Адаптивная модель вpемя выполнения


Содержание

7. Адаптивные модели процесса разработки: экстремальное программирование, Scrum

Primary tabs

Forums:

7. Адаптивные модели процесса разработки: экстремальное программирование, Scrum

В настоящее время все большее распространение получают адаптивные или облегченные, «живые» (agile) процессы разработки
Они не требуют столь жесткой регламентации, допускают возможность частых и существенных изменений требований заказчиков

Адаптивные процессы делают упор на использовании хороших разработчиков, а не хорошо отлаженных процессов разработки
Они избегают фиксации четких схем действий, чтобы обеспечить большую гибкость в каждом конкретном проекте и не требуют разработки дополнительных промежуточных документов

Принципы «живой» разработки

Основные принципы «живой» разработки ПО зафиксированы в манифесте, появившемся в 2000 году:=

  1. Люди, участвующие в проекте, и их общение более важны, чем процессы и инструменты
  2. Работающая программа более важна, чем исчерпывающая документация
  3. Сотрудничество с заказчиком более важно, чем обсуждение деталей контракта
  4. Отработка изменений более важна, чем следование планам

Экстремальное программирование

Наиболее часто используемой адаптивной моделью является модель экстремального программирования (eXtreme Programming, XP-процесс)
XP-процесс ориентирован на группы малого и среднего размера, разрабатывающих ПС в условиях неопределенных или быстро меняющихся требований

XP-процесс (экстремальное программирование)

Основная идея XP-процессаустранить высокую стоимость внесения изменений. Это достигается путем резкого (до двух недель) сокращения длительности отдельных итераций.
Базовыми действиями xp являются:=

  1. кодирование,
  2. тестирование,
  3. выслушивание заказчика,
  4. проектирование

Принципы XP

Высокий динамизм разработки обеспечивается следующими принципами:=

  1. непрерывная связь с заказчиком,
  2. простота выбираемых решений,
  3. быстрая обратная связь на основе оперативного тестирования,
  4. профилактика рисков

Практики XP разработки

Реализация этих принципов достигается за счет использования следующих методов:=

  1. Метафора – вся разработка ведется на основе простой, общедоступной истории о том, как работает система
  2. Простое проектирование – принимаются наиболее простые из возможных проектные решения
  3. Непрерывное тестирование как отдельных модулей, так и системы в целом; входным критерием для написания кода является отказавший тестовый вариант
  4. Реорганизация ( Refactoring ) – улучшение структуры системы при сохранении ее поведения
  5. Парное программирование – код пишется двумя программистами на одном компьютере
  6. Коллективное владение кодом – любой разработчик может улучшить код любого модуля системы
  7. Непрерывная интеграциясистема интегрируется как можно чаще; непрерывное регрессионное тестирование гарантирует сохранение функциональности при изменении требований
  8. Локальный заказчик – в группе все время должен находиться компетентный представитель заказчика
  9. Стандарты кодирования – должны выдерживаться правила, обеспечивающие одинаковое представление кода во всех частях системы

схема XP разработки

изображение XP (схема XP разработки ):

Scrum-модель

Является еще одним примером адаптивного процесса разработки (ранее мы рассматривали xp-разработку)
Основные идеи модели сформулировали Хиротака Такеути и Икудзиро Нонака в 1986 году

Основная идея Scrum-модели


Экспериментальный факт:
проекты, над которыми работают небольшие, кросс-функциональные команды, обычно систематически производят лучшие результаты

Такеуки и Ноната объяснили это как «подход регби» и ввели и сам термин

«scrum» — «толкотня; схватка вокруг мяча (в регби)»

Впервые метод Scrum был представлен в документированном виде в 1996 году совместно Сазерлендом и Швабером

  1. ScrumMaster, тот кто занимается процессами и работает в качестве руководителя проекта,
  2. Владелец Продукта, человек, который представляет интересы конечных пользователей и других заинтересованных в продукте сторон,
  3. Команда, которая включает разработчиков

Этапы разработки

Процесс разработки разбивается на отдельные этапы определенной длительности – спринты (обычно,15-30 дней)
Каждому спринту предшествует этап, который называется product backlog –документирование запросов на выполнение работ

Планирование спринта

Запросы на выполнение работ определяются на этапе совета по планированию спринта – sprint planning meeting

Планирование спринта
На протяжении этого собрания Владелец Продукта информирует о заданиях, которые должны быть выполнены
Команда определяет, сколько из желаемого они могут выполнить, чтобы завершить необходимые части на протяжении следующего спринта

Выполнение спринта

Во время спринта команда выполняет определенный фиксированный список заданий — backlog items, наращивая функциональность программного продукта

На протяжении этого периода никто не имеет права менять список требований к работе, что следует понимать, как заморозку требований (requirements) во время спринта

Scrum схема =

Key Words for FKN + antitotal forum (CS VSU):

  • Log in to post comments
  • 6362 reads

Wed, 01/25/2012 — 02:34

текст опорного ответа (не позиционирую его как обязательное)

Extreme Programming, XP — авторы методологии — Кент Бек, Уорд Каннингем, Мартин Фаулер и другие.

Основные приёмы XP

· Короткий цикл обратной связи (Fine scale feedback)

o Разработка через тестирование (Test driven development)

o Игра в планирование (Planning game)

o Заказчик всегда рядом (Whole team, Onsite customer)

o Парное программирование (Pair programming)

· Непрерывный, а не пакетный процесс

o Непрерывная интеграция (Continuous Integration)

o Рефакторинг (Design Improvement, Refactor)

o Частые небольшие релизы (Small Releases)

· Понимание, разделяемое всеми

o Простота (Simple design)

o Метафора системы (System metaphor)

o Коллективное владение кодом (Collective code ownership) или выбранными шаблонами проектирования (Collective patterns ownership)

o Стандарт кодирования (Coding standard or Coding conventions)

· Социальная защищенность программиста (Programmer welfare):

o 40-часовая рабочая неделя (Sustainable pace, Forty hour week)

В XP особое внимание уделяется двум разновидностям тестирования:

· тестирование модулей (unit testing);

· приемочное тестирование (acceptance testing).

Разработчик не может быть уверен в правильности написанного им кода до тех пор, пока не сработают абсолютно все тесты модулей разрабатываемой им системы. Тесты модулей позволяют разработчикам убедиться в том, что их код работает корректно. Они также помогают другим разработчикам понять, зачем нужен тот или иной фрагмент кода и как он функционирует. Тесты модулей также позволяют разработчику без каких-либо опасений выполнять рефакторинг (refactoring).

Приемочные тесты позволяют убедиться в том, что система действительно обладает заявленными возможностями. Кроме того, приемочные тесты позволяют проверить корректность функционирования разрабатываемого продукта.

Для XP более приоритетным является подход, называемый TDD (Test Driven Development) — сначала пишется тест, который не проходит, затем пишется код, чтобы тест прошел, а уже после делается рефакторинг кода.

Игра в планирование

Основная цель игры в планирование — быстро сформировать приблизительный план работы и постоянно обновлять его по мере того, как условия задачи становятся все более четкими. Артефактами игры в планирование является набор бумажных карточек, на которых записаны пожелания заказчика (customer stories), и приблизительный план работы по выпуску следующих одной или нескольких небольших версий продукта. Критическим фактором, благодаря которому такой стиль планирования оказывается эффективным, является то, что в данном случае заказчик отвечает за принятие бизнес-решений, а команда разработчиков отвечает за принятие технических решений. Если не выполняется это правило, весь процесс распадается на части.

Заказчик всегда рядом

«Заказчик» в XP — это не тот, кто оплачивает счета, а тот, кто на самом деле использует систему. XP утверждает, что заказчик должен быть всё время на связи и доступен для вопросов.


Парное программирование предполагает, что весь код создается парами программистов, работающих за одним компьютером. Один из них работает непосредственно с текстом программы, другой просматривает его работу и следит за общей картиной происходящего. При необходимости клавиатура свободно передается от одного к другому. В течение работы над проектом пары не фиксированы: рекомендуется их перемешивать, чтобы каждый программист в команде имел хорошее представление о всей системе. Таким образом, парное программирование усиливает взаимодействие внутри команды.

Если вы будете выполнять интеграцию разрабатываемой системы достаточно часто, вы сможете избежать большей части связанных с этим проблем. В традиционных методиках интеграция, как правило, выполняется в самом конце работы над продуктом, когда считается, что все составные части разрабатываемой системы полностью готовы. В XP интеграция кода всей системы выполняется несколько раз в день, после того, как разработчики убедились в том, что все тесты модулей корректно срабатывают.

— это методика улучшения кода, без изменения его функциональности. XP подразумевает, что однажды написанный код в процессе работы над проектом почти наверняка будет неоднократно переделан. Разработчики XP безжалостно переделывают написанный ранее код для того, чтобы улучшить его. Этот процесс называется рефакторингом. Отсутствие тестового покрытия провоцирует отказ от рефакторинга, в связи с боязнью поломать систему, что приводит к постепенной деградации кода.

Частые небольшие релизы

Версии (releases) продукта должны поступать в эксплуатацию как можно чаще. Работа над каждой версией должна занимать как можно меньше времени. При этом каждая версия должна быть достаточно осмысленной с точки зрения полезности для бизнеса.

Чем раньше мы выпустим первую рабочую версию продукта, тем раньше заказчик начнет получать за счет нее дополнительную прибыль. Следует помнить, что деньги, заработанные сегодня, стоят дороже, чем деньги, заработанные завтра. Чем раньше заказчик приступит к эксплуатации продукта, тем раньше разработчики получат от него информацию о том, что соответствует требованиям заказчика. Эта информация может оказаться чрезвычайно полезной при планировании следующего выпуска.

XP исходит из того, что в процессе работы условия задачи могут неоднократно измениться, а значит, разрабатываемый продукт не следует проектировать заблаговременно целиком и полностью. Если в самом начале работы вы пытаетесь от начала и до конца детально спроектировать систему, вы напрасно тратите время. XP предполагает, что проектирование — это настолько важный процесс, что его необходимо выполнять постоянно в течение всего времени работы над проектом. Проектирование должно выполняться небольшими этапами, с учетом постоянно изменяющихся требований. В каждый момент времени мы пытаемся использовать наиболее простой дизайн, который подходит для решения текущей задачи. При этом мы меняем его по мере того как условия задачи меняются.

Архитектура — это некоторое представление о компонентах системы и о том, как они взаимосвязаны между собой. Разработчики используют архитектуру для того, чтобы понять, в каком месте системы добавляется некоторая новая функциональность и с чем будет взаимодействовать некоторый новый компонент.

Метафора системы (system metaphor) — это аналог того, что в большинстве методик называется архитектурой. Метафора системы дает команде представление о том, каким образом система работает в настоящее время, в каких местах добавляются новые компоненты и какую форму они должны принять.

Подобрав хорошую метафору, вы облегчаете команде понимание того, каким образом устроена ваша система. Иногда сделать это не просто.

Все члены команды в ходе работы должны соблюдать требования общих стандартов кодирования. Благодаря этому:

· члены команды не тратят время на глупые споры о вещах, которые фактически никак не влияют на скорость работы над проектом;

· обеспечивается эффективное выполнение остальных практик.

Если в команде не используются единые стандарты кодирования, разработчикам становится сложнее выполнять рефакторинг; при смене партнеров в парах возникает больше затруднений; в общем и целом, продвижение проекта затрудняется. В рамках XP необходимо добиться того, чтобы было сложно понять, кто является автором того или иного участка кода, — вся команда работает унифицированно, как один человек. Команда должна сформировать набор правил, а затем каждый член команды должен следовать этим правилам в процессе кодирования. Перечень правил не должен быть исчерпывающим или слишком объемным. Задача состоит в том, чтобы сформулировать общие указания, благодаря которым код станет понятным для каждого из членов команды. Стандарт кодирования поначалу должен быть простым, затем он будет эволюционировать по мере того, как команда обретает опыт. Вы не должны тратить на предварительную разработку стандарта слишком много времени.

Коллективное владение означает, что каждый член команды несёт ответственность за весь исходный код. Таким образом, каждый вправе вносить изменения в любой участок программы. Парное программирование поддерживает эту практику: работая в разных парах, все программисты знакомятся со всеми частями кода системы. Важное преимущество коллективного владения кодом — в том, что оно ускоряет процесс разработки, поскольку при появлении ошибки её может устранить любой программист.

Давая каждому программисту право изменять код, мы получаем риск появления ошибок, вносимых программистами, которые считают что знают что делают, но не рассматривают некоторые зависимости. Хорошо определённые UNIT-тесты решают эту проблему: если нерассмотренные зависимости порождают ошибки, то следующий запуск UNIT-тестов будет неудачным

Scrum — это набор принципов, на которых строится процесс разработки, позволяющий в жёстко фиксированные небольшие промежутки времени (спринты от 2 до 4 недель) предоставлять конечному пользователю работающее ПО с новыми возможностями, для которых определён наибольший приоритет. Возможности ПО к реализации в очередном спринте определяются в начале спринта на этапе планирования и не могут изменяться на всём его протяжении. При этом строго фиксированная небольшая длительность спринта придаёт процессу разработки предсказуемость и гибкость.

Главные действующие роли в Scrum: ScrumMaster — тот, кто ведёт Scrum митинги и следит, чтобы при этом соблюдались все принципы Scrum (роль не предполагает ничего кроме корректного ведения самого Scrum-а, руководитель проекта скорее относится к Product Owner и не должен являться ScrumMaster); Владелец Продукта (Product Owner) — человек, который представляет интересы конечных пользователей и других заинтересованных в продукте сторон; и кросс-функциональная Команда (Scrum Team), состоящая как из разработчиков, так и из тестировщиков, архитекторов, аналитиков и т. д. (при этом размер команды в идеале составляет 7±2 человека). Команда является единственным полностью вовлечённым участником разработки, и отвечает за результат как единое целое. Никто кроме команды не может вмешиваться в процесс разработки на протяжении спринта.

На протяжении каждого спринта создаётся функциональный рост программного обеспечения. Набор возможностей, которые реализуются в каждом спринте, происходят из этапа, называемого product backlog (документация запросов на выполнение работ), обладающего наивысшим приоритетом по уровню требований к работе, который должен быть выполнен. Запросы на выполнение работ (backlog items), определенных на протяжении совета по планированию спринта (sprint planning meeting), перемещаются в этап спринта. На протяжении этого собрания Владелец Продукта информирует о заданиях, которые должны быть выполнены. Тогда Команда определяет, сколько из желаемого они могут выполнить, чтобы завершить необходимые части на протяжении следующего спринта. Во время спринта команда выполняет определенный фиксированный список заданий (т. н. sprint backlog). На протяжении этого периода никто не имеет права менять список требований к работе, что следует понимать как заморозку требований (requirements) во время спринта.

_____________
матфак вгу и остальная классика =)

адаптивная модель

Большой англо-русский и русско-английский словарь . 2001 .

Смотреть что такое «адаптивная модель» в других словарях:

адаптивная модель — adaptyvusis modelis statusas T sritis automatika atitikmenys: angl. adaptive model vok. adaptives Modell, n rus. адаптивная модель, f pranc. modèle adaptif, m … Automatikos terminų žodynas

АДАПТИВНАЯ МОДЕЛЬ ШКОЛЫ — новая модель разноуровневой и многопрофильной общеобразовательной массовой школы с набором всевозможных классов и образовательных услуг, открытой для детей самых разных возможностей и способностей, вне зависимости от их индивидуальных… … Педагогический словарь

Модель Адаптивная — модель, имеющая возможность для корректировки, настройки параметров, приспосабливающаяся к изменяющимся во времени условиям. Словарь бизнес терминов. Академик.ру. 2001 … Словарь бизнес-терминов

Адаптивная скользящая средняя Кауфмана — (AMA, KAMA, AMkA от англ. Kaufman s Adaptive Moving Average) технический индикатор, разновидность адаптивной скользящей средней, построенной на базе экспоненциально сглаженной скользящей средней и оригинальной методики определения и… … Википедия

Адаптивная школа — модель образовательного учреждения, ориентированная на адаптацию школьной системы к возможностям и особенностям учащихся (в отличие от традиционной школы, стремившейся приспособить ребёнка к своим требованиям). Идея А.ш. опирается на один из… … Педагогический терминологический словарь

МОДЕЛЬ, АДАПТИВНАЯ — самокорректирующаяся, самонастраивающаяся экономико статистическая модель, способная отражать изменяющиеся во времени условия, учитывая информационную ценность различных членов временной последовательности и давать оценки будущих членов… … Большой экономический словарь

Адаптивная дифференциальная импульсно-кодовая модуляция — (АДИКМ) (англ. Adaptive differential pulse code modulation, ADPCM) разновидность дифференциальной импульсно кодовой модуляции, алгоритм которой подразумевает изменение шага квантования, что позволяет снизить требуемую полосу… … Википедия

Сложная адаптивная система — Эту статью следует викифицировать. Пожалуйста, оформите её согласно правилам оформления статей. Сложная Адаптивная Система (САС) сложная система, обладающая следующими свойствами: состоит из подсистем, которые также являются САС; является… … Википедия

Парадигмы образования — те устоявшиеся и общепринятые идеи, теории или учения, которыми реально руководствуются все работники сферы образования при организации процессов обучения и воспитания или управлении образованием. Это своего рода общая «руководящая идея»,… … Основы духовной культуры (энциклопедический словарь педагога)

Гимназия № 44 (Ульяновск) — Гимназия №44 Девиз Чтобы сделать ребенка умным и рассудительным сделайте его крепким и здоровым[1] Основана 1897 Директор Лидия Сергеевна Жуковская Латышева Координаты 56.076389, 12.1702 … Википедия

adaptive model — adaptyvusis modelis statusas T sritis automatika atitikmenys: angl. adaptive model vok. adaptives Modell, n rus. адаптивная модель, f pranc. modèle adaptif, m … Automatikos terminų žodynas

АДАПТИВНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ

ТОМСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ»

А.В. Воронин

АДАПТИВНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ

Рекомендовано в качестве учебного пособия
Редакционно-издательским советом
Томского политехнического университета

Томского политехнического университета

УДК 681.3 ББК 32.97
Воронин А.В. Адаптивные системы управления: учебное пособие / А.В. Воронин: Томский политехнический университет. – Томск: Изд-во Томского политехнического университета, 2014. – 77 с. В авторской редакции

Пособие подготовлено на кафедре интегрированных систем управления и предназначено для студентов ИДО, обучающихся по направлению 220700 «Автоматизация технологических процессов и систем».

УДК 681.3

ББК 32.97

© ФГБОУ ВПО НИ ТПУ, 2014

© Воронин А.В., 2014

© Оформление. Издательство Томского
политехнического университета, 2014

ВВЕДЕНИЕ

Назначение адаптивных систем управления.

Как отмечалось выше, необходимость адаптивного управления возникает, когда недостаточна априорная информация или динамические характеристики объекта в процессе функционирования системы управления изменяются в широких пределах. Такая ситуация возникают во многих производствах.

Аэродинамические характеристики самолетов зависят от скорости и высоты полета, от атмосферных условий, в которых происходит полет. И во время полета отдельные параметры, определяющие динамические свойства самолета, могут изменяться в десятки раз. В этих условиях с задачей качественного управления самолетом обычные автопилоты могут не справиться.

Модели технологических процессов в металлургии, химии, нефтехимии являются сложными. Их параметры и, возможно, структуры из-за недостаточной априорной информации не всегда известны.

Кроме того, эти параметры могут изменяться во время протекания технологического процесса в указанных отраслях. Поэтому обычные системы управления во многих случаях не могут обеспечить качественного, а иногда и просто устойчивого управления такими технологическими процессами [62].

При разработке унифицированных регуляторов для широкого класса объектов параметры регуляторов заранее не могут быть точно рассчитаны и установлены. Достаточно напомнить о том, что процедура линеаризации всегда проводится в некоторой точке и полученный регулятор является работоспособным в малой окрестности точки линеаризации. Поэтому, если эти регуляторы являются неадаптивными, то при их использовании в каждом конкретном случае они требуют настройки. Использование адаптивных регуляторов избавит пользователей от этой процедуры, что позволит сэкономить их время и «силы».

В большинстве случаев адаптивное управление преследует цель нейтрализации параметрической неопределенности или неизбежных изменений параметров объекта. Однако в некоторых случаях, в особенности при управлении технологическим процессами, где могут присутствовать сотни управляющих контуров, адаптивное управление также используется, чтобы уменьшить число конструктивных параметров ручной настройки и тем самым увеличить эффективность и практичность системы управления.

Резюмируя изложенное, можно утверждать, что применение принципов адаптивного управления позволяет [49, 4]:

— обеспечить оптимальный режим работы системы управления в условиях неполной информации;

— обеспечить работоспособность системы управления в условиях изменения динамических свойств объекта в широких пределах;

— создать унифицированные регуляторы для широкого класса объектов;

— снизить технологические требования к изготовлению отдельных узлов и элементов;

— сократить сроки разработки и наладки систем.

Два подхода к синтезу САУ для объектов с

Неопределенными параметрами

В настоящее время в ТАУ существуют два подхода, позволяющие решить задачу управления объектами с переменными и неопределенными параметрами.

Первый подход базируется на использовании регуляторов, алгоритмы работы которых напрямую не зависят от меняющихся или неизвестных параметров. Идея подхода состоит в том, чтобы на этапе синтеза сделать систему максимально нечувствительной к изменяющимся или неопределенным параметрам. В основе подхода лежит свойство обратных связей устранять влияние неопределенностей, либо, по крайней мере, уменьшать это влияние до некоторой величины. Почти любой обычный регулятор, рассчитанный для рабочей точки, благодаря заложенным в нем запасам сохраняет работоспособность и при изменении параметров объекта в некотором диапазоне. Но если не используются специальные методы, этот диапазон оказывается небольшим.

Во многих случаях путем выбора более сложной структуры регулятора удается существенно расширить диапазон изменения параметров, в котором обеспечивает неизменное или малое изменение показателей качества управления. Такие системы, имеющие пониженную чувствительность к изменяющимся параметрам объекта управления, называются грубыми системами. В настоящее время существует несколько подходов к синтезу грубых систем.

Один из них заключается в выборе такой структуры системы, при которой место включения объекта управления соответствует достижению минимальной чувствительности регулируемой переменной к вариациям параметров.

В основу другого подхода положено использование в системе избыточных элементов, представляющих специальные корректирующие устройства, которые рассчитываются так, чтобы снизить чувствительность системы к изменениям параметров объекта управления.

Таким образом, в грубых системах обеспечение требуемого качества управления в условиях меняющихся или неопределенных параметров достигается за счет увеличения объема рабочей (апостериорной) информации. В этих системах при формировании управляющего сигнала кроме информации о регулируемой величине используются измерения других, доступных для измерения величин, и эти данные подвергаются преобразованию с помощью более сложных линейных и нелинейных законов. Часто грубые системы называют системами с пассивной адаптацией.

Другой подход связан с разработкой собственно адаптивных систем, реализующих подстройку параметров и\или структуры регулятора под изменяющиеся параметры объекта.

1.6. Структура и типы адаптивных систем управления.

Адаптивные системы управления включают объект, регулятор и адаптор (блок адаптации) (рис.1.3). Объект и регулятор, вырабатывающий управляющее воздействие на объект, образуют основной контур. Регулятор содержит варьируемые параметры. Адаптор на основе обработки доступной ему информации вырабатывает управляющее воздействие, производящее подстройку варьируемых параметров регулятора. Регулятор совместно с адаптором образуют адаптивный регулятор.

Таким образом, адаптивная система обладает способностью «приспосабливаться» к изменениям параметров объекта. В ней автоматически производятся такие же изменеия, какие бы внес проектировщик, если бы имел возможностьполучить дополнительную информацию о поведении системы.

Как видим, адаптивная система управления имеет иерархическую структуру: она имеет, по крайней мере, два уровня. Основной контур образует первый (низший) уровень, а контур, содержащий адаптор и называемый контуром адаптации, — второй уровень.

На нижнем уровне решается обычная задача регулирования. Структура контура регулирования зависит от характера изменения . Это могут быть задачи стабилизации, слежения или программного управления. Обычно реализуется принцип регулирования по отклонению или комбинированного управления.

Рис. 1.3 Простейшая блок- схема адаптивной системы

Задача верхнего уровня состоит в стабилизации или оптимизации характеристик основного контура системы в условиях изменения и . В качестве объекта управления контура адаптации выступает основной контур системы, при этом управляемой величиной является некоторый показатель, характеризующий динамические свойства основного контура, а управляющим воздействием – вектор параметров регулятора, к которым относятся настраиваемые параметры и параметры, определяющие структуру регулятора.

Задачу стабилизации или поиска экстремума указанного показателя решает блок БА, который работает по измерениям , меняя вектор параметров .

В частном случае, адаптация может работать, как и обычная система управления, по разомкнутому, замкнутому и комбинированному принципу.


Следует заметить, что в блок адаптации не заводится информация о параметрических возмущениях. Дело в том, что измерения и это задачи разного уровня сложности. Если часто доступны для измерения (хотя и эта задача может быть весьма непростой), то параметрические возмущения обычно не измеряемы. Их можно оценить только методами идентификации.

В общем случае в АС возможны три и больше уровней. В частности, если для синтеза адаптора в завершенном виде априорной информации недостаточно и, допустим, какие-либо его параметры должны уточняться в процессе функционирования системы, потребуется третий уровень — контур адаптации адаптора. Адаптор выполняет двоякую функцию: изучение объекта и настройку регулятора.

Экстремальные,

самонастраивающиеся (СНС),

самоорганизующиеся (СОС),

Самообучающиеся.

Самые старые и самые простые АС, этоэкстремальные системы. В экстремальных системах обеспечивается оптимальный режим (точнее квазиоптимальный, т.к. обычно ЭС являются поисковыми, а поисковые сигналы возбуждают систему), соответствующий экстремуму статической характеристики объекта при ее «дрейфе», за счет автоматического регулирования сигналов на входе экстремального объекта.

Достоинство такой системы — простота, скромные требования к информации и точное поддержание экстремума. Недостатком является квазиоптимальность и медленность работы при поисковой реализации, требования к наличию у объекта экстремальной характеристики.

К самонастраивающимся системам относятся те адаптивные системы, в которых структура основного регулятора задана и для достижения требуемого качества управления в основном контуре перестраиваются коэффициенты закона управления, реализуемого в регуляторе.

ЭКСТРЕМАЛЬНЫЕ СИСТЕМЫ

Принцип действия ЭС

Как уже отмечалось, в зависимости от количества координат, характеризующих экстремальный статический режим объекта управления, ЭС делят на одномерные и многомерные. Начнем с одномерной ЭС, обобщенная структура которой представлена на рис. 2.9. В основном, ЭС содержит те же обязательные функциональные элементы, что и любая САР.

Рис. 2.9 Структура экстремальной системы

В частности, на рис. 2.9:

ИУ – исполнительное устройство,

УПУ – усилительно-преобразовательное устройство,

ИОЭ – измеритель отклонения от экстремума.

Основной интерес представляет ИОЭ.

Пусть исходное расположение статистической характеристики объекта задано кривой 1 на рис. 2.10, которая имеет максимальное значение при . Пусть далее произошло смещение характеристики по оси и значение упало с до .

При этом ясно, что измеряя только и нельзя определить направление смещения.

А вот если бы мы знали еще и скорость , то проблема была бы решена.

Из рисунка 2.11 следует, что закон экстремального управления должен удовлетворять условию

при поиске максимума.

Таким образом, чтобы принять решение о том, куда двигаться, нужно менять и определять .

Отсюда следует правило: чтобы определить направление движения к экстремуму необходимо изменить входную величину и проанализировать реакцию на это изменение.

В отличие от обычных САР управление в ЭС носит дуальный характер, т.е. служит и для определения направления движения и для осуществления самого движения к экстремуму. Поэтому его часто делят на два вида – пробное и рабочее. Эти движения связаны между собой по- разному. Можно выделить три случая.

1) Пробное и рабочее движения разделены.

2) Пробное и рабочее движения совпадают.

3) Пробное и рабочее движение существуют одновременно.

Типы экстремальных систем

Замечание.

Градиентом называют векторную функцию скалярного аргумента. Компонентами вектора градиента являются частные производные аргумента по пространственным координатам. Градиент переменной записывается .

Обычно для определения проекций градиента используется следующий прием .

Шаговые ЭС.

Как уже отмечалось, для определения направления движения к экстремуму нужно знать . В шаговых ЭС бесконечно малые и заменяются малыми конечными приращениями и . Соответственно .

Алгоритм включает следующие шаги:

● по отношению этих приращений определяем рабочие точки относительно экстремума.

Существует 2 типа ШЭС:

а) с разделенными пробными и рабочими шагами, как это показано на рис. 2.15,

б) с совмещенными пробными и рабочими шагами.

Основной элемент ШЭС – устройство определяющее приращение входной или выходной величины.

Техническая реализация может быть весьма разнообразной. Чтобы повысить помехозащищенность и улучшить работу шаговой системы, часто используют дискретные системы шагового типа, в которых используют импульсные элементы, как это показано на рис. 2.16, 2.17.

Рис. 2.16 ШЭС с импульсными элементами.

Достоинства ШЭС.

● Очень удобно при регулировании медленно протекающих процессов. Вместо медленного изменения управляющего воздействия использована импульсная перестановка управляющего элемента.

● Хорошо работают с объектами с запаздыванием

Многомерные ЭС

Многомерные ЭС предполагают наличие объекта управления с экстремальной характеристикой, состояние которого зависит от нескольких входных переменных. На рис. 2.27 показана общая структура многомерных ЭС.

Рис. 2.27. Структура многомерной ЭС

Особенности данной системы связаны с блоками УПУ и Изм.У.

Пусть имеем зависимость . Изобразим на плоскости линиями уровня для значений …

Рис. 2.28 Постановка задачи двумерного экстремального поиска

Пусть начальная точка состояния системы соответствует . Алгоритм поиска может быть следующим.

: а) получить информацию о поведении функции в окрестности рабочей точки;

б) организовать движение системы (формулирование управляющих воздействий) в требуемом направлении.

Градиентные методы

Среди детерминированных способов наиболее эффективными в системах адаптивного управления являются градиентные методы. Градиентные методы основаны на использовании градиента целевой функции. Указанные методы носят итеративный характер, так как компоненты градиента являются, как правило, нелинейными функциями управляемых переменных.

Основная идея всех градиентных методов состоит в том, чтобы двигаться к минимуму в направлении наиболее быстрого убывания функции, которое определяется антиградиентом. Эта идея может реализоваться, например, следующим образом.

Выберем каким-либо способом начальную точку, вычислим в ней градиент рассматриваемой функции и сделаем небольшой шаг в обратном, антиградиентном направлении. В результате мы придем в точку, в которой значение функции будет меньше первоначального. В новой точке повторим процедуру: снова вычислим градиент функции и сделаем шаг в обратном направлении. Продолжая этот процесс, мы будем двигаться в сторону убывания функции.

Наглядной интерпретацией задачи градиентного спуска можно считать положение человека, который хочет максимально быстро спуститься на дно котловины, заросшей лесом, но видит перед собой лишь ограниченный участок местности. В такой ситуации логичным алгоритмом действия является движение в ту сторону, где местность наиболее круто идет вниз, т.е. в сторону антиградиента функции высоты.

Далее везде будем предполагать, что , существуют и непрерывны. Предполагается, что компоненты градиента могут быть записаны в аналитическом виде или с достаточно высокой точностью вычислены при помощи численных методов.

Замечание. В практических задачах найти значения производных целевых функций вида аналитически, как правило, не удается и их вычисляют приближенно:

Илон Маск рекомендует:  Оптимизация для pentium процессора список инструкций с плавающей точкой

Выбор величин приращений по координатам зависит от возможностей используемой ЭВМ и необходимой точности вычислений.

Все градиентные методы поиска минимума основаны на итерационной процедуре, реализуемой в соответствии с формулой

где – текущее приближение к решению ;

– параметр, регулирующий длину -го шага;

– направление поиска в — мерном пространстве управляемых переменных , .

Способ определения и на каждой итерации связан с особенностями применяемого метода.

Ранее уже отмечалось, что градиент функции в точке − это вектор

проекции которого являются производными по координатам и вычислены для . Длина вектора градиента

характеризует скорость возрастания функции в этой точке, а направление соответствует направлению быстрейшего возрастания функции. Антиградиент — это вектор такой же длины, направленный в противоположную сторону (рис. 2.29). В точке минимума градиент функции равен нулю.

Единичный вектор градиента определяется как

Рис. 2.29. Градиент и антиградиент функции

При поиске минимума каждая следующая точка поиска (каждый новый член минимизирующей последовательности) получается в результате перемещения из предыдущей точки по направлению антиградиента целевой функции по формуле

Если в результате этого перемещения наблюдается увеличение значения целевой функции, то значение рабочего шага поиска уменьшается. Поиск прекращается, когда выполняется необходимое условие , например, длина вектора градиента становится меньше требуемой точности:

Различают методы градиента с переменным шагом и с постоянным шагом (рис. 2.30). При использовании метода градиента с переменным шагом изменение значений производится согласно выражению

а останов поиска — при выполнении неравенства (2.2). При возникновении ситуации значение параметра h уменьшается, например, делится на число . Характер изменения значений , согласно (2.3), зависит от величины и знака соответствующих частных производных целевой функции.

Рис. 2.30. Методы с постоянным и переменным шагом


К недостаткам метода можно отнести то, что, во-первых, на каждом шаге необходимо определять значение градиента. Это может быть не просто, если градиент определяется экспериментально. Во-вторых, по мере приближения к точке абсолютные величины частных производных уменьшаются, следовательно, и шаг поиска является переменным – уменьшается по мере приближения к искомой точке. Такой характер поиска требует иногда весьма значительных затрат времени.

Второй из отмеченных недостатков может быть устранен применением метода градиента с постоянным шагом. Метод позволяет сократить затраты времени, но требует несколько большего объема вычислений при изменении значений аргументов целевой функции. Его основное соотношение:

Метод использует вектор градиента единичной длины, который определяет лишь направление градиента, поэтому движение по осуществляется с постоянной скоростью, зависящей от величины шага . Если изменение аргументов целевой функции в соответствии с (2.4) приводит к увеличению ее значения, параметр поиска уменьшается. Останов поиска по методу градиента с постоянным шагом осуществляется при выполнении неравенства .

Метод Коши (Наискорейшего спуска)

Вычисление градиента на каждом шаге, позволяющее все время двигаться в направлении наиболее быстрого убывания целевой функции, может в то же время замедлить вычислительный процесс. Дело в том, что подсчет градиента — обычно гораздо более сложная операция, чем подсчет самой функции, особенно если аналитическое выражение градиента отсутствует. Поэтому часто пользуются модификацией градиентного метода, получившей название метода наискорейшего спуска или метода Коши (рис.2.31).

Рис. 2.31. Иллюстрация к методу наискорейшего спуска

Согласно этому методу после вычисления градиента функции в начальной точке делают в направлении антиградиента не маленький шаг, а движутся до тех пор, пока функция убывает. Достигнув точки минимума на выбранном направлении, снова вычисляют градиент функции и повторяют описанную процедуру. При этом градиент вычисляется гораздо реже, только при смене направлений движения.

Хотя траектория ведет к цели не так быстро, как на рис. 2.30, экономия машинного времени за счет более редкого вычисления градиента может быть весьма существенной.

Метод может быть реализован в нескольких вариантах. Простейшим является использование формулы

для последовательного движения к экстремуму, пока будет выполняться условие . Нарушение данного условия означает прохождение точки минимума и говорит о том, что необходимо изменить направление движения. В достигнутой точке производится новый расчет вектора градиента и процесс повторяется.

Другой вариант состоит в том, что значение шага оптимизации вычисляется путем решения задачи минимизации вдоль направления с помощью того или иного метода одномерного поиска. Этот вариант реализации алгоритма более сложный, но обычно требует меньшего количества итераций.

Пусть функция дифференцируема по и вектор градиента может быть записан аналитически. Тогда поиск минимума функции с использованием процедуры одномерной минимизации включает следующие этапы.

Этап 1. Определение аналитических соотношений для вычисления градиента функции , длины вектора градиента и единичного вектора градиента .

Этап 2. Выбор исходной точки при (начальных значений аргументов функции).

Этап 3. Выбор шага a изменения координат текущей точки . Осуществляется из условия достижения экстремума функции одного аргумента в соответствии с уравнением

Корень этого уравнения, соответствующий минимуму функции , обозначим .

Этап 4. Следующее приближение вычисляется по формуле

Этап 5. Производится возврат к этапу 3.

В результате формируется последовательность приближений . Вычислительный процесс заканчивается, когда будет достигнута точка , в которой оценка градиента будет равна нулю (коэффициенты функции отклика становятся незначимыми).

Пример. Выполнить шаг наискорейшего спуска для функции вида

Решение.

Этап 1. Общий вид градиента функции :

Длина вектора градиента:

Этап 2. Выбор начальной точки, например .

Этап 3. Вычисление координат единичного вектора градиента

Координаты точки при движении по направлению вектора

Запишем выражение для функции у в точке как функцию от :

Этап 4. Выбор шага а изменения координат текущей точки. Найдя производную от по в точке и приравняв ее к нулю получим . Следовательно, шаг .

Этап 5. Делаем шаг в направлении антиградиента. Координаты точки после выполнения первого шага наискорейшего спуска по формуле

Аналогично выполняется следующий шаг наискорейшего спуска.

Рассмотренный алгоритм применяют только для нелинейныхфункций. Если функция отклика является линейной, то выбор оптимального значения параметра a невозможен. В этом случае шаг выбирается исходя из эвристических предположений исследователя о виде функции отклика.

Шаг 1.

При вводятся исходные данные .

Шаг 2.

Осуществляется циклический по покоординатный спуск из точки по формуле:

Шаг 3.

Если , то поиск минимума заканчивается, причем:

Иначе и переходим к шагу 2.

Если же шаг áк выбирается из условия минимума функции

то мы получаем аналог метода наискорейшего спуска, называемый обычно методом Гаусса – Зейделя.

Шаг 1.

При вводятся исходные данные .

Шаг 2.

Осуществляется циклический по покоординатный спуск из точки по формулам:

где является решением задачи одномерной минимизации функции:

Если , то поиск минимума заканчивается, причем:

Иначе и переходим к шагу 2.

Методы случайного поиска

При определенных условиях методы случайного поиска могут оказаться более эффективными, чем регулярные. Рассмотрим некоторые наиболее распространенные методы случайного поиска.

БАС с эталонной моделью

БАС с использованием анализатора характеристик требует наличия специальной процедуры (программной, аппаратной) определения характеристик, что усложняет систему и увеличивает время самонастройки. Вместе с тем, если есть возможность построить модель, описывающую желаемое поведение системы, уже по разности выходных сигналов модели и реальной системы можно судить о настройке регулятора и использовать эту разность для целенаправленной коррекции параметров.

К наиболее популярным в классе АС прямого действия относятся АС с эталонной моделью, функциональная схема которых представлена на рис. 4.5.

К достоинствам этого типа систем можно отнести:

● Формирование алгоритмов адаптации на основании измеряемых (а не вычисляемых) величин и относительная простота реализации;

● Возможность исключения пробных движений.

ЭМ может использоваться для решения следующих задач:

● Формирование эталонной траектории, реализующей желаемые динамические и статические характеристики;

● Формирование желаемой параметрической модели основного контура;

● Обучение регулятора адаптаций с помощью изменяемой ЭМ, что позволяет унифицировать алгоритмы адаптивного управления для изменяющихся ситуаций;

● Адаптивное управление по неполным данным на основе использования наблюдателей состояния;

● Восстановление работоспособности системы.

Адаптивные системы управления с эталонной моделью содержат динамическую модель системы, обладающую требуемым качеством и называемую эталонной моделью. Адаптивная система управления с эталонной моделью (ЭМ), кроме основного контура, содержащего регулятор (Р) и объект (О), включает контур с ЭМ и вычислительно-исполнительное устройство (ВИУ). Эталонная модель вырабатывает желаемый (эталонный) выходной сигнал. Эталонная модель и основной контур соединены параллельно.

Рис. 4.5. БАС с эталонной моделью

Вычислительно-исполнительное устройство (его также называют механизмом адаптации) обрабатывает разностный сигнал (разность между фактическим и эталонным сигналами) и подает его на алгоритм адаптации АА, который производит подстройку параметров регулятора. Выбор эталонной модели является частью процесса синтеза адаптивной системы управления.

Эталонная модель должна удовлетворять двум требованиям:

● с одной стороны, она должна отражать все требования к качеству синтезируемой системы,

● с другой стороны, эталонная реакция должна быть достижима для основного контура.

Последнее требование накладывает ограничения на структуру эталонной модели, определяемой предполагаемой структурой основного контура.

Регулятор должен обладать идеальной следящей способностью. Другими словами, закон (алгоритм) управления должен быть таким, чтобы существовали такие значения его параметров, называемые идеальными, при которых передаточная функция основного контура относительно задающего воздействия и выхода равна передаточной функции эталонной модели. Принцип работы адаптивной системы с ЭМ состоит в том, чтобы адаптор обеспечивал сходимость к нулю ошибки слежения — разность между выходными сигналами основного контура

Папиллярные узоры пальцев рук — маркер спортивных способностей: дерматоглифические признаки формируются на 3-5 месяце беременности, не изменяются в течение жизни.

Поперечные профили набережных и береговой полосы: На городских территориях берегоукрепление проектируют с учетом технических и экономических требований, но особое значение придают эстетическим.

Механическое удерживание земляных масс: Механическое удерживание земляных масс на склоне обеспечивают контрфорсными сооружениями различных конструкций.

Анализ моделей и методов организации адаптивного обучения в АОС

Читайте также:

  1. A — коэффициент скорости обучения.
  2. A. Этап 1. Анализ предметной области
  3. ABC анализ.
  4. AVA_VAN.2 Анализ уязвимостей
  5. Data Mining (DM) — интеллектуальный анализ данных
  6. FMEA-анализ
  7. G. Этап 5. Проверка и оценка моделей
  8. GAP-анализ
  9. I. Анализ взаимодействия предприятий-участников технологической цепи.
  10. I. Звукобуквенный анализ, открытие закона чтения.
  11. I. Портфельные стратегии и портфельный анализ.
  12. I. Структурный анализ личности.

Лекция 2

Основным требованием, предъявляемым к автоматизированным обучающим системам, является обеспечение максимальной адаптивности процесса обучения к индивидуальным характеристикам обучаемого.

Для решения указанной проблемы используются различные модели и методы.

В линейных программах (под программой понимается метод организации учебной информации) учебные задания рассчитаны на самого «слабого» обучаемого и настолько минимальны, что процесс обучения протекает почти безошибочно. Ошибочные ответы (решения) считаются недопустимыми. В процессе обучения все обучаемые проходят одну и ту же, заранее определенную автором АУК, последовательность кадров учебной информации. Причем эта последовательность не зависит от действий обучаемого во время самого хода обучения. Таким образом, в линейных программах адаптация к обучаемому достигается лишь за счет различного времени, требуемого для усвоения. Автором линейных программ является Б.Скиннер. Существуют разновидности линейных программ. Например, С.Пресси предложил осуществлять продвижение вперед по линейной программе только в случае, если обучаемый выбрал правильный ответ из нескольких возможных. Характер адаптации в этом случае остается прежним. Линейные программы относят к классу минимально адаптивных.


Альтернативой линейным программам явились разветвленные про­граммы Н.Краудера. В разветвленных программах разные ответы обучаемого определяют для него разные ветви обучающей программы. При отсутствии ошибок обучаемому предъявляется новая учебная информация, в противном случае возможен возврат к пройденному материалу, либо выдача различных разъяснений, справок, дополнительной информации, либо и то и другое.

Одной из форм построения разветвленных программ является изложение одной и той же учебной информации на трех-четырех уровнях сложности. Перевод обучаемого с одного уровня сложности изложения информации на другой осуществляется по некоторому критерию, в качестве которого, например, используется значение коэффициента усвоения — доли правильно выполненных операций в деятельности обучаемого. Таким образом, порядок обучения может быть различным в зависимости от индивидуальных характеристик обучаемого, т.е. в разветвленных программах адаптация осуществляется не только по времени усвоения, но и по объему учебной информации и порядку ее изложения. Иногда различают смешанные программы, содержащие как линейные, так и разветвленные участки. Большинство существующих АУК построены по принципу смешанных программ. Разветвленные (или смешанные программы) относят к классу частично адаптивных.

Создание адаптивных систем обучения связано с подходом к процессу обучения, как к процессу управления, в котором обучаемый является объектом управления, а АОС — источником управления. Значи­тельный вклад в разработку адаптивных систем обучения внесли Г.Паск, Carbonell J.R., А.М.Довгялло, Л.А.Растригин и другие исследователи. Адаптивный процесс управления обучением рассматривается как процесс принятия решений, в котором выбор пути продолжения обучения существенно зависит от предыстории обучения. Причем выбор одного из путей продолжения обучения не определяется до конца обучающей программы, задается лишь направление движения на очередной шаг. На следующем шаге процесс принятия решения повторяется с учетом новой информации.

Существует несколько подходов к разработке алгоритма принятия решений. Например, выделяются три принципа управления:

§ стабилизация (в этом случае поддерживается постоянное значение некоторого показателя процесса обучения);

§ программное управление (величина некоторого показателя процесса изменяется по заданному закону);

§ оптимизация некоторого показателя процесса обучения (автома­тически устанавливается значение этого показателя, оптимальное с точки зрения того или иного критерия эффективности обучения).

Вопросы оптимизации процесса обучения как процесса управления, расматриваются в ряде работ. Один из наиболее глубоких анализов указанной проблемы проведен в работах Л.А.Растригина. Рассматривается алгоритм управления, являющийся оператором, перерабатывающим исходную информацию в управление:

где: U — информация об управлении обучаемым (об обучающих воздействиях);

X- информация о состоянии среды обучения (в практических

реализациях чаще всего не рассматривается);

Y — информация о состоянии обучаемого;

Z- цели обучения;

R — ресурсы системы обучения.

В общем виде цели обучения формулируются следующим образом:

где: — критерии функционалы, определяемые на состояниях объекта управления (обучаемого).

Цели-неравенства определяют тот минимум знаний и навыков, нарушение которого недопустимо. Цели-равенства связаны с теми знаниями и навыками обучаемого, отсутствие которых недопустимо. Экстремальные цели определяют качество процесса обучения, например: минимизация времени обучения, максимизация степени обученности обучаемого и т.д. Для определения управления (обучающих воздействий) требуется синтезировать оператор . Задача синтеза оператора управления обычно декомпозируется на две:

§ структурный и параметрический синтез модели обучаемого;

§ синтез управления с помощью этой модели.

На стадии структурного синтеза модели обучаемого строится ее описание в виде:

где: f — выбранный оператор, параметры которого определяются затем с помощью психолого-педагогических экспериментов (обычно используется тестирование).

Синтез управления осуществляется следующим образом. Полученная модель обучаемого подставляется в целевые функционалы (1.2) и в результате формулируется многокритериальная задача оптимизации, задаваемая экстремальными целями обучения. Задача оптимизации решается на множестве допустимых управлений, которые определяются ресурсами и целями-ограничениями (1.2).

Процесс обучения носит циклический характер, а значит, на каждом шаге необходимо корректировать (адаптировать) систему управления (модель обучения) в связи с изменением характеристик обучаемого, т.е. корректировать (идентифицировать) значения параметров модели обучаемого с целью — добиться максимального соответствия модели и самого обучаемого.

Описанный подход можно рассматривать как одну из основных методологий проектирования моделей обучения. В рамках указанного подхода разработана и реализована адаптивная система обучения лексике иностранного языка.

Под учебной информацией Un, выдаваемой на n-м шаге обучения, понимается совокупность элементарных порций информации (в рассматриваемом случае — слов), содержательная интерпретация которых зависит от характера ПО обучения. Причем UnÎU, где U — весь объем учебной информации. Состояние на n-м шаге обучения описывается вектором незнания каждого из элементов U:

где: — вероятность незнания i-го элемента U в n-й момент времени. (1.5)

Результат контроля на n-м шаге описывается множеством:

0, если обучаемый дал правильный ответ по i-му элементу Un; 1, в противном случае.

Для корректировки значений в зависимости от результатов контроля используется формула:

где: — скорость забывания i-го элемента U на n-м шаге;

— время с момента последнего заучивания i-го элемента U.

Для оценки скорости забывания используется следующая зависимость:

где: , , (i = 1,2,…,N) — параметры, характеризующие индивидуальные характеристики обучаемого;

0

| следующая лекция ==>
Анализ функциональных структур АОС | Анализ методов построения генераторов и решателей проблем и организации диагностики в АОС

Дата добавления: 2014-01-13 ; Просмотров: 606 ; Нарушение авторских прав? ;

Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет

Terra incognita: открываем мир адаптивного обучения

Анекдотов об Иванове существует великое множество, однако после окончания обучения становится совсем не смешно. Ему не обязательно быть хулиганом, который подкладывает мышей в стол учителю, или зачинщиком драк. Иванов может быть прилежным учеником, примерно себя вести и даже получить золотую медаль. Но после окончания школы, он, с вероятностью в 99,9%, столкнется с жестокой реальностью — его теоретические знания ничего не стоят.

Ищем летающую рыбу и плавающего шимпанзе

Почти десятилетие мы только и делаем, что слушаем учителя и механически повторяем полученную от него информацию. Доходит до смешного: оценка зависит не от практических знаний и умений ученика, а от способности воспроизвести материал максимально близко к тексту. Заучил и забыл. В ВУЗе повторяется та же история, круг замыкается. Парадокс заключается в том, что учитель заполняет собой все пространство урока, не оставляя детям шанса проявить инициативу и творческие задатки. Традиционное обучение заведомо предлагает ученику пассивную роль второго плана, вынуждая педагога фактически работать за двоих.

Система статична. Программа формируется преподавателем до старта учебного года и проводится от заглавной буквы до последней точки. Материал не трансформируется в зависимости от общего уровня знаний класса. Дальше — больше. Некая Марья Петровна может преподавать по одному и тому же учебному плану годами. Нет, ну а что, ведь геометрические формулы и дата взятия Бастилии остаются прежними. Так же как и ком традиционных проблем, который грозится перерасти в лавину:

  • пренебрежение личностными особенностями обучающихся
  • ориентация на “золотую середину”, в ущерб ученикам с низким и высоким уровнем подготовки
  • установка на получение хорошей оценки, а не реальных знаний
  • бездеятельность ученика большую часть урока
  • акцент на заучивание материала, а не воспитание навыков самостоятельной работы
  • сверхнагрузка на педагога
  • тотальный контроль, нацеленный на стандартизацию мышления

Берем курс на адаптивную модель обучения

Система возражений работает на отлично. ТОП-оправдание: “В классе более 30 учеников. Невозможно за 45 минут урока уделить внимание каждому”. Можно было бы согласиться с этим утверждением и продолжать работать по старинке, если бы не технология адаптивного обучения.

Занятие может быть интересным, интерактивным и заточенным под индивидуальные особенности каждого обучаемого. Достаточно просто перенести фокус внимания с учителя на ученика. Адаптивная форма обучения делает акцент на формирование практических навыков и умений, а не на сухую теорию. По итогу каждый ученик использует свои способности по максимуму, а не подгоняется под среднеарифметический шаблон.

Меняется сама структура урока. Монолог преподавателя трансформируется в диалог и коллективную дискуссию, с получением многоканальной обратной связи.

  • Этап 1. Учитель дает новый материал, его объяснение занимает не более 10 минут. С целью формирования компетенций обучающиеся получают задание для проработки в классе. В процессе управления самостоятельной работой учеников, педагог параллельно проверяет домашние работы. Обсуждение выполненных адаптивных заданий происходит тет-а-тет между преподавателем и обучающимся. Такой сценарий исключает публичный разбор ошибок, снижает уровень стресса и страха перед критикой. При этом учитель получает возможность отслеживать индивидуальный прогресс каждого школьника и корректировать программу в зависимости от результатов.
  • Этап 2. Упражнения, над которыми велась работа в классе, проверяет не преподаватель, а сами обучающиеся. Они могут обменяться тетрадями (статическая группа из 2 человек со сменными ролями “учитель-ученик”), перевести контроль в формат дискуссии (динамическая микрогруппа с одним общим заданием) или взаимоконтроля (вариационная группа с разными заданиями и функцией взаимного обучения). Адаптивная технология экономит время учителя, прививает навыки анализа, логики и аргументации своей точки зрения, помогает обучающимся глубже вникнуть в материал. Задача педагога — привить умения рецензирования и взаимного оценивания.
  • Этап 3. Ученики работают в классе самостоятельно, уровень заданий зависит от индивидуальной подготовки каждого школьника. Материал дифференцируется по нарастающей — от легкого до более сложного. Строгие временные рамки не устанавливаются, то есть работа проходит в свободном темпе. Активное самообучение (чтение, поиск новой информации, решение задач) нацелено на выработку приемов исследовательской деятельности, самоконтроля и развитие творческого потенциала. По мере выполнения заданий учитель оценивает полученный результат и публично хвалит за достижения для повышения самооценки учеников.

Новая точка на карте системы обучения

Методы адаптивной технологии строятся на обязательной предварительной проверке знаний. Для трансформации материала под конкретного ученика, необходимо определить его изначальный уровень компетенций.

Подобный подход требует основательной проработки со стороны преподавателя, начиная с создания базового тестирования для выявления скрытых задатков обучающегося и заканчивая генерацией гибкой многоуровневой программы.

Ученик превращается из пассивного получателя знаний в мыслителя и деятеля. Трансформируется и роль педагога. Он становится наставником и организатором познавательного процесса, который прививает навыки:

  • самостоятельного поиска и анализа информации
  • креативности
  • работы в группе
  • критического и логического мышления
  • аргументированного оценивания
  • обоснования и отстаивания своей точки зрения
  • ведения дискуссии
  • самоконтроля
  • адекватного восприятия критики
  • принятия решений
  • нестандартного подхода к выполнению заданий

Плюсы очевидны. Казалось бы, осталось просто брать и применять. На деле же традиционная модель продолжает преобладать в школах, ВУЗах и даже в дистанционном обучении. Система сопротивляется всему чужеродному, поэтому ее нужно не ломать, а трансформировать. Курс задан, осталось только поймать попутный ветер и открыть на карте мира неизведанные земли адаптивного обучения. Готовы стать первопроходцем?

Автор: Ольга Корбан
Копирайтер проекта eTutorium. Автор и редактор тематического блога.

design_thinker

BLANK design management magazine

УПРАВЛЕНИЕ ТВОРЧЕСТВОМ, ДИЗАЙНОМ И ИННОВАЦИЯМИ

Рецепт инноваций: модель agile

Методы адаптивной — agile — модели полностью преобразили информационные технологии. За последние 25—30 лет в создании ПО существенно возросла доля ­удачных, качественных результатов, новые ­продукты быстрее выходят на рынок, а гораздо более мотивированные, чем прежде, программисты работают намного плодотворнее.

Сейчас адаптивная (agile) модель — а ее ценности, принципы, методы и плюсы полностью противоположны принятым при авторитарном стиле управления — становится все более популярной в самых разных отраслях, видах деятельности и даже у руководителей верхнего звена. Американское Национальное общественное радио по этой модели создает новые программы, John Deere — разрабатывает технику, Saab — реактивные истребители. Компания Intronis, один из ведущих вендоров ПО и облачного хранения данных, применяет ее в маркетинге. C. H. Robinson, глобальная компания, которая специализируется на грузоперевозках и логистике, — в управлении кадрами. Винодельческая компания Mission Bell Winery — во всем, от производства вина до хранения на складах и организации работы своих топ-менеджеров. А GE благодаря адаптивной модели ускорила свое широко освещавшееся в прессе преображение из промышленного конгломерата ХХ века в цифровую промышленную корпорацию XXI века. Адаптивная модель, согласно которой людей вырывают из живущих изолированно отделов и включают в сводные самоуправляемые и ориентированные на клиентов группы, не только подстегивает прибыльный рост, но и помогает воспитывать новое поколение опытных руководителей бизнеса.

Распространение методов адаптивной модели говорит об их заманчивых возможностях. Представьте себе, что рентабельность новой продукции выросла бы на 50%. Что благодаря маркетинговым программам компания получала бы на 40% больше заказов. Что отделы персонала могли бы брать на работу на 60% больше самых нужных компании специалистов. Что вдвое больше стало бы сотрудников, вкладывающих душу в работу. В ИТ-сфере все это, благодаря адаптивной модели, стало реальностью. Перед другими отделами компании она тоже открывает радужные перспективы.

Но есть серьезное осложнение. Когда мы спрашиваем топ-менеджеров, что они знают о принципах адаптивности, они в ответ смущенно улыбаются и выдают какую-нибудь остроту вроде «достаточно, чтобы напугать любого». Они могут сыпать терминами, употребляемыми последователями адаптивности — «спринт», «временные окна», — утверждать, что их компании становятся все маневреннее. Но поскольку подготовки у них маловато, модель эту они толком не понимают и, при самых благих намерениях, все равно управляют так, что это не имеет ничего общего с принципами адаптивности, и не дают продуктивно работать специалистам из подотчетных им подразделений.

Эти топ-менеджеры предлагают бесконечные инициативы, навязывая жесткие сроки, вместо того, чтобы ограничиться двумя-тремя действительно важными. Они берут на себя и взваливают на лучших специалистов слишком много проектов. Они слишком часто устраивают совещания с членами адаптивных групп, отвлекая их от работы или вынуждая специалистов посылать кого-нибудь вместо себя. Они активно вмешиваются в работу групп, говорят больше, чем слушают, продвигают слабые идеи, от которых группа уже отказалась. Они раз за разом опровергают решения группы и, чтобы она не повторяла ошибок, усложняют процедуры оценки и контроля. Из лучших, возможно, побуждений они разрушают все то хорошее, что дает адаптивная модель.

Все в ней завязано на инновациях. Повседневной работе и рутинным процессам она дает меньше, но сейчас большинство компаний существует в высшей степени изменчивой обстановке. Им нужны не просто новые продукты и услуги — им нужны еще и инновационные рабочие процессы, особенно учитывая, как быстро появляется новое ПО. И в компаниях, которые поощряют адаптивные методы, разработчики быстро поставляют инновации обоих видов.

Мы такие компании консультируем и изучаем, и результаты наших изысканий позволили нам сформулировать шесть важных правил, которые весьма пригодились бы руководителям, желающим воспользоваться всеми плюсами адаптивной модели.

Идея коротко

Методы адаптивной модели — скрам (scrum), то есть «свалка вокруг мяча», а также «точно в срок» (или «канбан»)» и «бережливость» в разработках — берут на вооружение, помимо ИТ, и другие подразделения. При этом одни компании отмечают серьезные улучшения в производительности, скорости выхода продукции на рынок и удовлетворенности потребителей и сотрудников, тогда как другим извлечь пользу из этой модели не удается.

Руководители толком не понимают, что такое адаптивная модель. Поэтому они по-прежнему применяют обычные управленческие методы, тем самым мешая выполнению «адаптивных» проектов.

Изучите азы адаптивной модели. Проанализируйте, в каких условиях она работает, в каких — нет. Начинайте с малого, а там пусть ее методы распространятся естественным образом. Разрешите разработчикам-«передовикам» адаптировать их к своим нуждам. Применяйте эти методы на высшем уровне. Устраните то, что ­мешает работать по адаптивной модели.

1 Понять суть адаптивной модели

В любом ее варианте есть то, что, воспользовавшись терминами игры в регби, назвали скрам (scrum) — «свалка вокруг мяча»: в регби игроки, чтобы завладеть мячом и вести его дальше по полю, выстраиваются плотной стеной вокруг мяча. Этот метод командной игры требует слаженности действий и четкого понимания целей. В бизнесе он рассчитан на творческое и гибкое сотрудничество коллектива, гибкость в решении сложных проблем; следование принципам «бережливости» в разработках, то есть постоянное устранение лишнего, и «точно в срок» (или «канбан»), который требует сокращать по ходу дела производственный цикл и объем работы. Поскольку метод скрам и его производные применяются как минимум в пять раз чаще других, мы покажем на его примере, что такое адаптивность.

Основные правила метода скрам вполне просты. Организация формирует небольшую, от трех до девяти человек, сводную группу. В нее входят люди всех нужных для решения ее задач специальностей. Они сами управляют своей работой и отвечают за каждый ее аспект.

Задача «ответственного за инициативу», то есть за разработку, — гарантировать, что продукт будет полезен клиентам (в том числе сотрудникам компании и будущим пользователям) и самой компании. Обычно на эту роль приглашают человека из бизнес-подразделения, и он не только работает с группой, но и взаимодействует с представителями ключевых групп интересов: клиентами, топ-менеджерами, руководителями всех бизнес-подразделений. Чтобы собрать внушительный запас многообещающих идей, он может применять разные методы: дизайнерское мышление, крауд­сорсинг и т. д. Он постоянно упорядочивает список идей согласно самым последним оценкам их полезности для сотрудников и внешних клиентов, а также для компании.

Ответственный за продукт не говорит, кому что делать и сколько у кого времени на задание. Группа сама составляет общий план и ­подробно расписывает только то, что наверняка не изменится до конца проекта. Первоочередные задачи разбивают на небольшие модули, определяют сроки и способы выполнения, четко формулируют, при каких условиях задача будет считаться решенной, и начинают создавать рабочие версии продукта, трудясь короткими, меньше месяца циклами — спринтами. Всей работой руководит другой человек — ведущий, который обычно заранее осваивает тонкости метода «свалки вокруг мяча». Ведущий следит, чтобы группу ничто не отвлекало, и помогает ей пользоваться в деле коллективным разумом.

Этот процесс прозрачен для каждого. Члены группы ежедневно на летучках оценивают свои успехи и выявляют ошибки. Разногласия устраняются не в бесконечных дебатах и не обращениями к начальству, а экспериментами и профессиональной критикой. Группы в сжатые сроки тестируют работающие прототипы продукта или его отдельные элементы, привлекая к этому всего нескольких клиентов. Если продукт им нравится, его могут выпустить сразу, даже если кто-нибудь из топ-менеджеров не в восторге или считает продукт ­недостаточно «навороченным». Затем группа в ходе мозгового штурма определяет, как усовершенствовать будущие циклы, и готовится решить ­следующую первоочередную задачу.


У методов адаптивной модели, в отличие от традиционных управленческих приемов, множество плюсов — все они изучены и описаны. Благодаря им растет производительность группы и удовлетворенность сотрудников. Они минимизируют потери от слишком частых совещаний, повторного планирования, избыточного документирования, не всегда высокого качества и низкой ценности ­продукта для ­пользователей. Адаптивная модель предполагает, что разработчики держат клиентов в курсе того, как идут дела, постоянно учитывают их изменяющиеся интересы, а значит, гарантирует, что клиенты действительно участвуют в процессе, а потому больше удовлетворены результатами. Кроме того, эти методы позволяют быстрее и более предсказуемо, с меньшим риском выпускать нужные людям продукты. Поскольку они предусматривают равноправное сотрудничество специалистов из разных областей знания, они расширяют опыт организации и способствуют взаимному доверию и уважению в коллективе. Наконец, поскольку в рамках этой модели меньше времени тратится впустую на ручное управление проектами, руководство может посвятить себя более важной работе, которую за него никто не выполнит. Его дело — формировать и корректировать корпоративную идеологию, решать, какие стратегические инициативы имеют первоочередное значение, рационализировать работу и следить, чтобы сотрудники не отвлекались от главного, определять, кому поручить то или иное задание, стимулировать межфункциональное сотрудничество и устранять все, что мешает идти вперед.

2 Понять, когда адаптивная модель нужна, а когда — нет

Адаптивная модель — не панацея. Особенно она хороша для разработки ПО: проблема, которую предстоит решать, сложна, каким будет решение — неизвестно, требования к продукту, скорее всего, изменятся, работа легко разделяется на модули, можно наладить тесное сотрудничество и обратную связь с конечными пользователями, и понятно, что группы, которым дают возможность творить, справятся со своими задачами лучше управляемых сверху.

Как показывает наш опыт, именно так разрабатывают новинки многие подразделения, осуществляются маркетинговые проекты, выстраиваются стратегии, решаются проблемы снабжения и распределения ресурсов. Эти условия менее характерны для рутинной деятельности вроде обслуживания и эксплуатации заводского оборудования, снабжения, обзванивания потенциальных покупателей, бухгалтерского учета (см. врезку «Условия, подходящие для адаптивной модели»). И поскольку адаптивная модель требует подготовки, изменения привычных способов работы и, как правило, — новых ИТ, руководителям надо решить, стоит ли овчинка выделки.

Илон Маск рекомендует:  Что такое код asp dirbrowseshowtime

Чтобы работать по адаптивной модели, нужен костяк энтузиастов. Один из главных ее принципов таков: «Рассчитывайте на мотивированных людей. Создайте им условия, обеспечьте им необходимую поддержку и доверьтесь им. Остальное они сделают сами». Если большинством голосов компания, отдел или группа решает работать по адаптивной модели, то руководителю, возможно, придется отстранить от проекта, а то и заменить несогласных с этим. Хотя лучше, конечно, если энтузиасты и их перетянут на свою сторону.

Таким путем пошла фирма OpenView Venture Partners, капитал которой инвестирован примерно в 30 компаний. От нескольких из них основатель фирмы Скотт Максвелл и узнал об адаптивной модели. Он стал применять ее методы у себя в организации. И выяснил, что одним видам деятельности они подходят больше, другим — меньше. К примеру, они вполне применимы к стратегическому планированию и маркетингу: там сложные проблемы обычно можно разбивать на модули и решать силами сводных групп. С продажами все обстоит иначе: любой звонок клиенту с предложением может изменить список первоочередных дел торгового агента, а снова собирать группу продаж, перетасовывать портфель и каждый час переназначать ответственных за инициативу слишком­ хлопотно.

Максвелл организовал для компаний из портфеля OpenView тренинги, на которых людей ознакомили с азами адаптивной модели, и предоставил им самим решать, работать по ней или нет. Одним эта идея понравилась сразу, другие воздержались. В числе энтузиастов оказалась Intronis. Тогда ее маркетинговый отдел работал по годовому плану, упор в котором делался на показатели продаж. Отдел продаж жаловался, что маркетинг чересчур консервативен и особого толку от него нет. И компания пригласила Ричарда Делахея, бывшего разработчика веб-сайтов, который переквалифицировался в маркетолога, и поручила ему перевести Intronis на адаптивную модель. Под его руководством маркетологи стали, в частности, за несколько дней, а не недель, разрабатывать тематические вебинары. (Быстро подготовленный вебинар о хакерской программе CryptoLocker собрал 600 зарегистрировавшихся участников; пока для компании это рекорд.) Группа по-прежнему составляет графики и бюджет для отдела цифрового маркетинга, но теперь у нее гораздо больше свободы маневра на случай непредвиденного развития событий. Продавцы довольны.

Принципы адаптивной модели

В 2001 году 17 разработчиков ПО, в том числе Джефф Сазерленд, собрались в Сноубёрде (штат Юта), чтобы обсудить, как улучшить традиционный каскадный принцип разработки, при котором этапы выполнения проектов составляют заранее, а потом передают из отдела в отдел. Такой принцип хорош, когда все стабильно, но не тогда, когда рынки ПО начали изменяться быстро и неожиданно, ПО устаревали к тому времени, как попадали к пользователям, а разработчикам приходилось преодолевать слишком много бюрократических препон.

Заговорщики договорились о четырех ориентирах в разработке ПО, сформулировали правила перехода на них и назвали свой документ «Манифестом адаптивной разработки». И с тех пор концепция, сформулированная с учетом этих ориентиров и правил, известна как адаптивная модель.

Вот сокращенный вариант манифеста.

Сначала — люди, потом — процессы и инструменты

Проекты надо затевать в расчете на мотивированных людей, которым гарантируют необходимую поддержку и право самостоятельно работать. Сотрудники должны общаться и обсуждать, как создать самую благоприятную обстановку на работе, а руководство — устранять все, что мешает плодотворному сотрудничеству.

Реагировать на перемены, а не выполнять план

Подробные прогнозы и планы традиционного управления проектами — пустая трата времени и денег. Группы должны планировать только работу над заданиями, которые не изменились ко времени их получения. И радоваться информации, пусть даже запоздалой, об обстоятельствах, задавших иное направление работе. Она только приблизит разработчиков к потребителям и поможет получить лучшие результаты.

Рабочие прототипы, а не бумажная волокита

Разработчики, которые видят плоды своего труда в реальных рыночных условиях, быстрее собирают информацию, лучше себя чувствуют, дольше работают в компании и более качественно делают свою работу. Группы должны быстро тестировать элементы продукта с помощью нескольких клиентов и сохранять понравившуюся им версию.

Сотрудничество с клиентами, а не жесткий договор

Срок вывода продукта на рынок и его стоимость — главное, а технические характеристики должны изменяться в ходе проекта, поскольку клиенты редко могут сказать заранее, чего им на самом деле захочется. Быстрое прототипирование, частые испытания в рыночных условиях и постоянное сотрудничество с клиентами заставляют разработчиков делать именно то, что те в итоге оценят.

3 Начинать с малого — и пусть идет молва

Обычно внедрение принципиально нового крупные компании понимают как масштабное действо. Но в большинстве случаев удачного перехода на адаптивную модель дело начиналось с малого. Обычно пальму первенства держит ИТ-отдел: разработчики ПО, как правило, уже знакомы с ее методами. После этого новую модель может внедрить какой-нибудь другой отдел, причем первопроходцы берут на себя роль наставников. И после каждого нового успеха у модели появляются восторженные последователи, готовые при каждом удобном случае рассказывать всем и каждому в организации о плюсах модели.

В качестве примера расскажем, как адаптивную модель полюбили в John Deere, компании, которая производит сельхозтехнику. Джордж Тоум, инженер-программист, стал руководителем проекта в ИТ-отделе компании и в 2004 году начал применять ее методы — пока в очень скромных масштабах. В следующие несколько лет на адаптивную модель перешли программисты из других подразделений Deere. Интерес к ее методам возрастал, и это упростило внедрение модели в отделах развития бизнеса и маркетинга.

В 2012 году Тоум работал менеджером в отделе Enterprise Advanced Marketing, входившем в состав подразделения НИОКР, которое изобретало технологии, принципиально изменяющие продукцию Deere. Джейсон Брентли, глава подразделения, считал, что традиционные методы управления проектами будут тормозить работу, и они с Тоумом решили проверить, не поможет ли адаптивная модель ускорить дело. Тоум пригласил еще двух глав подразделений на тренинг, посвященный ее методам. Но всю терминологию и все примеры он взял из области разработок ПО, и для одного из слушателей — не-программиста это была китайская грамота. Тоум понял, что и остальные будут реагировать так же, и нашел специалиста, который умел объяснять суть адаптивной модели не-программистам. За последние несколько лет они с этим специалистом подготовили коллективы во всех пяти центрах подразделения НИОКР. Кроме того, Тоум стал каждую неделю публиковать короткие, на одну страничку, заметки о правилах и методах новой модели. Он рассылал их по электронной почте всем заинтересовавшимся, а потом размещал на сайте Deere — Yammer. В обсуждении участвовали сотни сотрудников компании. «Я хотел создать базу знаний об адаптивной модели, но с учетом специфики Deere, чтобы каждому у нас все было понятно, — говорит Тоум. — С этого началось бы освоение метода всей компанией».

Благодаря методам адаптивной модели в подразделении Enterprise Advanced Marketing существенно, иногда более чем на 75%, сократились сроки выполнения инновационных проектов. Например, прототип «дизайна внешнего облика машины» (информацию о ней Deere еще держит в секрете) создали примерно за восемь месяцев. «Прежде, когда мы работали традиционным образом, это в лучшем случае заняло бы года полтора, а то и два с половиной — три», — говорит Брэнтли. Есть и другие приятные последствия. Теперь весь коллектив болеет за дело и каждый доволен своей работой: соответствующие показатели переместились из нижней трети сводных результатов компании в верхнюю треть. Повысилось качество. Скорость, то есть объем выполненной в каждом цикле работы, выросла в среднем более чем на 200%; некоторые группы работают более чем на 400% быстрее, а одна даже на 800% — это настоящий рекорд.

Такие успехи не остаются незамеченными. Сейчас, по словам Тоума, почти во всех подразделениях John Deere кто-нибудь либо осваивает адаптивную модель, либо размышляет, как перейти на нее.

Авторы: Даррелл Ригби (Darrell K. Rigby) — партнер ­бостонского офиса Bain & Company, он возглавляет глобальные экспертные группы компании по инновациям и розничной торговле. Джефф Сазерленд (Jeff Sutherland) — один из авторов методов скрам (scrum) адаптивной модели; ­генеральный директор Scrum, Inc., консалтинговой и образовательной фирмы. Хиротака Такеучи (Hirotaka Takeuchi) — преподаватель кафедры стратегии Гарвардской школы бизнеса.

Адаптивная модель вpемя выполнения

Управлять трудно, поэтому умные с охотой препоручают эту обязанность дуракам — для них трудностей не существует!

Гуго Штейнхаус (польский математик)

Введение

Общеизвестно, что управление объектами, различными по своей природе — техническими, социально-экономическими, военными системами и т.п., можно сформулировать в виде трёх общих принципов, включающих в себя:

  • единство структурно-функциональных описаний управляемой системы;
  • наличие внешней среды, определяющей поведение и функционирование управляемой системы;
  • цели, реализуемые в виде функций или задач оптимального управления, а также критерии оптимальности.

Вместе с тем существенное отличие экономических систем, в частности предприятий, создаваемых с целью бизнеса, от технических обусловлено качественным различием их параметров. Параметры в технических системах имеют, как правило, строго определенные физические размерности и закономерности поведения. Их формализация происходит на основе определенных физических законов и с применением сложных, но в целом строгих математических описаний. Для экономических систем проведение математической формализации трудно реализуемо вследствие возникающих трудностей описания поведения их элементов и взаимосвязей между этими элементами за счёт неопределенности изменения внутренних параметров, в том числе — за счёт человеческого фактора. Но всё же главной причиной трудностей формализации параметров и собственно процесса управления является высокая степень неопределенности параметров внешней среды — рынка, конкуренции, возможных периодических кризисов и иных видов рисков.

Одним из возможных способов компенсации трудностей формализации параметров экономических систем является применение методов адаптивного управления подобными системами. Под «адаптивным управлением»понимается совокупность методов управления, позволяющих синтезировать системы управления, имеющих возможность изменять её параметры регулятора или структуру регулятора в зависимости от изменения параметров объекта управления или внешних возмущений, действующих на объект управления. «Регулятор» — в теории управления устройство, которое следит за работой объекта управления как системы и вырабатывает для неё управляющие сигналы [1].

В данной работе на основе анализа различных принципов адаптивного управления предложен вариант системы адаптивного управления, реализованной на основе параллельно работающих динамических моделей внешних и внутренних денежных потоков объекта управления. Проведен анализ временных характеристик процесса управления, а также рассмотрен один из возможных сценариев управления предприятием и процесса принятия управленческих решений.

1. Обзор известных методов адаптивного управления предприятием

На Рис. 1 представлена обобщенная авторами структурно — функциональная модель адаптивного управления, описываемая в частности в работах [2, 3] и других. При адаптивном управлении структура регулятора позволяет производить анализ результатов моделирования на прогнозной модели и совершать итерационные вычисления по поиску оптимального значения параметров матрицы рассогласования.

Для целевой функции С, включающей в себя совокупность всех параметров внешней среды и параметров управления Xi, множество внутренних параметров управляемого объекта и системы управления — Y можно выразить как:

Рассмотрим нюансы вариантов реализации систем адаптивного управления.

В терминах ДОТУ — «достаточно общей теории управления», заимствованных из вычислительной техники, используется понятие «управление по схеме предиктор-корректор». Оно строится на основе прогнозирования в процессе управления поведения замкнутой системы (объект плюс система управления) на основе информации о её текущем и прошлых состояниях и воздействии на неё окружающей среды. Прогнозная информация подаётся на вход анализатора-регулятора, а система управления реагирует не только на уже свершившиеся отклонения замкнутой системы от идеального режима, но и на те, которые спрогнозированы к осуществлению. Таким образом, в схеме предикторкорректор обратная связь замыкается через прогнозируемое будущее [4].

В работе [5] предлагается обеспечивать обучение адаптивных систем управления на основе метода прецедентов. Прецедент (от лат. praecedens — предшествующий) — случай или событие, имевшие место в прошлом и служащие примером или основанием для аналогичных действий в настоящем. Вывод на основе прецедентов — это метод принятия решений, в котором используются знания о предыдущих ситуациях или случаях (прецедентах). В базе данных ищется похожий прецедент в качестве аналога с возможной адаптацией к текущему случаю, либо производится поиск нового решения, которое вносится в базу прецедентов вместе со своим решением для его возможного последующего использования. Более формальное определение дано в работе [6].

Наиболее интересна двушкальная система адаптивного управления экономическими системами, представленная в работе [7]. Она состоит из элементов «быстрой рабочей шкалы времени» — моделей непрерывно рассчитываемых альтернативных вариантов бизнес-планов, динамического анализа рисков, принятия решений по выбору вариантов управления, настраиваемой имитационной модели управляющих воздействий и собственно управляющих органов. Элемент «медленной шкалы времени» — управляемый объект, реализующий свой бизнес (производство товаров и услуг) в реальном масштабе времени.

Понятия быстроты или медленности двух шкал в достаточной степени условны. Любое ритмично работающее производство имеет свой суточный, недельный, месячный и более длительные планы, которые теоретически ограничены сверху его производственной мощностью, а снизу — возможностями рынка сбыта потреблять производимые и продаваемые на этом рынке его товары или услуги. Но если система управления предприятия технически обеспечивает возможности генерировать в сутки достаточное для принятия управляющих решений количество вариантов управления, то это процесс неизмеримо более быстрый, чем возможность изменения параметров реализуемого производственного плана.

Если проблемы быстродействия моделирования вариантов управления и принятия решений по ним решены, то главными становятся проблемы качества этих вариантов, во-первых, — точности прогнозирования на основе выбранных критериев оценки, во-вторых, — формирования шкал модельного времени наблюдений, индикации моментов изменения положения управляемой системы относительно внешней среды и принятия решений на проведение управляющих воздействий.

2. Динамическая схема адаптивного управления

В работе авторов [8] предложена оригинальная динамическая схема моделирования денежных потоков (Cash Flow) в бизнес-планах: чистого денежного потока по периодам планирования — NCFt, суммарного чистого денежного потока по всем периодам — NPV и чистого дисконтированного денежного потока — NPVd.

В настоящее время используются традиционные схемы статического моделирования денежных потоков, когда при расчете параметров денежных потоков в заданном периоде параметры моделирования не меняются. Связь осуществляется на этапе суммировании по всем периодам NCFt и вычислении либо NPV, либо дальнейшего значения NPVd. Моделирование заключается в последовательном переборе входных данных и получении наборов результатов. Если результат моделирования приемлем, то моделирование считается законченным, если нет — перебор продолжают.

Предлагаемая динамическая схема моделирования представлена на Рис. 2. Значение остатка оборотных средств в t — м периоде планирования описывается следующим беллмановским рекуррентным выражением:

(2)
ΔNCF(t-1) — остаток денежных средств в (t — 1) — м периоде планирования.
S(t)— поступления предприятия, включая:
U(t) выручку от продаж продукции, финансовые заимствования (инвестиции и кредиты), внереализационные доходы в t — м периоде планирования;
Z(t) — затраты предприятия в t — м периоде планирования.

При планировании и расчете денежных потоков выполняются следующие аксиоматические условия.

    • Непрерывности и связности
    • Устойчивости системы — (3)
    • Минимизации остатков оборотных средств —
    • Максимизации чистого денежного потока

В Таблице 1 представлен пример оформления бизнес-плана, смоделированного на основе схемы, представленной на Рис. 2. и условий (2) и (3) Полное описание математических моделей предлагаемой схемы и примеры моделирования приведены в работе одного из авторов [9].

Принципиальным достоинством предлагаемой модели является её инвариантность к моделированию денежных потоков для собственного или инвестиционного капитала. Следует правильно задать данные, например, для модели денежного потока собственного капитала нет необходимости задавать параметры внешних финансовых обязательств — кредитов или инвестиций, а для модели денежного потока инвестированного капитала эти параметры задаются в пределах поставленных задач – оценки, инвестиционного проектирования или управления бизнесом.

Из условия (3) выведен аксиоматический принцип чувствительности: «Сколь угодно малое изменение в периоде моделирования численного значения любого входного параметра моделируемой системы приводит к пропорциональным изменениям численных значений всех выходных моделируемых параметров на этом и всех последующих после этого периодах».

Приведенный пример моделирования демонстрирует возможности динамической модели, как программируемого автомата, практически недостижимые для традиционной схемы моделирования денежных потоков.

И, наконец, главное. Встраиваемые в двушкальную модель управления подобные динамические модели управления позволяют без труда строить в реальном масштабе времени любое количество копий сравниваемых между собой моделей состояний прогнозных и реальных объектов управления и формировать сигналы рассогласования. Поэтому она была использована в качестве базового элемента для разработки структуры оригинальной системы адаптивного управления — Рис. 3.

Рис. 3. Структура системы адаптивного управления предприятием

Процесс управления осуществляется следующим образом. Задано множество А параметров <X1, X2 Xn> модели CashFlowпрогнозных планов и множество В попарно однородных с А параметров — <Y1, Y2 Yn> в модели CashFlowпараметров наблюдения реального процесса бизнеса. При этом для подмножеств попарно однородных, но разновеликих параметров, — А1<X1, X2 Xm> и В1<Y1, Y2 Ym> выполняются условия:

Условие (4) позволяет осуществить следующую операцию поэлементного вычитания параметров из подмножества А1подмножества В1:

(5)
— подмножество рассогласований параметров.

В модели анализа рассогласований информация, содержащаяся в подмножествах А1, В1 иC1, в совокупности с информацией о рисках бизнеса используется лицом, принимающим решение (ЛПР) для принятия решения об использовании того или иного варианта управления.

3. Определение шкал модельного времени

Назовём « шкалой модельного времени» — множество интервалов времени , на которых наблюдается изменение дискретных значений параметров моделируемого или управляемого предприятия.

Введем понятие « порога наблюдений» барьерной величины m— го параметра рассогласования — Zm в модельном времени, для регистрации значения возможной точки бифуркации, когда при превышении порога Zmiв j-й период времени потенциально возможна, но ещё не обязательна смена состояния управляемой системы. Минимальное рассогласование — Zmj связанно с Zmследующей зависимостью:
(6)

Величина интервала времени — tnb, в течение которого формируется рассогласование Zmj, называется « минимальным интервалом наблюдений ». Последовательность tnb, просуммированных по величине длительности интервала, называется « модельным временем наблюдений » и обозначается как — Tnb. На Рис. 4 представлен процесс формирования параметра рассогласования Zm.

Расчёт величины порога чувствительности — Zmi в зависимости от величин рассогласования — Zmj осуществляется на основании следующего выражения:
(7)

Наблюдение и анализ интервала времени Tnb формирования Zmпозволили сформировать новый ряд модельного времени — « модельное время индикации моментов потенциальной бифуркации » с интервалом индикации точек бифуркации — Tbf длительностью примерно в неделюитретье модельное время — «время принятия и реализации решений» с интервалом — Trhпримерно в один календарный месяц.

4. Анализ порогов, точек бифуркации и моментов принятия решений

Анализ основных параметров денежных потоков, используемых при управлении, осуществляется из ряда параметров, сформированных в работе [8] при анализе модели CashFlowпрогнозных планов модели CashFlowпараметров наблюдения реального процесса бизнеса. К вспомогательным параметрам, используемым для формирования планов выручки и затрат, или наблюдения за потоком фактических данных в t — м периоде планирования/наблюдения, относятся:

  • K(t) — себестоимость единицы продукции;
  • P(t) — отпускная цена единицы продукции;
  • X(t) — количество единиц продукции, продаваемых в t— м периоде планирования/наблюдения;

К выходным параметрам, определяющим базовые финансовые показатели предприятия в t — м периоде планирования/наблюдения, относятся:

  • S(t) — затраты предприятия, направляемые на обеспечение его хозяйственной деятельности и погашение финансовых обязательств.
  • U(t) — выручка от реализации товаров и услуг;
  • NCF(t) — значение чистого денежного потока (чистая прибыль плюс амортизация);
  • NCF(t)остаток оборотных средств.

В общем случае под «периодом планирования/наблюдения» понимается интервал производства и продаж, равный интервалу принятия решения — Trhв один календарный месяц и более — квартал/год. В реальной системе управления эти данные отслеживаются ежесуточно, т.е. в каждом интервале наблюдения.


В предыдущем подразделе мы ввели понятие «порога наблюдений» и принципов его формирования на основе его дискретных составляющих. Но ввести понятие и определить способ его формирования — полдела. Необходимо для каждого из существенных вспомогательных или выходных параметров в процессе производства и продаж определить процедуру численного вычисления значений этого «порога чувствительности», которые являются критическими для процесса производства и продаж и потенциально требуют возможного принятия решений о коррекции параметров управления.

Если предприятие работает долго, накапливаются ретроспективные данные о его производственно-финансовой деятельности, жизненных циклах предприятия и производимых им изделий. При этом несложно построить тренд ретроспективных данных и далее провести экстраполяцию прогнозных данных.

С другой стороны данные о величине порога чувствительности, формируемые за неделю, естественно, не могут дать достоверного суждения о текущем поведении бизнеса. Вот если накопленная за эту неделю наблюдений величина порога составляет единицы процентов роста или спада продаж от планируемого месячного выпуска — это, безусловно, серьезно, особенно, если данные экстраполяции накопленных за периоды наблюдения данных свидетельствуют о сохранении или, тем более, — усилении выявленной тенденции.

На Рис. 5 графически представлены изменения трёх параметров управления — X(t), U(t) иS‘(t) — стоимости материальных запасов в затратах S(t) — на всех трёх интервалах модельного времени. События, проиллюстрированные на рисунке, развиваются по следующему, вполне правдоподобному сценарию.

  • На первом интервале модельного времени индикации выявлена тенденция роста выручки — U’(t) от продаж продукции предприятия. Рост достаточно значительный на 14,8% за интервал индикации — 7 дней.
  • Принимается решение — увеличить объёмы производства в единицах продукции — X(t) с целью удовлетворения внезапно выросшего спроса на продукцию предприятия.
  • Одновременно к концу первого интервала индикации отмечено снижение объёмов производства в единицах продукции — X‘(t) по внутрипроизводственным причинам ( станок сломался — ремонтировали, специалисты уволились — новых нанимали и т.п. ). Данный факт отражен на падении объёмов производства ниже расчётного минимального порога производства в начале второго интервала модельного времени — Z1[X(t)].
  • Рост объёмов продаж потребовал повышенного расхода материальных запасов S‘(t): сырья, материалов или полуфабрикатов. На первом интервале модельного времени индикации принимается решение о закупке и допоставке дополнительных материальных запасов.
  • В начале второго интервала модельного временииндикации принятое на первом интервале решение начинает выполняться: оплачена и организована поставка дополнительных материальных запасов, наняты дополнительные рабочие или организовано продление рабочих смен за счёт сверхурочной работы основного персонала.
  • Однако недостаток материальных ресурсов, упавших в начале второго интервала модельного времени ниже расчётного минимального порога материальных запасов — Z2[S(t)],не позволяет обеспечить не только рост, но и подержание достигнутого объёма выручки от продаж. Абсолютная величина ежедневной выручки — U’(t) падает. Величина потенциально возможной, но недополученной выручки растёт. Кривая недополученной выручки также приведена на Рис. 5.
  • Лишь к середине второго интервала модельноговремени индикациипоставка на склад дополнительных материальных запасов, и достаток рабочего персонала позволяют организовать ритмичный и последовательный рост выпуска и продаж продукции. Абсолютная величина ежедневной выручки — U’(t) начала расти, а величина потенциально возможной, но недополученной выручки начала падать.
  • В начале третьего интервала модельного временииндикации спрос на продукцию и, соответственно, абсолютная величина ежедневной выручки от продаж — U’(t) растёт, а затем стабилизируется. Поставки материальных запасов и производство в единицах продукции также стабилизируется.

Какие же выводы можно сделать из результатов представленного сценария адаптивного управления?

1. Основной причиной недополучения выручки являются ошибочно установленные при прогнозном планировании модели CashFlowпрогнозных планов — (X(t), S(t), ∆U(t)) пороги минимальных материальных запасов и единиц выпускаемой продукции, а также задержки их сверхнормативных поставок и задержки организации дополнительного производства продукции не позволили получить дополнительную сверхнормативную выручку.

2. Проведенные менеджментом предприятия мероприятия по исправлению критической ситуации в реальном масштабе времени происходили с запаздыванием и не позволили полностью реализовать производственно-сбытовой потенциал предприятия.

3. Для своевременного реагирования на описанные в сценарии критические ситуации необходимо поддерживать уровни материальных запасов и единиц продукции на некотором избыточном уровне. Иными словами, результаты прогнозного планирования должны представляться в виде некоторого диапазона, в который должны укладываться формируемые далее фактические данные деятельности предприятия. Рис. 7 иллюстрирует, как возможный диапазон изменения фактических данных модели CashFlowпараметров наблюдения из приведенного выше сценария — X‘(t), S‘(t), ∆U'(t)связан с диапазоном аналогичных величин произведенного заранее на модели CashFlowпрогнозных планов — <X (t), S(t), ∆U(t)>.

4. Приведенное на Рис. 7 соотношение диапазонов прогнозного планирования и фактических на этот период планирования данных иллюстрирует ситуацию практически оптимального управления в данной адаптивной системе.

Заключение.
Ввиду необъятности данной темы авторы изложили фрагментарно лишь некоторые свои взгляды на процессы моделирования и управления адаптивных систем. В том числе:

  • В данной работе проведен анализ вариантов организации систем адаптивного управления и предложен оригинальный вариант реальной системы адаптивного управления предприятием, в основу которой использованы динамические рекурсивные модели денежных потоков прогнозных и реальных данных.
  • Предложены определения и проведено моделирование шкал и интервалов модельного времени в системе управления, а также порогов наблюдений и условий изменения (коррекции) управленческих решений.
  • В качестве основного элемента системы управления предложена модель анализа рассогласований, момента бифуркации и принятия решений, в которой ключевым элементом является ЛПР. Сам процесс адаптивного управления проиллюстрирован предложенным авторами вполне правдоподобным сценарием.
  • Безусловно, первичным и самым важным элементом адаптивного управления является прогнозный анализ и сценарное планирование возможных ситуаций деятельности управляемого объекта и синтез прогнозной модели управления. Подобные задачи прогнозирования, типичны не только для проектирования систем управления, но и для инвестиционного проектирования и оценки бизнеса.
  • Для поддержания процесса оперативного и эффективного управления менеджменту предприятия необходима информационная и аппаратная среда в виде ERP-системы, настроенной на создание и реализацию в реальном времени прогнозной модели и модели оперативного управления ресурсами бизнеса предприятия.
  • Процесс прогнозного анализа и сценарного планирования вполне реализуем посредством применения численных аналитических и статистических математических методов, но сложен и кропотлив. Если у кого-то возникают по этому поводу сомнения, советуем ещё раз прочитать эпиграф к данной работе.

7. Адаптивные модели процесса разработки: экстремальное программирование, Scrum

Primary tabs

Forums:

7. Адаптивные модели процесса разработки: экстремальное программирование, Scrum

В настоящее время все большее распространение получают адаптивные или облегченные, «живые» (agile) процессы разработки
Они не требуют столь жесткой регламентации, допускают возможность частых и существенных изменений требований заказчиков

Адаптивные процессы делают упор на использовании хороших разработчиков, а не хорошо отлаженных процессов разработки
Они избегают фиксации четких схем действий, чтобы обеспечить большую гибкость в каждом конкретном проекте и не требуют разработки дополнительных промежуточных документов

Принципы «живой» разработки

Основные принципы «живой» разработки ПО зафиксированы в манифесте, появившемся в 2000 году:=

  1. Люди, участвующие в проекте, и их общение более важны, чем процессы и инструменты
  2. Работающая программа более важна, чем исчерпывающая документация
  3. Сотрудничество с заказчиком более важно, чем обсуждение деталей контракта
  4. Отработка изменений более важна, чем следование планам

Экстремальное программирование

Наиболее часто используемой адаптивной моделью является модель экстремального программирования (eXtreme Programming, XP-процесс)
XP-процесс ориентирован на группы малого и среднего размера, разрабатывающих ПС в условиях неопределенных или быстро меняющихся требований

XP-процесс (экстремальное программирование)

Основная идея XP-процессаустранить высокую стоимость внесения изменений. Это достигается путем резкого (до двух недель) сокращения длительности отдельных итераций.
Базовыми действиями xp являются:=

  1. кодирование,
  2. тестирование,
  3. выслушивание заказчика,
  4. проектирование

Принципы XP

Высокий динамизм разработки обеспечивается следующими принципами:=

  1. непрерывная связь с заказчиком,
  2. простота выбираемых решений,
  3. быстрая обратная связь на основе оперативного тестирования,
  4. профилактика рисков

Практики XP разработки

Реализация этих принципов достигается за счет использования следующих методов:=

  1. Метафора – вся разработка ведется на основе простой, общедоступной истории о том, как работает система
  2. Простое проектирование – принимаются наиболее простые из возможных проектные решения
  3. Непрерывное тестирование как отдельных модулей, так и системы в целом; входным критерием для написания кода является отказавший тестовый вариант
  4. Реорганизация ( Refactoring ) – улучшение структуры системы при сохранении ее поведения
  5. Парное программирование – код пишется двумя программистами на одном компьютере
  6. Коллективное владение кодом – любой разработчик может улучшить код любого модуля системы
  7. Непрерывная интеграциясистема интегрируется как можно чаще; непрерывное регрессионное тестирование гарантирует сохранение функциональности при изменении требований
  8. Локальный заказчик – в группе все время должен находиться компетентный представитель заказчика
  9. Стандарты кодирования – должны выдерживаться правила, обеспечивающие одинаковое представление кода во всех частях системы

схема XP разработки

изображение XP (схема XP разработки ):

Scrum-модель

Является еще одним примером адаптивного процесса разработки (ранее мы рассматривали xp-разработку)
Основные идеи модели сформулировали Хиротака Такеути и Икудзиро Нонака в 1986 году

Основная идея Scrum-модели


Экспериментальный факт:
проекты, над которыми работают небольшие, кросс-функциональные команды, обычно систематически производят лучшие результаты

Такеуки и Ноната объяснили это как «подход регби» и ввели и сам термин

«scrum» — «толкотня; схватка вокруг мяча (в регби)»

Впервые метод Scrum был представлен в документированном виде в 1996 году совместно Сазерлендом и Швабером

  1. ScrumMaster, тот кто занимается процессами и работает в качестве руководителя проекта,
  2. Владелец Продукта, человек, который представляет интересы конечных пользователей и других заинтересованных в продукте сторон,
  3. Команда, которая включает разработчиков

Этапы разработки

Процесс разработки разбивается на отдельные этапы определенной длительности – спринты (обычно,15-30 дней)
Каждому спринту предшествует этап, который называется product backlog –документирование запросов на выполнение работ

Планирование спринта

Запросы на выполнение работ определяются на этапе совета по планированию спринта – sprint planning meeting

Планирование спринта
На протяжении этого собрания Владелец Продукта информирует о заданиях, которые должны быть выполнены
Команда определяет, сколько из желаемого они могут выполнить, чтобы завершить необходимые части на протяжении следующего спринта

Выполнение спринта

Во время спринта команда выполняет определенный фиксированный список заданий — backlog items, наращивая функциональность программного продукта

На протяжении этого периода никто не имеет права менять список требований к работе, что следует понимать, как заморозку требований (requirements) во время спринта

Scrum схема =

Key Words for FKN + antitotal forum (CS VSU):

  • Log in to post comments
  • 6362 reads

Wed, 01/25/2012 — 02:34

текст опорного ответа (не позиционирую его как обязательное)

Extreme Programming, XP — авторы методологии — Кент Бек, Уорд Каннингем, Мартин Фаулер и другие.

Основные приёмы XP

· Короткий цикл обратной связи (Fine scale feedback)

o Разработка через тестирование (Test driven development)

o Игра в планирование (Planning game)

o Заказчик всегда рядом (Whole team, Onsite customer)

o Парное программирование (Pair programming)

· Непрерывный, а не пакетный процесс

o Непрерывная интеграция (Continuous Integration)

o Рефакторинг (Design Improvement, Refactor)

o Частые небольшие релизы (Small Releases)

· Понимание, разделяемое всеми

o Простота (Simple design)


o Метафора системы (System metaphor)

Илон Маск рекомендует:  Что такое код ifx_get_char

o Коллективное владение кодом (Collective code ownership) или выбранными шаблонами проектирования (Collective patterns ownership)

o Стандарт кодирования (Coding standard or Coding conventions)

· Социальная защищенность программиста (Programmer welfare):

o 40-часовая рабочая неделя (Sustainable pace, Forty hour week)

В XP особое внимание уделяется двум разновидностям тестирования:

· тестирование модулей (unit testing);

· приемочное тестирование (acceptance testing).

Разработчик не может быть уверен в правильности написанного им кода до тех пор, пока не сработают абсолютно все тесты модулей разрабатываемой им системы. Тесты модулей позволяют разработчикам убедиться в том, что их код работает корректно. Они также помогают другим разработчикам понять, зачем нужен тот или иной фрагмент кода и как он функционирует. Тесты модулей также позволяют разработчику без каких-либо опасений выполнять рефакторинг (refactoring).

Приемочные тесты позволяют убедиться в том, что система действительно обладает заявленными возможностями. Кроме того, приемочные тесты позволяют проверить корректность функционирования разрабатываемого продукта.

Для XP более приоритетным является подход, называемый TDD (Test Driven Development) — сначала пишется тест, который не проходит, затем пишется код, чтобы тест прошел, а уже после делается рефакторинг кода.

Игра в планирование

Основная цель игры в планирование — быстро сформировать приблизительный план работы и постоянно обновлять его по мере того, как условия задачи становятся все более четкими. Артефактами игры в планирование является набор бумажных карточек, на которых записаны пожелания заказчика (customer stories), и приблизительный план работы по выпуску следующих одной или нескольких небольших версий продукта. Критическим фактором, благодаря которому такой стиль планирования оказывается эффективным, является то, что в данном случае заказчик отвечает за принятие бизнес-решений, а команда разработчиков отвечает за принятие технических решений. Если не выполняется это правило, весь процесс распадается на части.

Заказчик всегда рядом

«Заказчик» в XP — это не тот, кто оплачивает счета, а тот, кто на самом деле использует систему. XP утверждает, что заказчик должен быть всё время на связи и доступен для вопросов.

Парное программирование предполагает, что весь код создается парами программистов, работающих за одним компьютером. Один из них работает непосредственно с текстом программы, другой просматривает его работу и следит за общей картиной происходящего. При необходимости клавиатура свободно передается от одного к другому. В течение работы над проектом пары не фиксированы: рекомендуется их перемешивать, чтобы каждый программист в команде имел хорошее представление о всей системе. Таким образом, парное программирование усиливает взаимодействие внутри команды.

Если вы будете выполнять интеграцию разрабатываемой системы достаточно часто, вы сможете избежать большей части связанных с этим проблем. В традиционных методиках интеграция, как правило, выполняется в самом конце работы над продуктом, когда считается, что все составные части разрабатываемой системы полностью готовы. В XP интеграция кода всей системы выполняется несколько раз в день, после того, как разработчики убедились в том, что все тесты модулей корректно срабатывают.

— это методика улучшения кода, без изменения его функциональности. XP подразумевает, что однажды написанный код в процессе работы над проектом почти наверняка будет неоднократно переделан. Разработчики XP безжалостно переделывают написанный ранее код для того, чтобы улучшить его. Этот процесс называется рефакторингом. Отсутствие тестового покрытия провоцирует отказ от рефакторинга, в связи с боязнью поломать систему, что приводит к постепенной деградации кода.

Частые небольшие релизы

Версии (releases) продукта должны поступать в эксплуатацию как можно чаще. Работа над каждой версией должна занимать как можно меньше времени. При этом каждая версия должна быть достаточно осмысленной с точки зрения полезности для бизнеса.

Чем раньше мы выпустим первую рабочую версию продукта, тем раньше заказчик начнет получать за счет нее дополнительную прибыль. Следует помнить, что деньги, заработанные сегодня, стоят дороже, чем деньги, заработанные завтра. Чем раньше заказчик приступит к эксплуатации продукта, тем раньше разработчики получат от него информацию о том, что соответствует требованиям заказчика. Эта информация может оказаться чрезвычайно полезной при планировании следующего выпуска.

XP исходит из того, что в процессе работы условия задачи могут неоднократно измениться, а значит, разрабатываемый продукт не следует проектировать заблаговременно целиком и полностью. Если в самом начале работы вы пытаетесь от начала и до конца детально спроектировать систему, вы напрасно тратите время. XP предполагает, что проектирование — это настолько важный процесс, что его необходимо выполнять постоянно в течение всего времени работы над проектом. Проектирование должно выполняться небольшими этапами, с учетом постоянно изменяющихся требований. В каждый момент времени мы пытаемся использовать наиболее простой дизайн, который подходит для решения текущей задачи. При этом мы меняем его по мере того как условия задачи меняются.

Архитектура — это некоторое представление о компонентах системы и о том, как они взаимосвязаны между собой. Разработчики используют архитектуру для того, чтобы понять, в каком месте системы добавляется некоторая новая функциональность и с чем будет взаимодействовать некоторый новый компонент.

Метафора системы (system metaphor) — это аналог того, что в большинстве методик называется архитектурой. Метафора системы дает команде представление о том, каким образом система работает в настоящее время, в каких местах добавляются новые компоненты и какую форму они должны принять.

Подобрав хорошую метафору, вы облегчаете команде понимание того, каким образом устроена ваша система. Иногда сделать это не просто.

Все члены команды в ходе работы должны соблюдать требования общих стандартов кодирования. Благодаря этому:

· члены команды не тратят время на глупые споры о вещах, которые фактически никак не влияют на скорость работы над проектом;

· обеспечивается эффективное выполнение остальных практик.

Если в команде не используются единые стандарты кодирования, разработчикам становится сложнее выполнять рефакторинг; при смене партнеров в парах возникает больше затруднений; в общем и целом, продвижение проекта затрудняется. В рамках XP необходимо добиться того, чтобы было сложно понять, кто является автором того или иного участка кода, — вся команда работает унифицированно, как один человек. Команда должна сформировать набор правил, а затем каждый член команды должен следовать этим правилам в процессе кодирования. Перечень правил не должен быть исчерпывающим или слишком объемным. Задача состоит в том, чтобы сформулировать общие указания, благодаря которым код станет понятным для каждого из членов команды. Стандарт кодирования поначалу должен быть простым, затем он будет эволюционировать по мере того, как команда обретает опыт. Вы не должны тратить на предварительную разработку стандарта слишком много времени.

Коллективное владение означает, что каждый член команды несёт ответственность за весь исходный код. Таким образом, каждый вправе вносить изменения в любой участок программы. Парное программирование поддерживает эту практику: работая в разных парах, все программисты знакомятся со всеми частями кода системы. Важное преимущество коллективного владения кодом — в том, что оно ускоряет процесс разработки, поскольку при появлении ошибки её может устранить любой программист.

Давая каждому программисту право изменять код, мы получаем риск появления ошибок, вносимых программистами, которые считают что знают что делают, но не рассматривают некоторые зависимости. Хорошо определённые UNIT-тесты решают эту проблему: если нерассмотренные зависимости порождают ошибки, то следующий запуск UNIT-тестов будет неудачным

Scrum — это набор принципов, на которых строится процесс разработки, позволяющий в жёстко фиксированные небольшие промежутки времени (спринты от 2 до 4 недель) предоставлять конечному пользователю работающее ПО с новыми возможностями, для которых определён наибольший приоритет. Возможности ПО к реализации в очередном спринте определяются в начале спринта на этапе планирования и не могут изменяться на всём его протяжении. При этом строго фиксированная небольшая длительность спринта придаёт процессу разработки предсказуемость и гибкость.

Главные действующие роли в Scrum: ScrumMaster — тот, кто ведёт Scrum митинги и следит, чтобы при этом соблюдались все принципы Scrum (роль не предполагает ничего кроме корректного ведения самого Scrum-а, руководитель проекта скорее относится к Product Owner и не должен являться ScrumMaster); Владелец Продукта (Product Owner) — человек, который представляет интересы конечных пользователей и других заинтересованных в продукте сторон; и кросс-функциональная Команда (Scrum Team), состоящая как из разработчиков, так и из тестировщиков, архитекторов, аналитиков и т. д. (при этом размер команды в идеале составляет 7±2 человека). Команда является единственным полностью вовлечённым участником разработки, и отвечает за результат как единое целое. Никто кроме команды не может вмешиваться в процесс разработки на протяжении спринта.

На протяжении каждого спринта создаётся функциональный рост программного обеспечения. Набор возможностей, которые реализуются в каждом спринте, происходят из этапа, называемого product backlog (документация запросов на выполнение работ), обладающего наивысшим приоритетом по уровню требований к работе, который должен быть выполнен. Запросы на выполнение работ (backlog items), определенных на протяжении совета по планированию спринта (sprint planning meeting), перемещаются в этап спринта. На протяжении этого собрания Владелец Продукта информирует о заданиях, которые должны быть выполнены. Тогда Команда определяет, сколько из желаемого они могут выполнить, чтобы завершить необходимые части на протяжении следующего спринта. Во время спринта команда выполняет определенный фиксированный список заданий (т. н. sprint backlog). На протяжении этого периода никто не имеет права менять список требований к работе, что следует понимать как заморозку требований (requirements) во время спринта.

_____________
матфак вгу и остальная классика =)

АДАПТИВНЫЙ МЕНЕДЖМЕНТ

Адаптивный менеджмент — такой вид управления, при котором основной целью является адаптация к изменениям внешней среды. При этом создаются следящая система, осуществляющая мониторинг основных показателей внешних изменений, и блок, отвечающий за гибкость организации. Так, практически все инвестиционные институты, особенно брокерские конторы, играющие на рынке ценных бумаг, являются адаптивными системами. Для них главное — вовремя заметить те или иные тенденции, складывающиеся на фондовом рынке, скачки курсов тех или иных акций, чтобы быстро и гибко отреагировать, заключая адекватные сделки. Адаптивный менеджмент применим и для тех малых предприятий, успешность деятельности которых более чем на две трети зависит от состояния окружающей среды.

В современном менеджменте рассматривается множество самых разных организаций, которые представляют собой совокупность людей, групп, объединенных для достижения какой-либо цели, решения какой-либо задачи на основе принципов разделения труда и распределения обязанностей. Это могут быть государственные учреждения, общественные объединения, частные предприятия. Организации создаются для удовлетворения разнообразных потребностей людей в продукции либо услугах и поэтому имеют самое различное назначение, размеры, строение и другие параметры.

Такое разнообразие имеет большое значение при рассмотрении организации как объекта управления. Множество целей и задач, стоящих перед организациями разного класса сложности и разной отраслевой принадлежности, приводит к тому, что для управления ими требуются специальные знания и искусство, методы и приемы, обеспечивающие эффективную совместную деятельность работников всех структурных подразделений.

Адаптивной моделью системы управления объектом будем называть такую модель, в которой в результате изменения характеристики внутренних и внешних свойств объекта происходит соответствующее изменение структуры и параметров регулятора управления с целью обеспечения стабильности функционирования объекта. Эффективность управления реальными объектами, как показывает практика, обычно имеет прямую зависимость от степени использования адаптивного механизма в процессе управления, независимо от природы управляемого объекта.

Адаптацию в широком смысле понимают как приспособление системы к изменению условий. Конкретизация определения адаптации связана с целями исследования и конструирования.

Адаптивной считают систему, которая может приспосабливаться к изменениям внутренних и внешних условий. Наряду с понятием адаптивной системы существует понятие управления с адаптацией (адаптивное управление), т.е. управление в системе с неполной априорной информацией об управляемом процессе, которое изменяется по мере накопления информации и применяется с целью улучшения качества работы системы. Такое значение термина «адаптация» сложилось в теории управления под влиянием технических приложений. В литературе существуют также, кроме указанных, другие определения адаптации и родственных ей понятий. Сущность их заключается в следующем. Наши знания об объекте и среде, в которой он функционирует, неопределенны. Известна лишь принадлежность их к заданному классу. Кроме того, задана цель управления, от которой зависит желаемое поведение объекта. Необходимо найти алгоритм управления (адаптивный регулятор), обеспечивающий достижение цели за конечное время для любого объекта и условий его функционирования, принадлежащих заданному классу.

Адаптивные системы функционируют в соответствии с определенными принципами.

  • 1. Принцип необходимого разнообразия. Разнообразие управляющей системы должно быть не меньше разнообразия объекта управления. В отличие от адаптивных иные (неадаптивные) системы управления для поддержания способности управления объектом должны включать небольшое число объектов. Адаптивные системы подразумевают отсутствие определенного стационарного закона управления для элементов заданного класса. В процессе функционирования системы чем больше проявляется ее разнообразие, тем в большей степени должны происходить изменения ее параметров и структуры.
  • 2. Принцип дуального управления. Управляющие воздействия носят двойственный характер. С одной стороны, они призваны управлять объектом, с другой — служат для изучения ее свойств и закономерностей для последующих управляющих воздействий. То есть структура управляющих воздействий должна изменяться в соответствии с изменениями параметров системы объекта управления.
  • 3. Принцип обратной связи. При помощи обратной связи происходит измерение характеристик управляемого объекта и вырабатываются реакции, выражающиеся в управляющих воздействиях.

Адаптивность структуры управления определяется ее способностью эффективно выполнять заданные функции в определенном диапазоне изменяющихся условий. Чем относительно шире этот диапазон, тем более адаптивной считается структура. Данный показатель можно представить как уровень, при котором организация реагирует на изменения ее внутренней и внешней среды. Адаптивность рассматривается как промежуточный критерий, более абстрактный, чем уровень производства, производительность или удовлетворение потребностей. Этот критерий относится к способности руководителя воспринимать изменения как внешней, так и внутренней среды организации.

Низкая эффективность организации, проявляющаяся в достижении недостаточного уровня производства, производительности и удовлетворения потребностей, сигнализирует о необходимости внести изменения в практику и стратегию управления. Внешняя среда может потребовать выпуска другой продукции или предоставить другие ресурсы, тем самым вызвав необходимость изменений. Низкий уровень адаптивности, при котором организация не может или не хочет приспосабливаться к изменениям внешней среды, означает угрозу ее выживанию. В отличие от краткосрочных критериев эффективности не существует специальных и конкретных показателей измерения адаптивности. Организация управления может способствовать проведению политики, которая поддерживает готовность к изменениям; существует также определенная практика управления, которая в случае применения обеспечивает необходимый уровень адаптивности. Для того чтобы организация стала адаптивной, предпочтения потребителей должны оказывать существенное влияние на деятельность работников. Процесс передачи такой информации через руководителей очень медленный. К тому же они не всегда могут знать внутренние потребности фирмы и потребности рынка. Если внутренний потребитель не может быстро получить необходимое, структура не сможет оперативно и гибко обслуживать внешних потребителей. Свобода выбора между альтернативными поставщиками дает пользователям внутренних услуг права, которыми пользуются и внешние потребители. При этом акценты смещаются от власти руководителей к власти потребителей.

В условиях динамичности современного производства и общества управление должно находиться в состоянии непрерывного развития, которое сегодня невозможно обеспечить без исследования тенденций и возможностей, без выбора альтернатив и направлений развития.

Адаптивная структура управления предприятием должна отвечать современным рыночным условиям:

  • • обладать высокой гибкостью производства, позволяющей быстро менять ассортимент изделий (услуг). Это обусловлено тем, что жизненный цикл продукции (услуг) стал короче, а разнообразие изделий и объем выпуска разовых партий — больше;
  • • быть адекватной сложной технологии производства, требующей совершенно новых форм контроля, организации и разделения труда;
  • • учитывать серьезную конкуренцию на рынке товаров (услуг), в корне изменившую отношение к качеству продукции, потребовавшую организовать послепродажное обслуживание и дополнительные фирменные услуги;
  • • учитывать требования к уровню качества обслуживания потребителей и времени выполнения договоров, которые стали слишком высокими для традиционных производственных систем и механизмов принятия управленческих решений;
  • • учитывать изменение структуры издержек производства;
  • • принимать во внимание необходимость учета неопределенности внешней среды.

Это далеко не полный перечень проблем, с которыми приходится сталкиваться многим организациям. Для реализации их существует объективная необходимость в исследованиях, анализе существующего положения. Исследования адаптивных структур управления занимают важное место в экономике и продиктованы настоятельной необходимостью построения таких предприятий и организаций, которые обеспечат выпуск высококачественной продукции (или услуги) в нужном объеме и ассортименте.

Яресь О. Б. Экономический механизм адаптивного менеджмента [Текст] / О.Б. Яресь, В.Н. Краев, И.В. Паньшин. — Владимир: Владимирский гос. ун-т, 2002.

Улучшенная адаптивная смешанная модель фона с обнаружением тени для отслеживания в режиме реального времени

Автор: KaewTraKulPong P., Bowden R.

Перевод: Кулиш М.Н.

Источник: P. KaewTraKulPong and R. Bowden An Improved Adaptive Background Mixture Model for Realtime Tracking with Shadow Detection, http://info.ee.surrey.ac.uk .

Резюме

В режиме реального времени сегментация движущихся областей в последовательности изображений является важным шагом во многих системах зрения, включая автоматизированные системы визуального наблюдения, человеко-машинные интерфейсы, и телекоммуникации с очень низкой пропускной способностью. Типичный метод – вычитание фона. Многие модели фона были введены для решения различных задач. Одним из удачных решений этой проблемы является использование многоцветной модели фона для каждого пикселя, предложенной Гримсоном и соавторами [1-3]. Однако этот метод страдает от медленного обучения в начале, особенно в загруженных средах. Кроме того, он не может отличить движущиеся тени и движущиеся объекты. Эта статья описывает метод, который улучшает эту адаптивную смешанную модель фона. Повторно исследуя уравнения обновления, мы используем различные уравнения в различных фазах. Это позволяет нашей системе учиться быстрее и точнее, а также адаптироваться к изменениям окружающей среды. Схема обнаружения тени также представлена в данной статье. Она основана на вычислимом цветовом пространстве, что позволяет использвать нашу модель фона. Было сделано сравнение между двумя алгоритмами. Результаты показывают скорость обучения и точность модели с использованием нашего алгоритма обновления на основе трекере Гримсона и соавторов. В соединении с обнаружением теней, наш метод приводит к гораздо лучшей сегментации, чем метод Гримсона и соавторов.

1. Введение

Вычитание фона включает в себя расчет эталонного изображения, вычитание каждого нового кадра из этого образа и пороговых значений. Результат – это двоичная сегментация изображения, которая выдвигает на передний план регионы нестационарных объектов. Простейшая форма эталонного изображения является усредненным по времени фоном изображения. Этот метод страдает от многих проблем и требует наличия периода обучения с отсутствием переднеплановых объектов. Движущиеся фоновые объекты после периода обучения и неподвижные объекты переднего плана в период обучения будут рассматриваться в качестве постоянных объектов на переднем плане. Кроме того, данный подход не может справиться с постепенными изменениями освещения в сцене. Эти проблемы приводят к требованию, чтобы любое решение должно постоянно переоценивать модель фона. Многие адаптивные фономоделирующие методы были предложены для решения этих медленно меняющихся стационарных сигналов. Фридман и Рассел смоделировали каждый пиксель камеры сцены с помощью адаптивной параметрической смешанной модели из трех гауссовских распределений [4]. Они также проводят краткие рассуждения по онлайн уравнениям обновления на основе достаточной статистики. Коллер и соавторы использовали фильтр Кальмана для отслеживания изменений в освещении фона для каждого пикселя [5]. Они применяют выборочную схему обновления, включающую в себя только наиболее вероятные значения фона в оценке фона. Методы могут хорошо справляться с изменением освещения, однако, не могут решить проблему появления и исчезновения объектов в сцене. Одно из решений заключается в использовании нескольких цветовых моделей фона для каждого пикселя. Гримсон и соавторы разработали адаптивную непараметрическую гауссовскую смешанную модель для решения этих проблем [1-3]. Их модель может также уменьшить влияние небольших повторяющихся движений, например, движение растительности деревьев и кустарников, а также небольшое смещение камеры. Эль-Гаммаль и соавторы использовали ядра оценки для каждого пикселя [6]. Образцы ядер были взяты из движущегося окна. Они также ввели метод снижения результатов небольшого движения за счет использования пространственной когерентности. Это было сделано путем сравнения односвязных компонентов модели фона с ее круговой окрестностью. Хотя авторы представили ряд процедур ускорения, подход по-прежнему имеет высокую вычислительную сложность. Были предложени и другие методы с использованием высокоуровненой обработки для поддержки моделирования фона; например, трекер Wallflower [7], который обходит некоторые из этих проблем с использованием высокоуровневой обработки, а не решением недостатков модели фона. Наш метод основан на фреймворке Гримсона и соавторов [1-3], различия заключаются в уравнениях обновления, методе инициализации и внедрении алгоритма обнаружения тени.

В качестве общей схемы оптимизации, используемой в соответствии с гауссовской смешанной моделью, применяется алгоритм максимизации ожидания (EM). Алгоритм EM является итерационным методом, который гарантирует схождение к локальному максимуму в пространстве поиска. В связи с пространственно-временными требованиями для моделирования каждого пикселя на фоновом изображении требуется онлайн алгоритм EM. Было предложено большое число онлайн алгоритмов EМ. Их можно разделить на две группы. Первая группа работает в области параметрической оценки функции плотности вероятности. Другими словами, происходит использование новых данных при обновлении предыдущей оценки без внесения изменений в структуру предыдущей модели. Процедура была введена Ноуланом [8] и объяснена в терминах результатов Нила и Хинтона [9]. Трейвен вывел версию процедуры с N-последними окнами [10]. МакКенна и соавторы [11-13] расширили результат Трейвена [10] до L-последних окон как результат работы L-групп алгоритмов EM и использовали их для отслеживания многоцветного объекта на переднем плане. Этот параметрический подход к оценке не может работать эффективно без хорошей первоначальной оценки (как правило, она находится работой группы алгоритмов EM). Вторая группа использует непараметрические подходы. Прибэ и соавторы предложили адаптивную смешанную модель со стохастическим порогом для создания новых ядер Гаусса в существующей смешанной модели [14,15]. Гримсон и Стауффер [2,3], однако, применили ту же схему с использованием детерминированного порога.

В дополнение к Гримсону и соавторам, многие другие авторы применили смешанную модель для моделирования каждого пикселя в сценах камеры. Роу и Блейк применяют группу алгоритмов EM для оффлайн обучения в виртуальной плоскости изображения [16]. Тем не менее, модель не обновляется с течением времени и, следовательно, ведет к сбоям во внешних средах, где освещение сцены меняется со временем. Фридман и Рассел смоделировали дорогу, расположение теней и транспорта для каждого пикселя с использованием адаптивной смеси трех распределений Гаусса [4]. Классификация основана на эвристическом методе относительных расстояний в пространстве. Они сообщили о хорошей сегментации при использовании ожидаемых достаточных статистических уравнений. Однако, все еще требуется выполнение предварительной обработки для обучения исходной модели с использованием группы алгоритмов EM.

Мы описываем модель фона, предложенную Гримсоном и Стауффером [2,3] и ее недостатки в разделе 2.1. Предлагаемое нами решение проблемы представлено в разделе 2.2. Раздел 2.3 объясняет наш алгоритм обнаружения тени. Результаты каждого метода приводятся и сравниваются в разделе 3 и делаются выводы в разделе 4.

2. Моделирование фона

В этом разделе мы рассматриваем работу Гримсона и Стауффера [2,3], и ее недостатки. Авторы вводят метод для моделирования каждого пикселя фона смесью K-распределений Гаусса (К – небольшое число от 3 до 5). Различные Гауссианы, как предполагается, представляют собой различные цвета. Весовые параметры смеси представляют временные пропорции, в течение которых цвета остаются в сцене. В отличие от работы Фридмана и соавторов, компоненты фона определяются в предположении, что фон B содержит наивысшие возможные цвета. Вероятными цветами фона являются те, которые дольше наблюдаются и более статичны. Статические одноцветные объекты имеют тенденцию образовывать тесные скопления в цветовом пространстве, в то время как при движении определенных форм происходит расширение скоплений за счет различных отражающих поверхностей во время движения. В их документах это измерение было названо значением соответствия. Чтобы обеспечивать адаптацию модели к изменениям освещения и работу в режиме реального времени, была применена схема обновления. Она основана на выборочной модификации. Каждое новое значение пикселя проверяется в порядке соотвествия с существующими компонентами модели. Первая модель сравнения компонент обновляется. Если она не находит соответствия, новая компонента Гауссиана будет добавлена к среднему на тот момент, к большой ковариационной матрице и к малому значению весовых параметров.

2.1 Адаптивная гауссовская смешанная модель

Каждый пиксель в сцене моделируется смесью K распределений Гаусса. Вероятность того, что определенный пиксель имеет значение xn во время N можно представить в виде

где wk— вес параметра k-й компоненты Гауссиана, η(x,Θk) – нормальное распределение k-й компоненты, представленное

где μk – среднее и Σkk 2 I – ковариация k-й компоненты.

К-распределения упорядочены по значению соответствия wkk и B-первые распределения используются в качестве модели фона сцены, где B оценивается как

Порог Т – минимальная доля модели фона. Другими словами, это минимальная предварительная вероятность того, что фон есть в сцене. Вычитание фона осуществляется меткой передпланового пикселя любого пикселя, который имеет более чем 2.5 стандартных отклонения от любого из B-распределения. Первый компонент Гауссиана, который соответствует тестовому значению будет обновляться следующими уравнениями обновления,

где ωk является k-й компонентой Гауссиана, 1/α определяет константу времени, которая устанавливает изменения. Если ни одно из К-распределений не совпадает со значением пикселя, наименее вероятный компонент заменяется распределением с текущим значением, как его среднее, изначально высокая дисперсия, низкий параметр веса. В соотвествии с работами [1-3], только два параметра – α и T – необходимо установить в системе.

Детали надежности были объяснены в работах [1-3], однако, проведя небольшое обусждение, можно увидеть недостатки. Во-первых, если первое значение данного пикселя – переднеплановый объект, то существует только один Гауссиан, где его вес равен единице. При наличии только одноцветной фоновой последовательности, будет обработано log1-α(T) кадров, пока подлинный фон станет рассматриваться в качестве фона и log1-α(5) кадров, пока не станет доминирующей фоновой компонентой. Например, если предположить, что не менее 60% времени фон присутствует и α составляет 0.002 (500 последних кадров), то потребуется 255 кадров и 346 кадров для компонента, чтобы включить его как часть фона и как часть доминирующей фоновой компоненты, соответственно. Ситуация может быть хуже в оживленных местах, где чистый фон редко встречается. Эта статья предлагает решение проблемы в следующем разделе. Во-вторых, ρ может быть слишком небольшим из-за вероятностного фактора. Это приводит к слишком медленной адаптации средних значений и ковариационных матриц, поэтому трекер может выйти из строя в течение нескольких секунд после инициализации. Одним из решений этой проблемы является просто вырезать элемент вероятности из ρ.

2.2 Онлайн алгоритмы EM

Мы начинаем нашу оценку гауссовской смешанной модели ожидаемыми достаточными статистическими уравнениями обновления, а затем переключимся на версию L-последних окон, когда обрабатываются первые L-образцов. Ожидаемые достаточные статистические уравнения обновления обеспечивают хорошую оценку в начале перед сбором всевозможных L-образцов. Эта первоначальная оценка повышает точность оценки, а также производительность трекера, обеспечивая быструю сходимость к устойчивой модели фона. Уравнения обновления L-последних окон дают приоритет над последними данными, поэтому трекер может адаптироваться к изменениям в окружающей среде.

Онлайн алгоритмы EM ожидаемой достаточной статистики приведены в левой колонке, а версия L-последних окон – в правой.

2.3 Определение тени и цветовая модель

Как свидетельствуют авторы в своих работах [1-3], трекер Гримсона и соавторов не может отделить движущиеся тени от объектов, которые их отбрасывают. Причиной этого является то, что не существует эвристики для маркировки компонент Гауссиана как движущхся теней. Одно из решений заключается в использовании хроматического пространства представления цвета, которое уменьшает восприимчивость. Так как многие цветовые пространства могут разделять хроматические компоненты и компоненты освещения, сохранение хроматической модели независимо от яркости может привести к неустойчивой модели, особенно для очень ярких или темных объектов. Это преобразование также требует вычислительных ресурсов, особенно в больших изображениях. Идея сохранения интенсивности компонентов и сохранение вычислительных затрат приводит нас обратно в пространство RGB. Как требование для идентифицикации движущихся теней, мы должны рассмотреть цветовую модель, которая может разделять хроматические компоненты и компоненты яркости. Она должна быть совместима и использовать нашу смешанную модель. Это делается путем сравнения пикселя, не принадлежащего фону, с текущим компонентом фона. Если разница и в хроматической компоненте, и в компоненте яркости имеет некоторое пороговое значение, пиксель считается тенью. Мы используем эффективную модель вычисления цвета, похожую на предложенную Хорпрасертом и соавторами [17] для выполнения этих задач. Она состоит из радиус-вектора в RGB средних пикселя фона (E), ожидаемой цветности линии (||E||), хроматического искажения (d), и порога яркости, τ. Для данного наблюдаемого значения пикселя (I), искажение яркости (а) и искажение цвета (с) из модели фона могут быть рассчитаны как

С предположением сферического гауссовского распределения в каждой смеси компонентов, стандартное отклонение k-й компоненты σk может быть принято равным d. Расчет a и с тривиален с использованием векторного или скалярного произведения. Наблюдаемый образец, не принадлежащий фону, считается движущейся тенью, в нашем случае, если находится в пределах 2.5 стандартных отклонений и τ <с <1.

3. Испытания

Этот раздел демонстрирует эффективность модели Гримсона [2,3] и предлагаемого алгоритма на последовательности изображений. Последовательности, используемые здесь, являются изображениями размером 192х144. Мы использовали адаптивную смесь из пяти компонент Гауссианов. L был установлен равным 500 кадров (α = 0.002 у Гримсона и соавторов) и порог T была установлен на уровне 0.6. В модуле обнаружения тени был использован порог яркости τ равный 0.7. Более высокоуровневые процессы, такие как очистка шумов или алгоритмы анализа связанных компонент, не были введены в алгоритм вычитания фона для отображения производительности модели фона. На рисунке 1 показана последовательность изображений загруженной сцены на открытой местности, содержащей людей, идущих по тротуару. Последовательность включает в себя солнечный свет, большие затененные области, дерево, отражения от окон и длительные перемещения теней. Мы представили изображения на начальном этапе, в загруженном виде и в долгосрочной перспективе. Из-за загрязненного изображения в начале, артефакты исходного изображения остаются в трекере Гримсона и соавторов на протяжении более ста кадров. Лучшая сегментация видна при использовании нашего метода. Производительность резко повышается с использованием модуля обнаружения тени.

4. Выводы

Мы представили новый алгоритм обновления для обучения адаптивных смешанных моделей фона сцены для отслеживания движущихся объектов в режиме реального времени. Алгоритм запускается в рамках надежного трекера реального времени, предложенного Гримсоном и соавторами. Было сделано сравнение между двумя алгоритмами. Результаты показывают скорость обучения и точность модели при использовании нашего алгоритма обновления над трекером Гримосна и соавторов. Мы предложили метод обнаружения движущихся теней с использованием существующей смешанной модели. Это значительно сокращает дополнительные вычислительные затраты. Обнаружение тени выполняется только над пикселями, помеченными как передний план и, следовательно, с незначительными вычислительными затратами движущиеся тени могут быть обнаружены успешно. Обнаружение тени также уменьшает влияние небольших повторяющихся движений на фоне сцены.

Рисунок 1 – В верхней строке отображается исходная последовательность в 15, 105, 235, 290 и 1200 кадров соответственно. Во второй строке показаны результаты Гримсона и соавторов. Последние две строки – результаты предлагаемого нами метода с и без движущихся теней. Тени представлены серым цветом

Понравилась статья? Поделиться с друзьями:
Кодинг, CSS и SQL