Методи оцінки ТРУДОМІСТКОСТІ етапів навчання оперативного технічного персоналу
Розглядається завдання створення та використання методу оцінки трудомісткості етапів вивчення навчальних курсів інтерактивної системи інформаційній підготовки технічного персоналу виробництва першої категорій небезпеки. Наведений метод дозволяє формалізувати прийняття рішення про склад наповнення курсу підготовки навчальними задачами з урахуванням можливих витрат часу на вивчення навчального матеріалу.
Вступ.Сьогодні в Україні діє ряд великих хімічних підприємств першої категорії небезпеки, виробництва які є екологічно небезпечним. Серед них: ЗАТ "Сєвєродонецьке об'єднання Азот", Одеський припортовий завод, ВАТ "Концерн "Стірол", ВАТ "Дніпроазот", ВАТ "Азот" (м. Черкаси), ВАТ "Кримський содовий завод", Харківський коксохімічний завод, Горлівський хімічний завод та інші. З урахуванням специфіки роботи подібних підприємств, в Україні прийнято Закон «Про об'єкти підвищеної небезпеки», який регламентує первинну та повторну інформаційну підготовку (ІП) технічного персоналу, як у традиційній формі, так і з використанням інформаційних технологій. Подібні законодавчі норми прийняті у багатьох країнах світу. Зокрема, у РФ федеральний закон "Про промислову безпеку небезпечних виробничих об'єктів" передбачає обов'язковий комп'ютерний тренінг для всіх прийнятих на роботу операторів і тренажерний курс перепідготовки для всіх чинних операторів не рідше одного разу на 3 роки. Внутрішні правила провідних хімічних компаній світу (BASF, DCC, Bayer AG) передбачають обов'язковий відновний курс після тривалої відсутності практики з будь-якої причини.
При впровадженні у виробничі процеси ЗАТ "Сєвєродонецьке об'єднання Азот" удосконаленого обладнання з автоматичним керуванням, трудова діяльність та зміст виробничого навчання персоналу значно ускладнилися. Доцільність застосування інтерактивних систем інформаційної підготовки (ІСІП) технічного персоналу обумовлюється наступними головними факторами: по-перше, засобами ІСІП та комп’ютерних тренажерів (КТ) можливе навчання та імітація роботи на дорогих, складних і небезпечних установках, тренування на яких пов'язане з певним ризиком, особливо в початковий період навчання; по-друге, використання ІСІП дозволить подавати персоналу додаткову інформацію про слушність трудових дій, що зменшить імовірність помилкових дій [1, 3].
Постановка проблеми.Складність організації процесу навчання технічного персоналу обумовлюється тим, що воно виконується в умовах безпосереднього виробництва. Недоліки в знаннях персоналу можуть призводити до складних наслідків, тому до організації виробничого навчання ставляться значні вимоги, однією з яких є попередня оцінка часу вивчення матеріалів ІСІП. Оскільки цю оцінку слід проводи до початку навчання, то об’єктом оцінювання виступає модель процесу навчання, а не сам процес.
Рішення.Запропоновано використовувати подання структурних об'єктів та одиниць інформаційного забезпечення ІСІП у вигляді сукупності моделей та методів їхньої обробки. Кожна з таких моделей являє собою деяку структуру, що має множину станів, між якими можливі переходи під впливом множини умов [2]. Побудова моделі наводиться з використанням двох формалізмів – мереж Петрі (рис.1,а) та відповідних кіл Маркова (рис.1,б). При цьому номери позицій Pi(M1) у мережі Петрі N(M1) і номери станів Si(M2) у колах Маркова N(M2) взаємно однозначно відповідають один одному: PS(M1) – стан початку вивчення задачі; P1(M1), S1(M2) – стан одержання завдання; P2(M1), S2(M2) – стан роботи з СКН; P3(M1), S3(M2) – стан оцінювання знань; P4(M1), S4(M2) – стан вивчення додаткового матеріалу; P5(M1), S5(M2) – стан завершення вивчення задачі.
| а) |
| б) |
Рис.1. Модель вивчення задачі: а) мережа Петрі N(M1); б) коло Маркова N(M2)
Аналізуючи переваги та недоліки двох формалізмів робимо висновок про можливість їхнього застосування для розробки подієвої моделі вивчення задачі курсу підготовки персоналу [3]:
1) використовувати коло Маркова для оцінки ймовірності перебування процесу підготовки персоналу в кожному з можливих станів і оцінки трудомісткості вивчення кожної задачі курсу підготовки;
2) використовувати мережу Петрі як математичну основу для безпосередньої побудови подієвої моделі вивчення задачі.
Використовуючи дидактичну модель процесу вивчення задачі курсу підготовки технічного персоналу, можна прийняти гіпотезу про експонентний характер залежності ймовірності успішного проходження перевірки отриманих знань від обсягу задачі. Якщо обсяг інформаційного матеріалу деякої задачі становить Θ годин, то ймовірність успішного виконання перевірки знань може бути представлена у вигляді:
| p(Θ) = exp(-λΘ), | (1) |
де λ (1/година) - константа, що показує швидкість зниження ймовірності успішного завершення вивчення задачі залежно від її обсягу.
Залежність (1) відповідає інтуїтивному уявленню про успішність процесу вивчення навчального матеріалу задачі курсу підготовки технічного персоналу. Якщо обсяг задачі малий (Θ→0), то ймовірність вивчення задачі прагне до одиниці, а якщо він досить великий (Θ→∞), то ймовірність його вивчення прагне до нуля. Величина λ залежить від вигляду задачі, і може бути оцінена експертним шляхом або експериментально на основі досвіду роботи з певним видом курсів підготовки.
Процес вивчення задачі курсу підготовки N(M2) завжди починається з вершини S1(M2). Оцінимо середнє число перебування {q2(M2), q3(M2), q4(M2)} процесу вивчення задачі в значимих станах {S2(M2), S3(M2), S4(M2)} при старті зі стану S1(M2):
 | (2) |
де q2(M2) - середнє число спроб вивчення задачі;
q3(M2) - середнє число спроб перевірки знань;
q4(M2) - середнє число звертань за довідками й консультаціями при вивченні задачі.
Сумарна трудомісткість Т вивчення задачі курсу підготовки технічного персоналу, з урахуванням (2) визначається виразом:
T =q2(M2)* Θ + q4(M2)* Θ1 + q3(M2)* Θ2 =  | (3) |
де Θ - витрати часу на вивчення основного навчального матеріалу задачі;
Θ1 - витрати часу на одержання довідок і консультацій при вивченні задачі (стан S4(М2));
Θ2 - витрати часу на виконання контрольних заходів (стан S3(М2)).
Витрати часу Θ1 можуть бути взяті як деяка частка величини Θ:
| Θ1=r1*Θ, | (4) |
де r1 – частка витрат на одержання довідок і консультацій, обумовлена експертною оцінкою або на основі статистики, r1<1.
Витратичасу Θ2 можуть бути представлені як сума постійної та змінної складових:
| Θ2=m+r2*Θ, | (5) |
де m – час на організацію перевірки знань, що не залежить від розмірів задачі,
k2 - частка витрат на виконання контрольних заходів, r2<1.
У результаті підстановки значень параметрів (4), (5) формула (3) набуває вигляду:
 | (6) |
де T1 = 
– витрати часу на вивчення задачі;
Т2 = 
– витрати часу на перевірку знань.
Позначимо:
 | (7) |
З урахуванням (7) вираз для сумарної трудомісткості вивчення курсу підготовки (6) спроститься:
 | (8) |
Курс підготовки розбивається на n задач. Кожна задача Si характеризується параметрами трудомісткості її вивчення технічним персоналом (8):
1) Θi – трудомісткість вивчення, год.,
2) mi – час на організацію перевірки знань, год.,
3) λi - коефіцієнт складності, 1/год.,
4) ri - коефіцієнт збільшення трудомісткості.
Характеристики трудомісткості кожного курсу підготовки визначаються на основі характеристик задач, що ввійшли в нього:
    | (9) |
Трудомісткість вивчення курсу підготовки визначається раніше отриманою формулою (8):
 | (10) |
а загальна трудомісткість дорівнює:
 | (11) |
Висновки.Таким чином, ми одержали вирази для розрахунку трудомісткості вивчення технічним персоналом задач курсу підготовки, який варто використовувати при визначенні сумарної трудомісткості задач, що вивчаються. Таким чином, при формуванні послідовності задач необхідно, керуючись нормативними документами, регулювати сумарне значення трудомісткості курсів і програм підготовки.
Список літератури:
1. Рязанцев О.І. Інформаційна технологія підготовки технічного персоналу / Рязанцев О.І., Барбарук В.М. // Вісник Східноукраїнського національного університету імені Володимира Даля №12(142) 2009 ч.2. с.86-91.
2. Барбарук В.Н. Использование методологии сетей Петри при моделировании сдачи экзамена / Барбарук В.Н. // Материалы II международной научно-практической конференции "Інформаційні технології в наукових дослідженнях і навчальному процесі"2006.с.38-40.
3. Барбарук В.М.Інформаційні технології в системах навчання оперативного технічного персоналу екологічно-небезпечних виробництв. дисертація кандидата техн. наук: 05.13.06 / Барбарук Віктор Миколайович. – Донецьк, 2010. – 175 с.
УДК 62-52
Сидоренко В.Я., Скарга-Бандурова І.С.