Модели, системы, сети в экономике, технике, природе и обществе

Актуальность и цели. На современном этапе готовится переход на но- вую систему высшего образования Российской Федерации. Для обеспечения эффек- тивности образовательной деятельности в этих условиях необходимо задействовать механизмы на базе институтов развития инновационной деятельности. К последним относятся научно-образовательные центры мирового уровня, потенциал которых в части повышения эффективности образовательной деятельности университетов-участников изучен не в полной мере. Материалы и методы. Для характеристики конкурентоспособности регионов-инициаторов научно-образовательных центров мирового уровня использованы некоторые показатели рейтинга инновационного развития субъектов Российской Федерации, формируемого Национальным исследовательским университетом «Высшая школа экономики», для характеристики конкурентоспособности университетов-участников – данные рейтинга «Образование» Национального рейтинга университетов, формируемого информационным агентством «Интерфакс», данные мониторинга эффективности вузов и данные независимой оценки качества условий осуществления образовательной деятельности, которая проводится соответствующим Общественным советом при Минобрнауки России. Вместе со сравнительным анализом конкурентоспособности регионов-инициаторов и университетов-участников научно-образовательных центров мирового уровня проанализировано содержание программ развития университетов. Исследования проведены в срезе научно-образовательного центра мирового уровня «Инженерия будущего». Результаты. В ходе стратификации регионов-инициаторов создания данного научно-образовательного центра по итогам 2021 и 2022 гг. выявлены регионы со сравнительно высоким уровнем инновационного развития и высоким уровнем развития университетов-участников, дислоцированных на их территории. В программах развития ряда университетов отражены стратегические проекты, нацеленные на повышение эффективности образовательной деятельности за счет повышения уровня цифровой трансформации. Выводы. Научно- образовательные центры мирового уровня, созданные в рамках национального проекта «Наука и университеты», имеют хороший потенциал обеспечения эффективности образовательной деятельности университетов-участников в части образовательных программ, соответствующих направлениям научных проектам центров. Для университетов-участников эффективной может оказаться реализация актуализированных про- грамм развития с позиций включения в стратегические проекты вузов мероприятий по трансформации образовательной деятельности в новых условиях.

Актуальность и цели. Рост потребности в квалифицированных кадрах для реализации технологических инноваций и развития инфраструктуры обусловливает актуальность анализа и численного моделирования распределения выпускников инженерно-технических специальностей (ИТС). В связи с этим важно проводить регулярный мониторинг спроса и предложения ИТС на рынке труда, чтобы адекватно реагировать на изменения и обеспечивать наличие необходимых кадров для успешного развития бизнеса. Это поможет выявить недостаток или избыток специалистов в определенных областях, поспособствовать оптимизации образовательных программ, а также обеспечить соответствие подготовки выпускников требованиям рынка труда. В условиях цифровизации и перехода к устойчивому развитию важно эффективно использовать ресурсы для формирования инженерного потенциала страны. Цель исследования – разработка адекватных математических моделей для моделирования распре- деления выпускников инженерных специальностей Пензенского государственного университета (ПГУ). Материалы и методы. Используются методы статистического анализа, эконометрического моделирования, экономико-математического моделирования. Результаты. В условиях стремительных изменений на рынке труда и растущей необходимости в высококвалифицированных кадрах распределение выпускников инженерно-технических специальностей приобретает особую значимость. На основе зарубежных и отечественных моделей рынка труда разработаны три математические модели для анализа распределения выпускников инженерно-технических специальностей ПГУ. Эти модели служат инструментом для прогнозирования числа бакалавров, специалистов и магистров, которые будут искать работу по окончании учебы. С использованием построенных математических моделей и результатов предыдущих связанных исследований был сформирован усредненный прогноз распределения выпускников ИТС ПГУ в переходный период «учеба – работа» до 2028 г. Выводы. Полу- ченные результаты позволяют не только прогнозировать распределение выпускников, но и оценивать возможный дисбаланс между спросом и предложением специалистов, подчеркнуть необходимость повышения престижа технических специальностей и актуальность инженерного образования. Успешное развитие научно-исследовательской деятельности и промышленности, а также сектора наукоемких услуг становится критически важным для реиндустриализации экономики России.

Актуальность и цели. Компьютерная плантография является одним из методов диагностики состояния стоп. В ходе расчета клинико-функциональных показателей при проведении данного исследования одним из этапов является выделение точек, лежащих на границе зоны контакта стопы с опорной поверхностью. Ввиду стремления снизить нагрузку на специалистов при проведении этой процедуры и развития технологий искусственного интеллекта актуальной задачей является разработка модели сегментации зон контакта на плантограммах как одного из этапов автоматизации проведения данного исследования. Цель исследования – разработать и апробировать модель сегментации опорной зоны стопы на снимках компьютерной плантографии средствами искусственного интеллекта. Материалы и методы. В исследовании использован датасет, содержащий 500 снимков компьютерной плантографии разных пациентов. Результаты. По результатам обучения модели yolo11x-seg (модель сегментация снимков) были получены высокие показатели в задачах детекции и сегментации зон контакта совместно в переднем и среднем отделах стопы и отдельно в заднем от- деле стопы. Метрики качества работы модели составили: mAP50 – 0,9727, mAP50-95 – 0,8293, точность – 0,9849, полнота – 0,9684 в задаче детекции сегментируемой области; mAP50 – 0,9727, mAP50-95 – 0,8482, точность – 0,9849, полнота – 0,9688 в задаче семантической сегментации. Полученные показатели подтверждают способность модели эффективно выделять и сегментировать общую зону контакта в переднем и среднем отделах стопы, а также зону контакта в заднем отделе стопы. Выводы. Интеграция данной модели в системы поддержки принятия врачебных решений обеспечит ускорение процесса анализа снимков и снижение трудозатрат специалистов, что позволит оптимизировать проведение научных исследований и повысить качество медицинских услуг.

Актуальность и цели. Исследование посвящено разработке модели формирования оптимального состава команд для проектов в целом и для инновационных в частности, которые являются основой экономического прогресса в современном информационном обществе. Проблема заключается в необходимости повышения эффективности и результативности проектов за счет оптимизации состава команд. Целью исследования является создание математической модели формирования команд проектов, учитывающей такие факторы, как квалификация, производительность и инновационный потенциал участников. Материалы и методы. Методологическую и инструментальную основу исследования составили метод дискретной оптимизации, основы кибернетики, а также математического моделирования. В работе рассматрива- ются существующие подходы к формированию команд, в основном базирующиеся на опыте и наблюдениях, на личностных качествах или взаимоотношениях между чле- нами команды. Результаты. В результате была построена модель формирования команды проекта на основе алгоритма, позволяющего минимизировать затраты на персонал при сохранении высокой эффективности. Практическое применение данной модели демонстрируется на примере IT-проектов, что показывает возможности оптимизации человеческих ресурсов в данной отрасли. Модель обеспечивает оптимальный состав команды на проект с учетом минимизации расходов на трудовые ресурсы при выполнении требуемой производительности на проект в целом. Данный подход способствует экономическому прогрессу проектно-ориентированных предприятий. Выводы. Исследование направлено на улучшение методов и моделей управления проектами и может быть полезно руководителям проектов, специалистам по кадрам и руководству компаний, стремящихся внедрить методы оптимизации состава команд при реализации проектов. Внедрение разработанной модели может способствовать повышению прогнозируемости проектов, что особенно актуально в условиях растущей сложности и масштабов современных проектов.

Актуальность и цели. На этапе разработки технологического процесса токарной обработки детали важно определить процессы, происходящие в результате воздействия инструмента на заготовку. Величины напряжений, давлений, сил и температурных деформаций, возникаемых в результате воздействия резца, главным образом определяют свойства детали, полученной в результате обработки. Важнейшим шагом на этапе технологической проработки детали является моделирование процесса резания. Компьютерное моделирование позволяет полностью сымитировать процесс токарной обработки, учесть параметры вращения заготовки, режимы резания, силу тяжести и инерции заготовки в процессе вращения, вынужденные колебания и автоколебания, а также процесс стружкообразования. Цель исследования – разработка компьютерной модели при сложном пространственном перемещении режущего инструмента, позволяющей исследовать напряженно-деформированное и тепловое состояние процесса резания, условия стружкообразования, прогнозировать параметры качества поверхностного слоя, а также учитывать характеристики заготовки и режущего инструмента с последующей возможностью параметризации процесса. Материалы и методы. Теоретические и экспериментальные исследования базируются на геометрической и кинематической основе механики резания. С позиции кинематического подхода рассмотрены параметры режимов резания и сечения срезаемого слоя, координатные плоскости, углы режущего инструмента, а также характеристики деформации и скорости деформации срезаемого слоя. Для компьютерного моделирования использован конечно-элементный пакет Ansys Workbench, задача решалась в трехмерной постановке. Для моделирования пластической деформации и разрушения материала использована модель Джонсона – Кука, позволяющая учесть кинематическое упрочнение и адиабатический разогрев деформируемого материала. В качестве критерия стружкоотделения выбрано критическое значение деформации сдвига в слое, разделяющем заготовку и стружку. Результаты. Разработана компьютерная модель сложного перемещения режущего инструмента и разрушений вращающейся заготовки со стружкообразованием. Выводы. Полученные результаты компьютерной модели процесса точения и стружкообразования адекватны натурным исследованиям обработки.