. Предлагаемая модель системы показателей надежности позволяет оценивать техническое состояние оборудования предприятия и, в конечном счете, эффективность работы ремонтной службы предприятия и эффективность управления техническим обслуживанием и ремонтом. 1. Проект внедрения EAMсистемы на «Волжском гидроэнергетическом каскаде». Группа компаний «Современные технологии». 2006. – Режим доступа: – [http://www.sovtech.ru/synergy/eam]. 2. Исследование и разработка методики автоматизации ремонтных работ предприятия / А.В. Кизим, Н.А. Линев // Изв. ВолгГТУ. Серия «Актуальные проблемы управления, вычислительной техники и информатики в технических системах»: межвуз. сб. науч. ст. / ВолгГТУ. – Волгоград, 2008. – Вып. 4, № 2. – C. 43–45. 3. Кизим, А.В. Обоснование необходимости автоматизации работ по ремонту и техническому обслуживанию оборудования / А.В. Кизим // Известия Волгоградского государственного технического университета: межвуз. сб. науч. ст. № 6 (54) / ВолгГТУ. – Волгоград: ИУНЛ ВолгГТУ, 2009. – (Сер. Актуальные проблемы управления, вычислительной техники и информатики в техн. системах. Вып. 6). – C. 118–121. 4. Репин, С.В. Концепция эффективности эксплуатации строительных машин // Строительные и дорожные машины. – 2007: № 2. – С. 27–31; № 4. – С. 21–25. 5. Кизим, А.В. Задачи и методы поддержки ТОиР оборудования на протяжении его жизненного цикла / А.В. Кизим // Известия ВолгГТУ. Серия «Актуальные проблемы управления, вычислительной техники и информатики в технических системах». Вып. 13: межвуз. сб. науч. ст. / ВолгГТУ. – Волгоград, 2012. – № 4 (91). – C. 55–59. Метод k средних при решении задачи распознавания диктора по речевому образцу Параметризация в задаче распознавания диктора по речевому образцу заключается в выделении наиболее информативных параметров речи и получение компактного описания речевого сигнала. Размерность пространства параметров измеряется десятками. Так, число кепстральных коэффициентов может варьироваться от 10 до 30. Обычно к ним добавляются первые и вторые разности по времени (дельтапараметры), так что размерность пространства признаков для каждого кадра находится в диапазоне от 30 до 90. В общем случае это число должно быть умножено на количество кадров в речевом высказывании, что приводит к размерностям в сотни параметров. Для аппроксимации параметров прибегают к кластерному анализу [1, с. 52]. Кластерный анализ – задача разбиение заданной выборки объектов на подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались. Панченко Евгения Юрьевна, студент Московский государственный технологический университет «Станкин» Существует множество методов кластеризации. Из методов вероятностного подхода наиболее используемыми являются метод k-means, k-medians, EM-алгоритм. Из методов на основе искусственного интеллекта часто применяют метод нейронных сетей Кохонена. [2, с. 8] Наиболее надежным способом идентификации диктора в текстонезависимых системах является векторное квантование [3, с. 124], основанное на кластеризации векторов признаков. Множество обучающих векторов преобразуется в множество кодовых слов (векторов), называемое кодовой книгой. Происходит сокращение избыточно большой исходной выборки обучающих параметров путем замены векторов в кластере на наиболее типичного представителя в каждом кластере. Обычно размер кодовой книги выбирается равным 256 или 512. Таким образом, метод векторного квантования применяется для конструирования аппроксимирующих акустических прототипов, используемых в качестве акустических моделей-эталонов.
- Page 100 and 101: 94 Технические наук
- Page 102 and 103: 96 Технические наук
- Page 104 and 105: 98 Технические наук
- Page 106 and 107: 100 Технические наук
- Page 108 and 109: 102 Технические наук
- Page 110 and 111: 104 Технические наук
- Page 112 and 113: 106 Технические наук
- Page 114 and 115: 108 Технические наук
- Page 116 and 117: 110 Технические наук
- Page 118 and 119: 112 Технические наук
- Page 120 and 121: 114 Технические наук
- Page 122 and 123: 116 Технические наук
- Page 124 and 125: 118 Технические наук
- Page 126 and 127: 120 Технические наук
- Page 128 and 129: 122 Технические наук
- Page 130 and 131: 124 Технические наук
- Page 132 and 133: 126 Технические наук
- Page 134 and 135: 128 Технические наук
- Page 136 and 137: 130 Информатика «Мол
- Page 138 and 139: 132 Информатика «Мол
- Page 140 and 141: 134 Информатика «Мол
- Page 142 and 143: 136 Информатика «Мол
- Page 144 and 145: 138 Информатика «Мол
- Page 146 and 147: 140 Информатика «Мол
- Page 148 and 149: 142 Информатика «Мол
- Page 152 and 153: 146 Информатика «Мол
- Page 154 and 155: 148 Информатика «Мол
- Page 156 and 157: 150 Химия «Молодой у
- Page 158 and 159: 152 Биология «Молодо
- Page 160 and 161: 154 Биология «Молодо
- Page 162 and 163: 156 Биология «Молодо
- Page 164 and 165: 158 Биология «Молодо
- Page 166 and 167: 160 Биология «Молодо
- Page 168 and 169: 162 Экология «Молодо
- Page 170 and 171: 164 Экология «Молодо
- Page 172 and 173: 166 Экология «Молодо
- Page 174 and 175: 168 Экология «Молодо
- Page 176 and 177: 170 Экология «Молодо
- Page 178 and 179: 172 Гeография «Молод
- Page 180 and 181: 174 Гeография «Молод
- Page 182 and 183: 176 Гeография «Молод
- Page 184 and 185: 178 Гeография «Молод
- Page 186 and 187: 180 Гeография «Молод
- Page 188 and 189: 182 Гeография «Молод
- Page 190 and 191: 184 Гeография «Молод
- Page 192: Молодой ученый Еже
144 Информатика<br />
«<strong>Молодой</strong> <strong>учёный</strong>» . № 3 (50) . Март, 2013 г.<br />
Рис. 1. Граф возможных состояний оборудования в процессе ее эксплуатации<br />
Рис. 2. Модель формирования показателей использования оборудования.<br />
8,2 – продолжительность рабочей смены, ч; ДГОД – количество дней в году<br />
редоточиться на показателях, выходящих за эти границы.<br />
При этом согласно [4] источником прибыли оборудования<br />
является наработка. Процесс формирования наработки<br />
оборудования, как результата и источника эффективности<br />
деятельности ТОиР, определяется периодами<br />
времени пребывания оборудования в различных состояниях<br />
(рис. 1), варьирование сочетанием которых позволяет<br />
вывести показатели использования оборудования<br />
(рис. 2). Буква «t» в скобках указывает на зависимость<br />
показателей от срока службы оборудования.<br />
Согласно [5], наиболее важным этапом жизненного<br />
цикла оборудования является этап эксплуатации. Эксплуатационные<br />
свойства оборудования с точки зрения<br />
его функционирования и обслуживания характеризуют<br />
показатели использования оборудования (Рис. 2.).<br />
Система коэффициентов использования оборудования<br />
характеризует:<br />
– надежность оборудования через комплексные показатели<br />
надежности – коэффициенты готовности К Г и технического<br />
использования К ТИ;