Методика автоматизированного проектирования изделий машиностроения на основе многократного использования конструкторских знаний тема диссертации и автореферата по ВАК РФ 05.13.12, кандидат наук Кондусов Дмитрий Викторович

• Кондусов Дмитрий Викторович
• кандидат наук
• 2020

Оглавление диссертации кандидат наук Кондусов Дмитрий Викторович

Обозначения и сокращения

ВВЕДЕНИЕ

1 Тенденции в развитии САПР

1.1 Генеративный дизайн

1.2 Средства повышения эффективности конструкторской деятельности

1.3 Проектирование на основе баз знаний

1.3.1 «CATIA Knowledgeware»

1.3.2 «Knowledge Fusion» и «Check-Mate» для «NX»

1.3.3 «IMShape»

1.3.4 «3DPartFinder»

1.3.5 «3DSearchIT»

1.3.6 «Geolus Search»

1.4 Использование контурного анализа в задаче поиска изображений

1.4.1 Преобразование Собеля

1.4.2 Преобразование Прюитт

1.4.3 Преобразование Робертса

1.4.4 Преобразование Лапласа

1.4.5 Преобразование Кэнни

1.4.6 Нейросетевой подход нахождения контура

1.4.7 Сверточные нейронные сети

1.4.7.1 Архитектуры сверточных нейронных сетей

1.4.7.2 Области применения сверточных нейронных сетей

1.5 Метод деформаций

1.6 Инвариантные Hu-моменты

1.7 Заключение. Цели и задачи исследования

2 Функциональная модель автоматизированного проектирования, основанная на многократном использовании конструкторских знаний

2.1 Разработка диаграммы прецедентов БП автоматизированного конструкторского проектирования

2.2 Разработка диаграммы последовательностей БП проектирования

2.3 Разработка диаграммы деятельности системы поиска по геометрической форме

2.4 Разработка диаграммы классов программного модуля получения конструкторских знаний с помощью Hu-моментов

2.5 Разработка диаграммы компонентов системы поиска по геометрической форме

2.6 Выводы по второму разделу

3 Математическое обеспечение САПР для сравнения 3Э-моделей

3.1 Сравнение контуров с помощью метода деформаций

3.2 Использование инвариантных Hu-моментов для сравнения 3D-моделей

3.3 Применение сверточных нейронных сетей для сравнения изображений

3.3.1 Математическая модель сверточной нейронной сети

3.3.2 Математическая модель сверточного слоя

3.3.3 Математическая модель субдискретизирующего слоя

3.3.4 Математическая модель выходного слоя

3.4 Получение и сравнение конструкторских знаний

3.5 Разработка БД для хранения конструкторских знаний

3.6 Разработка программного обеспечения интегрированного интерактивного комплекса анализа проектных решений

3.6.1 Разработка модуля «Администратор конструкторских знаний»

3.7 Методика автоматизированного проектирования изделий машиностроения на основе многократного использования конструкторских знаний

3.8 Выводы по третьему разделу

4 Экспериментальные исследования по оценке эффективности поиска 3D-моделей

4.1 Исходные данные для проведения экспериментальных исследований

4.2 Оценка степени согласованности мнений экспертов

4.3 Результаты поиска 3D-моделей на основе многократного использования конструкторских знаний

4.4 Анализ результатов экспериментальных исследований

4.5 Выводы по четвертому разделу

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫ

Список литературы

Приложение А (справочное) Результаты поиска 3D-моделей с помощью метода

деформаций

Приложение Б (справочное) Результаты поиска 3D-моделей с помощью метода на основе ^-моментов

Приложение В (справочное) Результаты поиска 3D-моделей с помощью сверточной нейронной сети

Приложение Г (справочное) Программный код модуля для сравнений изображений «HuModule»

Приложение Д (справочное) Программный код модуля получения конструкторских знаний на основе хью-моментов

Приложение Е (справочное) Акты внедрения результатов диссертационной работы

Обозначения и сокращения

БД - база данных;

БП - бизнес-процесс;

ВК - вектор-контур;

ИИ - искуственный интеллект;

ИНС - искуственная нейронная сеть;

КА - контурный анализ;

КБ - конструкторское бюро;

КСТ - конструктивно-технологичекая сложность;

ПО - программное обеспечение;

САПР - система автоматизированного проектирования;

СНС - сверточная нейронная сеть;

СУБД - система управления базами данных;

ФМ - функциональная модель;

ЧПУ - числовое программное управление;

ЭВ - элементарный вектор;

ЭМ - электронная модель;

CAD - средства автоматизированного проектирования (Computer Aided Design);

CAE - средства автоматизации инженерных расчётов (Computer Aided Engineering);

CALS - непрерывная информационная поддержка жизненного цикла изделий (Continuous Acquisition and Life cycle Support);

CAM - средства автоматизации программирования и управления оборудования с ЧПУ (Computer Aided Manufacturing);

ERP - планирование ресурсов предприятия (Enterprise Resource Planning);

KBE - проектирование основанное на знаниях (Knowledge Based Engineering);

PDM - система управления данными об изделии (Product Data Management);

PLM - прикладное программное обеспечение для управления жизненным циклом продукции (Product Lifecycle Management);

SDK - комплект средств для разработки программного обеспечения (Software Development Kit);

UML - унифицированный язык моделирования (Unified Modeling Language)

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему «Методика автоматизированного проектирования изделий машиностроения на основе многократного использования конструкторских знаний»

Актуальность темы.

В процессе проектной деятельности машиностроительных предприятий накапливаются конструкторские знания, представленные чертежами, геометрическими моделями изделий и технологическими процессами их изготовления. Использование в проектно-конструкторской деятельности имеющихся наработок - один из эффективных и зарекомендовавших себя подходов.

Для применения этого подхода у проектировщика должны быть инструменты эффективного поиска конструкторских знаний в имеющемся на предприятии архиве. Но даже применение PDM(PLM)-систем не дает возможности поиска по геометрической форме изделия. Можно выделить несколько причин, осложняющих процесс поиска необходимой конструктору информации: имеющаяся кодировка не отражает геометрии проектируемого изделия; смена конструкторов приводит к тому, что новый сотрудник значительную часть работы, которую можно взять из предыдущих проектов, выполняет заново; сложившаяся политическая обстановка обуславливает разработку продукции и запасных частей, ранее приобретаемых из-за рубежа, средствами российских предприятий.

Вследствие этого разработка методики проектирования на основе многократного использования конструкторских знаний рассматривается как актуальная научная проблема, решение которой имеет важное значение для экономики России.

Фрагменты диссертации выполнены в рамках следующих финансируемых проектов:

а) № 2.1.2/3596 «Применение эволюционных методов оптимизации в параметрическом синтезе гибких производственных систем» (Аналитическая ведомственная целевая программа «Развитие научного потенциала высшей школы» 2009-2010 гг., исполнитель);

б) № 14.В37.21.1863 «Разработка инструментов инженерного анализа для построения высокоавтоматизированных станочных систем» (конкурс по Федеральной целевой программе «Научные и педагогические кадры инновационной России» 2009-2013 гг., исполнитель);

в) № 14.756.16.5393-МК «Повышение эффективности мониторинга послепродажного обслуживания наукоемких изделий на основе оптимизации параметров процесса интегрированной логистической поддержки этапов жизненного цикла» (грант Президента РФ, 2016-2017 гг., исполнитель);

г) № 22 от 14.08.2019 г. «Повышение эффективности систем управления жизненным циклом изделия на основе интеллектуализации процесса переиспользования инженерных знаний» (Областной грант в сфере научной и научно-технической деятельности, 2019 г., руководитель).

Цель работы - повышение эффективности функционирования САПР посредством разработки методики проектирования на основе многократного использования конструкторских знаний.

Задачи исследования:

1) выполнить анализ литературных источников и программных продуктов в области распознавания 3Б-моделей;

2) разработать математическую и функциональную модели системы автоматизированного проектирования, основанную на повторном использовании конструкторских знаний;

3) разработать базу данных для хранения индексированных файлов, которые являются результатом анализа геометрической формы трехмерных моделей;

4) разработать алгоритмы и реализовать интегрированный интерактивный комплекс анализа трехмерных моделей, хранящихся в РЭМ(РЬМ)-системе предприятия;

5) исследовать эффективность применения методики автоматизированного проектирования на основе многократного использования конструкторских знаний.

Объект исследования - процесс автоматизированного проектирования изделий машиностроения.

Предмет исследования - автоматизация процесса многократного использования конструкторских знаний.

Методы исследования. Для решения поставленных задач в работе использованы методы системного анализа и проектирования программного обеспечения (ПО) САПР, аппарат реляционной алгебры, теория множеств, теория алгоритмов, методы контурного анализа, аппарат нейронных сетей, технологии объектно-ориентированного программирования, методы функционального и информационного моделирования, теория баз данных, технологии моделирования бизнес-процессов (БП).

Достоверность разработанной методики и алгоритмов подтверждается результатами тестирования созданного программного обеспечения.

Научная новизна:

1) архитектура САПР для многократного использования конструкторских знаний, отличающаяся вариативностью выбора метода распознавания 3D-модели (п.3 паспорта 05.13.12);

2) математические модели процесса извлечения конструкторских знаний, адаптированные для работы в условиях единого информационного пространства предприятия (п.3 паспорта 05.13.12);

3) выявленные зависимости эффективности проектирования от метода извлечения конструкторских знаний из трехмерных моделей (п. 1 паспорта 05.13.12);

4) методика автоматизированного проектирования изделий машиностроения, отличающаяся автоматизацией многократного использования конструкторских знаний, представленных 3D-моделями (п. 1 паспорта 05.13.12).

Практическую значимость и реализацию результатов работы составляют:

- способ интеграции разработанных программных модулей с ЛОЦМАН:PLM для определения местонахождения 3D-моделей в составе

изделия, реализованный в программе для ЭВМ, зарегистрированной в Роспатенте, свидетельство о государственной регистрации программы для ЭВМ № 2016661252, дата регистрации 04 октября 2016 г.;

- способ получения конструкторских знаний из 3О-моделей, реализованный в программе для ЭВМ, зарегистрированной в Роспатенте, свидетельство о государственной регистрации программы для ЭВМ № 2019616421, дата регистрации 10 декабря 2019 г.;

- интегрированный интерактивный комплекс анализа проектных решений, основанный на разработанном методическом, математическом, информационном и программном обеспечении процесса многократного использования конструкторских знаний.

Результаты, выносимые на защиту:

1) формализованное описание процесса многократного использования накопленных ранее конструкторских знаний в виде совокупности математических моделей и базы, хранящей полученные знания, сформированные на основании геометрической формы 3О-модели;

2) объектно-ориентированная функциональная модель САПР, разработанная на основе результатов реинжиниринга БП конструкторского проектирования, отличающаяся интеграцией этапов функционального моделирования и создания ПО САПР;

3) интегрированный программный комплекс анализа проектных решений, как инструмент конструктора, позволяющий осуществлять поиск 3О-моделей, по образцу непосредственно из СЛО-системы;

4) методика автоматизированного проектирования, основанная на использовании реализованного подхода, интегрированного программного комплекса и результатов вычислительных экспериментов, позволяющая повысить эффективность функционирования САПР.

Личный вклад автора. Диссертационная работа является результатом обобщения многолетних исследований, основная часть которых выполнена лично автором, а часть - в соавторстве с сотрудниками кафедры систем автоматизации

производства ФГБОУ ВО «Оренбургский государственный университет». Личный вклад автора включает: разработку алгоритмов и программных модулей, защищенных свидетельствами о государственной регистрации, разработанных на основании лично полученной функциональной модели САПР, основанной на многократном использовании конструкторских знаний; постановку задач работы и выбор методов их решения; разработку программы теоретических и экспериментальных исследований методики автоматизированного проектирования; анализ и научное обобщение результатов; формулировку выводов и защищаемых положений.

Реализация результатов работы. Результаты диссертационной работы приняты к внедрению в АО «Корпорация Тактическое Ракетное Вооружение» (г. Королев), АО «ПО «Стрела» (г. Оренбург), ОАО «Завод бурового оборудования» (г. Оренбург), АО «Механический завод» (г. Орск); в учебный процесс кафедры систем автоматизации производства ФГБОУ ВО «Оренбургский государственный университет» (г. Оренбург).

Апробация научных результатов работы.

Основные результаты диссертационной работы обсуждались и получили одобрение на международных научно-практических конференциях:

«Традиционная и инновационная наука: история, современное состояние, перспективы» (Уфа, 2017 г.); всероссийских научно-практических

конференциях: «Университетский комплекс как региональный центр образования, науки и культуры» (Оренбург, 2014 г.), «Компьютерная интеграция производства и ИПИ-технологии» (Оренбург, 2015, 2019 гг.), «Школа-семинар молодых ученых и специалистов в области компьютерной интеграции производства» (Оренбург, 2016 г.), «28-я научно-техническая конференция молодых специалистов АО «ПО «Стрела»» (Оренбург, 2016 г.), «Информационные технологии в науке и производстве» (Омск, 2020 г.).

Публикации. По материалам диссертационной работы и результатам исследований опубликованы 22 печатные работы, в том числе 7 статей в журналах

из «Перечня...» ВАК, 3 из которых индексированы в базе SCOPUS, 3 монографии, 5 зарегистрированных Роспатентом программных средств.

Структура и объём диссертации. Диссертация состоит из введения, 4 разделов, выводов, списка использованных источников из 131 наименования. Работа выполнена на 223 страницах, включая 79 рисунков, 13 таблиц и 61 страницу приложений.

1 Тенденции в развитии САПР

1.1 Генеративный дизайн

Распространение и развитие аддитивных технологий, искусственного интеллекта и облачных вычислений определило появление новых методов и средств проектирования для создания или модернизации изделий.

Одной из таких технологий является генеративный дизайн. Посредством применения данной технологии возможно достичь следующих результатов:

- оптимизация изготовления изделия;

- уменьшение веса изделия;

- экономия материалов;

- проектирование геометрии изделия, соответствующей требованиям аддитивного производства.

В настоящее время существует четыре направления развития генеративного проектирования. Первое направление ориентировано на синтез формы, второе -на оптимизацию структуры и поверхности, позволяющее изменять внутреннюю структуру и оптимизировать форму поверхности детали для уменьшения веса и повышения прочности, третье - на оптимизацию топологии. Четвертое - на применение трабекулярной структуры, позволяющей например, оптимизировать структуру материалов для создания медицинских имплантов [1]. Для предприятий машиностроительной отрасли направление по оптимизации топологии, позволяющее сэкономить материалы и энергоресурсы, и в тоже время, дающее прирост производительности, является наиболее значимым и перспективным.

Для реализации процесса оптимизации топологии с использованием программного обеспечения, реализующего функции генеративного дизайна, инженеру требуется задать следующие параметры проектирования: величину и направление действующих нагрузок, материал и его свойства. Также необходимо и введение дополнительных ограничений, например, предельное значение массы. Следует указать и области изделия, которые не будут подвержены изменениям в процессе оптимизации. Посредством проведенного анализа и исключения

лишнего материала из областей не дающих нагрузку, инженеру предоставляется список наиболее подходящих конструктивных решений [2]. Инженеру необходимо выбрать один из вариантов оптимизации, предложенных системой. На рисунке 1. 1 показан результат применения генеративного дизайна.

Рисунок 1.1 - Применение технологии генеративного дизайна

Генеративный дизайн позволяет создавать изделия со сложной геометрией. Однако, его применение ограничивается недостаточно развитым уровнем применения аддитивных технологий в промышленных масштабах.

1.2 Средства повышения эффективности конструкторской деятельности

Одним из наиболее эффективных инструментов повышения эффективности конструкторской деятельности является интеллектуализация САПР.

В области интеллектуализации процесса переиспользования инженерных знаний ведутся активные исследования как в России, так и за рубежом. Рассмотрим результаты, достигнутые учеными по проблеме исследования.

Г.Б. Евгенев [3] подробно описывает информационную технологию компьютеризации инженерной деятельности, а также методы, средства разработки и использования концептуальных конструкторско-технологических моделей данных, параметризированных геометрических моделей машиностроительных изделий, конструкторских и технологических баз знаний, интегрированных интеллектуальных конструкторско-технологических систем автоматизации проектирования.

Г.Б. Евгенев, А.А. Кокорев и М.В. Пиримяшкин [4,5] предлагают использовать интеллектуальные системы конструирования изделий, которые повышают производительность и качество работы конструкторов. Ими создана технология экспертного программирования, обеспечивающая автоматическую генерацию программных средств на основе экспертных знаний.

В работах А.А.Черепашкова, Н. В. Носова, А.В. Букатина [6, 7] рассмотрены перспективные направления развития технологий автоматизированного проектирования, реверсивного инжиниринга и виртуальной инженерии.

Свои труды [8-10] Д.Р. Касимов, А.В. Кучуганов посвещают разработке экспериментальной системы графического поиска чертежей и схем в архивах технической документации, на основе предложенной ими методики гибкого поиска графической конструкторско-технологической информации по содержанию.

Авторами А.Ф. Похилько, Д.Э. Цыганков [11-13] представлен подход к автоматизации конструкторской деятельности, основанный на биективном

соответствии между структурой изделия и процессом построения его электронной 3D-модели. Предлагаемый способ обеспечивает сохранение семантической целостности конструкторского решения и позволяет сократить время, затраченное на его формирование

И.А. Лёзин и Д.Е. Маркелов [14] рассматривают создание автоматизированной системы для классификации конструкторско-технологических элементов деталей, на основе накопленных данных. Входными данными для системы являются характеристики детали, такие как вогнутость ребер, наличие петель, характеристика внутренних или внешних петель. Выходными данными является класс детали.

Цикл работ П.И. Соснина, М.В. Гришина, П.Ю. Павлова [15, 16, 17], и других ученых посвящен созданию средств онтологической поддержки работ на этапе технологической подготовки авиационного производства. Предлагаемые средства позволят обеспечить эффективный диалог взаимодействия «проектировщик - система» и аккумулировать, перерабатывать и сохранять проектно-конструкторские знания в виде опытных единиц.

А.В. Рыбаков, С.А. Евдокимов и А.А. Краснов в своих статьях [18, 19] рассматривают, как перенести ранее накопленные знания из традиционных стандартов предприятия в компьютерную среду и как при этом изменится деятельность конструктора. Авторы отмечают, что внедрение и эксплуатация компьютерной базы знаний для предприятий позволяет сократить на порядок продолжительность конструкторско-технологической подготовки производства конечного изделия.

Н. Семидоцкий [20] раскрывает потенциал модулей для САПР SolidWorks, которые реализуют технологию Knowledge-based engineering (KBE). Подробно рассмотрен модуль DriveWorks, позволяющий консолидировать опыт проектировщиков в электронном виде в форме правил базы знаний и затем, при помощи уже структурированных и формализованных правил выполнить частичную или полную автоматизацию повторяющихся операций.

В.И. Калинцев и М.В. Лихачев в своей работе [21] приводят пример практической реализации использования библиотеки шаблонов проектирования сотовых панелей в САПР CATIA. В результате, применение шаблона позволило использовать наименьшее количество вспомогательной геометрии, в связи с этим время для создания готовой сотовой панели существенно сократилось.

Rea J., Corney J. R., Clark D. E. R., Pritchard J., Breaks M. L., Sung, R., MacLeod R. A., Vranic D. V., Saupe D. [22-25] исследовали применение общих параметров для описания формы и сравнения с соответствиями из БД. Описана еще одна статистическая мера сходства трехмерных фигур, основанная на выборке грубых показателей, таких как моменты, среднее расстояние от поверхности и его дисперсия вдоль главных осей.

Ankerst M., Kastenmüller G., Kriegel H.P., Seidl T., Osada R., Funkhouser T., Chazelle B., Dobkin D, Ohbuchi R., Otagiri T., Ibato M., Takei T. [26, 27, 28] рассматривали использование статистических показателей формы BD-моделей и гистограмм на их основе для поиска и классификации ближайших соседей в базах данных моделей. Были проанализированы различные способы представления формы трехмерных моделей для их сравнения.

Hilaga M., Shinagawa Y., Kohmura T., Kunii, Tosiyasu L., Elinson A., Nau D. S., Regli, W. C. в своих работах [29, 30] занимались изучением методов, основанных на графах признаков для определения сходства между различными 3D-моделями. Разработан метод сопоставления трехмерных моделей с использованием связанных скелетных аппроксимаций высокого разрешения, называемый «графом Риба».

Kazhdan M., Chazelle B., Dobkin D., Funkhouser T., Rusinkiewicz, S., Chen J., Halderman A., Jacobs D., Zaharia T., Preteux F. [31-34] изучали методы, основанные на вокселезированном представлении SD-модели, которые позволяют сохранить самые актуальные и важные сведения о форме модели.

Shapiro A., Rimon E., Burdick J.W., Lai X.M., Luo L.J., Qin G., Zhang W., Wan M. [35, 36] исследовали возможность применения генетических алгоритмов и

нейронных сетей, технологии оптимизации для автоматизации проектирования технологической оснастки.

Способам повышения эффективности функционирования САПР посвящены работы С. Найрата, С.И. Бригаднова, Li Dan [37, 38, 39]. В них рассматриваются задачи совершенствования систем автоматизированного проектирования на основе использования более эффективных алгоритмов и методов построения программного обеспечения и за счет возможности повторного использования проектных решений.

H. Э. Тернюк, А. В. Булыгин, В. Ю. Гранин [40, 41] исследовали причины недостаточной эффективности современных машиностроительных САПР, в числе которых отмечены недостаточный уровень формализации методик проектирования и низкая производительность традиционных технологий разработки программного обеспечения САПР.

Эффективным способом решения указанных проблем признаны конструкторские знания. САПР должна способствовать решению проектных задач, сформулированных в терминах предметной области, в том числе и не имеющих заранее известного алгоритма их решения. Такие задачи традиционно относятся к числу интеллектуальных, в связи с чем требование обычно называют принципом интеллектуализации САПР.

I.3 Проектирование на основе баз знаний

Одним из способов интеллектуализации САПР, является набирающая в последнее время популярность, технология Knowledge Based Engineering (KBE).

Понятие KBE не является чем - то новым, оно берет свое начало в 50-х годах двадцатого века. В это время выполнялись исследования с целью разработки системы, у которой был бы собственный интеллект, известный как искусственный интеллект.

ИИ должен был обеспечить реализацию адаптивных стратегий для использования при решении широкого спектра задач. По итогу, система, созданная

на основе ИИ не оправдала себя, для решения несложных задач требовалось участие человека, который выполнял поставленную задачу намного оперативнее.

Разработка должна была высвободить время инженеру для творческой работы, а компьютер, в свою очередь, должен был обеспечить автоматизацию стандартной, рутинной работы. Только в начале 80-х годов исследователи пришли к выводу о необходимости создания баз данных для накапливания знаний и правил в системах, которые управляли стандартными задачами процесса проектирования изделия.

Понятие KBE [42] может быть определено как: «Использование передовых методов программного обеспечения для получения нового продукта путем повторного использования информации об изделии и обработки инженерных знаний этого изделия интегрированным способом».

Согласно ГОСТ Р 57321.2-2018 [43] понятие «проектирование на основе баз знаний» (KBE) связано с эффективными методами и программными средствами, предназначенными для их использования инженерами-конструкторами. При этом термин «KBE-проектирование» также относится к использованию систем обработки знаний при разработке продукции.

KBE используется для регистрации, формализации и интеграции знаний, генерируемых при проектировании в CAD-системах.

Несмотря на то, что начиная с 80-х годов прошлого века в области KBE-проектирования проводилось множество исследований и выработаны различные подходы, до настоящего момента отсутствует единое и универсальное описание промышленной среды, с помощью которой можно реализовывать и использовать KBE-приложения.

Знания в KBE представлены в виде объектов, которые относятся к определенным классам и формализованы объектно-ориентированными языками программирования, такими как Java, C++, C# [44].

Целью KBE является уменьшение срока разработки изделия, а также накопление знаний.

Ядро системы - модель изделия, где хранятся знания об изделии и процессе. Внешние базы данных применяются для описания данных в табличной форме. В системе КВЕ входными данными являются спецификации клиента, после систематизации и обработки, которых на выходе получают требуемый результат. Системное программное обеспечение объектно-ориентировано и поэтому может выполнять вычисления по управляемым запросами [44].

Современные СЛО-системы относятся к наиболее востребованным программным средствам для разработчиков, в связи с этим, КВЕ-приложение должно иметь интеграцию с СЛО-системой или являться ее частью. Принцип функционирования при этом можно рассматривать как тип дистанционного управления СЛО-системой, в которой КВЕ-приложение можно активировать, например, путем отображения/скрытия таких элементов, как стандартные детали или как режим параметрического проектирования, с функциями и ограничениями для новых деталей (рисунок 1.2) [43].

Рисунок 1.12 - Принцип функционирования КВЕ-приложения

Можно указать два подхода к реализации и интеграции КВЕ-приложения в рабочую среду проектировщика (рисунок 1.3) [43] :

Рисунок 1.3 - Комплексный (а) и комбинированный (б) подходы

- комплексный подход (рисунок 1.3 а). При этом КВЕ-приложение полностью интегрируют в СДО-систему, что упрощает ее взаимодействие с СДО-моделью. Соответствующие знания (базу знаний) поддерживают непосредственно в СДО-системе. Широко распространенным представителем подобного подхода являются КВЕ-модули различных поставщиков СДО-систем. Пользовательский интерфейс интегрируют в диалоговую систему управления САО-системы. Другой вариант реализации КВЕ-приложения в СДО-системе связан с традиционными методами, использующими скрипты/макросы, шаблоны или программы, которые разработаны с помощью программного интерфейса САО-системы;

- комбинированный подход (рисунок 1.3 б). КВЕ-приложение является автономной системой, связанной с СДО-системой, приведение в действие которой или обмен данными которой должен осуществляться с помощью ДР1-интерфейса. Существенное отличие данного подхода от комплексного подхода заключается в наличии отдельного хранилища данных (собственной базы знаний) и автономного пользовательского управления/интерфейса.

Использование или выбор того или иного из указанных выше подходов в значительной степени зависит от характера решаемой задачи, а также от наличия той или иной системной среды. Ключевую роль при этом может играть СЛО-система, которая в любом случае должна обеспечивать применение соответствующих интерфейсов. Если решение поставленной задачи занимает слишком много времени и требует значительных усилий при проектировании из-за большого числа выполняемых СЛО-системой операций, то чаще всего используют комплексные подходы. С другой стороны, если наборы правил объемны и сложны, то благодаря мощному компоненту решения проблем используют внешние КВЕ-приложения.

КВЕ помогает в реализации существенных материальных и неосязаемых преимуществ. Усилия затраченные на разработку продукта могут быть сокращены на 20 % - 30 % в первой итерации и 40 % - 50 % в последующих итерациях [45]. КВЕ помогает в автоматизации стандартных, рутинных действий и увеличивает пропускную способность, доступную для творческих действий.

Использование КВЕ дает приблизительно 30 % повышение производительности, снижение стоимости, и улучшение качества [46].

Процесс КВЕ представляет собой кругооборот получения и повторного использования технических знаний, где на новом обороте создается следующий уровень технического знания. Согласно Оеуага]а, Н. V. [46], процесс КВЕ выглядит как на рисунке 1.4.

Рисунок 1.4 - Процесс КВЕ

Технология KBE была реализована многими компаниями в аэрокосмической сфере и компаниями по производству двигателей, что принесло этим компаниям немалые дивиденды.

Компания «Infosys», например, успешно реализовала KBE на всех этапах разработки самолета. Было разработано много приложений поддерживающих KBE. Некоторые из них - большие приложения, развернутые для проектирования и разработки главных компонентов, таких как балки перекрытия. «Infosys» помогла различным компаниям в аэрокосмической сфере, сохранив при этом более 130 000 технических часов при разработке самолета [47].

Более того, преимущества KBE-технологии доступны при проектировании вне зависимости от CAD-системы. Отдача от инвестиций (ROI) в KBE-технологии составляет тысячи процентов.

Список литературы диссертационного исследования кандидат наук Кондусов Дмитрий Викторович, 2020 год

Список литературы

1 Солодилова Н. А. Новые технологии проектирования в рамках дисциплины «САПР в машиностроении» // SAEC. 2019. №3. URL: https://cyberleninka.ru/article/n/novye-tehnologii-proektirovaniya-v-ramkah-distsipliny-sapr-v-mashmostroenii (дата обращения: 10.05.2020).

2 Kenneth Wong. Generative Design: Advice from Algorithms // Digital Engineering magazine. 2018. January 2, URL: https://www.digitalengineering247.com/article/ designadvicealgorithms (дата обращения 15.04.2019).

3 Евгенев Г.Б. Интеллектуальные системы проектирования: учеб. пособие. 2-е изд., доп. М.: Изд-во МГТУ им. Н.Э. Баумана.2012. 411 с.

4 Евгенев, Г.Б. Метод генерации 3D моделей в продукционных базах знаний / Г.Б. Евгенев, А.А. Кокорев, М.В. Пиримяшкин // Известия высших учебных заведений. Машиностроение. - 2015. - № 4 (661). - С. 38-48.

5 Евгенев, Г.Б. Метод создания геометрических баз знаний / Г.Б. Евгенев,

A.А. Кокорев, М.В. Пиримяшкин // Инженерный вестник. - 2016. - №2 1. - С. 12011218.

6 Черепашков, А. А. Компьютерные технологии, моделирование и автоматизированные системы в машиностроении : учебник / А. А. Черепашков, Н.

B. Носов. - Волгоград : Ин-Фолио, 2009. - 591 с.

7 Черепашков, А. А. Учебное виртуальное предприятие на платформе комплекса решений АСКОН (разработка и внедрение) / А. А. Черепашков, А. В. Букатин. - Сп-б.: ЗАО АСКОН, 2013. - 144 с.

8 Касимов, Д. Р. Система графического поиска чертежей / Д.Р. Касимов, А.В. Кучуганов, А.Е. Лопаткин // Интеллектуальные системы в производстве. -Ижевск: Изд-во ИжГТУ, 2012. - №1. - С. 152-157.

9 Кучуганов, А. В. Графический поиск чертежей в хранилищах данных / А.В. Кучуганов, Д. Р. Касимов // Прикладная информатика. - М.: Маркет ДС, 2012. - №2. - С. 84-92.

10 Касимов, Д. Р. Возможности системы графического поиска чертежей, основанной на структурных моделях графических образов / Д.Р. Касимов, А.В. Кучуганов // Известия ВолгГТУ. Серия "Актуальные проблемы управления, вычислительной техники и информатики в технических системах". Вып. 18 : межвуз. сб. науч. тр. - Волгоград: Издательство ВолгГТУ, 2013. - №2 22. - С. 138-143.

11 Цыганков, Д.Э. Представление процесса проектирования на базе обобщения элементарных операций до уровня семантических единиц / Д.Э. Цыганков, А.Ф. Похилько // Автоматизация процессов управления. - 2015. - № 3 (41). -С. 81-88.

12 Цыганков, Д.Э. Конструкторское построение 3D-модели изделия в CAD-системе / Д.Э. Цыганков, А.Ф. Похилько // Информатика, моделирование, автоматизация проектирования (ИМАП-2017) : сборник научных трудов IX Всероссийской школы-семинара аспирантов, студентов и молодых ученых / под ред. А.Н. Афанасьева. - Ульяновск : УлГТУ, 2017. - С. 177-181.

13 Похилько, А.Ф. Отображение функциональной структуры проектируемого изделия в дереве построения его 3D-модели / А.Ф. Похилько, Д.Э. Цыганков // Известия Самарского научного центра Российской академии наук. - 2017. - Т. 19, № 1 (2). - С. 424-427.

14 Лезин, И.А. Автоматизированная система классификации конструкторско - технологических элементов деталей с использованием баз знаний / И.А. Лезин, Д.Е. Маркелов // Главный механик. - 2014. - №2 5. - С. 38-41.

15 Павлов, П.Ю. Онтологическая структуризация в параллельном инжиниринге проектирования сборочных приспособлений для летательных аппаратов / П.Ю. Павлов, П.И. Соснин, А.В. Лебедев // Известия Самарского научного центра РАН. - 2016. - Т.1 8, № 1 (2). - С. 373-377.

16 Гришин, М.В. Применение проектных онтологий в технологической подготовке авиационного производства / М.В. Гришин, П.Ю. Павлов, П.И. Соснин, В.В. Плутахин //Автоматизация процессов управления. - 2016. - №2 4 (46). - С. 47-57.

17 Гришин, М.В. Онтологии проектирования шаблонной оснастки в авиационном производстве / М.В. Гришин, С.Н. Ларин, П.И. Соснин // Онтология проектирования. - 2016. - Т. 6, № 1 (19). - С. 7-28.

18 Переход от традиционных стандартов предприятия к компьютерным базам знаний / А. Рыбаков, С. Евдокимов, А. Краснов, Н. Никонов // CAD/CAM/CAE Observer. - 2003. - № 4 (13). - С. 14-20.

19 Рыбаков, А.В. Возможности проектирования машиностроительных изделий на основе компьютерных баз знаний (на примере станочных приспособлений) / А.В. Рыбаков, С.А. Евдокимов, А.А. Краснов // Вестник МГТУ «Станкин». -2015. - № 2 (33). - С. 83-88.

20 Семидоцкий, Н. SolidWorks: Проектирование на основе баз знаний // САПР и Графика. - 2014. - № 5 (211). - С. 34-38. - URL: http://sapr.ru/article/24486 (дата обращения: 01.09.2017).

21 Калинцев, В.И. Применение шаблонов Knowledge Based Engineering в САПР CATIA V5 для моделирования сотовых панелей / В.И. Калинцев, М.В. Лихачев // Решетневские чтения. - 2015. - Т. 2. - № 19. - С. 220-222.

22 Rea, H. J., Corney, J. R., Clark, D. E. R., Pritchard, J., Breaks, M. L., and MacLeod, R. A., 2001, "Part-Sourcing in a Global Market," In 2001 International Conference on eCommerce Engineering, IceCE 2001, Xi'an, P. R. China, September.

23 Sung, R., Rea, H. J. Corney, J. R., Clark, D. E. R., Pritchard, J., Breaks, M. L., and MacLeod R. A., 2002, "Assessing the Effectiveness of Filters for Shape Matching." In 2002 ASME International Mechanical Engineering Congress & Exposition, IMECE '02. New Orleans, LA, November.

24 Vranic D V, Saupe D. 3D model retrieval. In: Proceedings of the Spring Conference on Computer Graphics and its Applications (SCCG2000), Budmerice, Slovakia, 2000, 89-93.

25 Vranic D V, Saupe D. 3D shape descriptor based on 3D fourier transform. In: Proceedings of the EURASIP Conference on Digital Signal Processing for Multimedia Communications and Services, Budapest, Hungary, September 2001, 271-274.

26 Ankerst, M., Kastenmuller, G., Kriegel, H.P., and Seidl, T. (1999). 3D Shape Histograms for Similarity Search and Classification in Spatial Databases. In Proc. 6th Int. Symposium on Spatial Databases (SSD), Lecture Notes in Computer Science, Vol. 1651 (pp. 207-226).

27 Osada R, Funkhouser T, Chazelle B, Dobkin D: Matching 3D models with shape distributions. Proceedings of the International Conference on Shape Modelling and Applications (SMI '01), May 2001, Genova, Italy 154-166.

28 Ohbuchi R, Otagiri T, Ibato M, Takei T: Shape-similarity search of three-dimensional models using parameterized statistics. Proceedings of the 10th Pacific Conference on Computer Graphics and Applications, October 2002, Beijng, China 265274.

29 Masaki Hilaga, Yoshihisa Shinagawa, Taku Kohmura, and Tosiyasu L. Kunii.

2001. Topology matching for fully automatic similarity estimation of 3D shapes. In Proceedings of the 28th annual conference on Computer graphics and interactive techniques (SIGGRAPH '01). Association for Computing Machinery, New York, NY, USA, 203-212.

30 A. Elinson, D. S. Nau, and W. C. Regli, "Feature-based Similarity Assessment of Solid Models," in Proceedings of the Fourth Acm/siggraph Symposium on Solid Modeling & Applications Atlanta, pp. 297-310, 1997.

31 M. Kazhdan, B. Chazelle, D. Dobkin, A. Finkelstein, and T. Funkhouser, "A reflective symmetry descriptor," in EuropeanConference on Computer Vision. Springer,

2002, pp. 642-656.

32 Kazhdan M, Funkhouser T, Rusinkiewicz S: Rotation invariant spherical harmonic representation of 3D shape descriptors. Proceedings of the Eurographics Symposium on Geometry Processing, June 2003, Aachen, Germany 156-164.

33 Funkhouser, T., Min, P., Kazhdan, M., Chen, J., Halderman, A., Dobkin, D., Jacobs, D.: A search engine for 3D models. ACM Transactions on Graph 22(1), 83-105 (2003).

34 Zaharia, T., Preteux, F.: Shape-based retrieval of 3D mesh models. In: IEEE International Conference of Multimedia and Expo 2002 (ICME 2002), vol. 1, pp. 437440 (2002).

35 Shapiro, A. Passive Force Closure and its Computation in Compliant-Rigid Grasp / A. Shapiro, E. Rimon, J.W. Burdick // Proceedings of IEEE/RSJ International Conference on Intelligent Robots and Systems. - 2001. Maui, HI, October 29-November 3, 2, pp. 1769-1775.

36 Qin, G. Analysis and optimal design of fixture clamping sequence /G. Qin, W. Zhang, M. Wan // Transactions-American Society Of Mechanical Engineers Journal Of Manufacturing Science And Engineering 2006. - Vol. 128, No. 2. Pp. 482-493.

37 Найрат С. Повышение эффективности программного обеспечения САПР на основе технологии разреженных матриц: автореф. дисс. ... канд. техн. наук: 05.13.12.. - Спб., 2006. - 16 с.

38 Бригаднов С.И. Автоматизация структурно-параметрического анализа проектных решений и обучения проектировщика изделий машиностроения средствами САПР КОМПАС: дис. ... канд. техн. наук: 05.13.12.. - Ульяновск, 2018. - 213 с.

39 Dan, Li Improve Reuse of Engineering Knowledge / Dan Li, Jens Samuelsson // Chalmers University of Technology. - Gothenburg, 2015. - 58p.

40 Тернюк, Н. Э. Направления интеллектуализации САПР в машиностроении / Н. Э. Тернюк, В.Ю. Гранин, А. В. Булыгин // Открытые информационные и компьютерные интегрированные технологии: сб. науч. тр. Нац. аэрокосм. ун-та им. Н.Е. Жуковского «ХАИ». - Х., 2008. - №39. - С. 14-27.

41 Булыгин, А. В. Инструментальные средства компьютеризации инженерных знаний в САПР / А.В. Булыгин, В. Ю. Гранин, О. С. Гурова, М.Л. Тюрина // Открытые информационные и компьютерные интегрированные технологии: сб. науч. тр. Нац. аэрокосм. ун-та им. Н.Е. Жуковского «ХАИ». - Х., 2009. - №41. - С. 125-135.

42 Stokes, M. Ed. Managing Engineering Knowledge-MOKA: Methodology for Knowledge Based Engineering Applications / M. Ed. Stokes.: ASME Press, 2001. - 15 p.

43 ГОСТ Р 57321.2-2018 Менеджмент знаний. Менеджмент знаний в области инжиниринга. Часть 2. Проектирование на основе баз знаний. - М.: Росстандарт, 2018. - 46 с.

44 Sandberg, M. Knowledge Based Engineering in product development / M. Sandberg.: Department of Applied Physics and Mechanical Engineering Division of Computer Aided Design, 2003. - 11 p. - ISSN:1402-1536.

45 Chidambaran, N. C. Knowledge Based Engineering - How it can help retail and Consumer Packaged Goods Industry / N. C. Chidambaran, G. V. V. Ravi Kumar.: Technical white paper, Infosys, 2011. - 14 p.

46 Devaraja, H. V. Knowledge Based Engineering (KBE) - Key Product development technology to enhance competitiveness / V. H. Devaraja.: Technical View Point, Infosys Technologies Limited, 2009. - 17 p.

47 Rao, N. S. Knowledge Based Engineering Applications in Aircraft Structural Repair / S. N. Rao, V. D. Holla, G. V. V. Ravi Kumar.: Technical white paper, Infosys, 2009.

48 Суханов, Ю. И. О «новом взгляде» на классификацию САПР / Ю. И. Суханов, О. А. Ефанов, Ю. П. Береза // CAD/CAM/CAE Observer. - 2007. - №№6(36).

- С. 15-23.

49 Knowledgeware: как задействовать самые ценные корпоративные архивы / П. А. Голдовский, А. И. Бубнов // САПР и графика, 2001. - №4. - М.: КомпьютерПресс, 2001 - 2012. - Режим доступа: http://sapr.ru/article.aspx7id = 7125&iid =291.

50 NX: создание полной цифровой модели изделия [Электронный ресурс]

- Режим доступа: https://docplayer.ru/31980591-Nx-sozdanie-polnoy-cifrovoy-modeli-izdeliya.html. - Дата обращения: 05.11.2019.

51 Компания ИНТЕРМЕХ сообщает о выходе и начале продаж нового программного продукта IMSHAPE [Электронный ресурс] - Режим доступа: http://isicad.ru/ru/press_releases.php?press_num=14319. - Дата обращения: 07.11.2019.

52 3DPartFinder - система поиска геометрически подобных деталей в SOLIDWORKS [Электронный ресурс] - Режим доступа: isicad.ru/ru/articles.php?article_num=16824. - Дата обращения: 08.11.2019.

53 A unicue tool for quick and efficient search for 3d models based on shape and textual attribute [Электронный ресурс]. - Режим доступа: https://3dsearchit.geometricglobal.com/files/2017/03/3DSearchIT-HCL.pdf - Дата обращения: 19.11.2020.

54 Geolus Shape Search [Электронный ресурс]. - Режим доступа: https:// www.plm.automation.siemens. com/global/ru/products/plm-components/geolus.html -Дата обращения: 26.11.2020.

55 Кондусов, Д.В. 3D-поиск как метод повторного использования данных / Д.В. Кондусов, А.И. Сергеев, В.Б. Кузнецова // материалы школы-семинара молодых ученых и специалистов в области компьютерной интеграции производства. - Оренбург: ОГУ, 2016. - С. 223-228.

56 Фурман, Я.А. Введение в контурный анализ; приложение к обработке изображений и сигналов / Я.А. Фурман, А.В. Кревецкий. - 2-е изд., испр. - М.: ФИЗМАТЛИТ, 2003. - 592 с. - ISBN 5-9221-0374-1.

57 Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс // М.: Техносфера, 2005г.

58 N. Senthilkumaran, R. Rajesh: Edge Detection Techniques for Image Segmentation - A Survey of Soft Computing Approaches, International Journal of Recent Trends in Engineering, Vol. 1, No. 2, May 2009.

59 Титов, И. О. Выделение контуров изображения движущегося объекта / И. О. Титов, Г. М. Емельянов // Вестник Новгородского государственного университета, № 55, 2010г.

60 Salem Saleh Al-amri, N.V. Kalyankar, Khamitkar S.D: Image Segmentation by Using Edge Detectors, International Journal on Computer Science and Engineering, Vol. 02, No. 03, 2010, pp. 804-807.

61 J. Canny: A Computational Approach to Edge Detection, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. PAMI-8, № 6, 1986.

62 Z. Othman, H. Haron, M. Kadir: Comparison of Canny and Sobel Edge Detectors in MRI Images.

63 R. Maini, H. Aggarwal: Study and Comparison of Various Image Edge Detection Techniques, International Journal of Image Processing (IJIP), Vol. 3, Issue 1. V. Srinivasan, P. Bhatia, S. H. Ong: Edge Detection Using A Neural Network, Pattern Recognition, Vol. 27, № 12, pp. 1653-1662, 1994.

64 Q. Wu, M. McGinnity, L. Maguire, A. Belatreche, B. Glackin: Edge Detection Based on Spiking Neural Network Model, D.-S. Huang, L. Heutte, and M. Loog (Eds.): ICIC 2007, LNAI 4682, pp. 26-34, 2007.

65 Nikhil R. Pal, Sankar K. Pal: A review on image segmentation techniques, Pattern Recognition, Vol. 26, № 9, pp.1277-1294, 1993.

66 T. Yang, L. Yang, C. Wan Wu, L. O. Chuah: Fuzzy Cellular Neural Networks: Applications, Fourth IEEE International Workshop on Cellular Neural Networks and their Applications, Seville, Spain, June 24-26, 1996.

67 Y. Becerikli, H. Engin Demiray: Alternative Neural Network Based Edge Detection, Neural Information Processing - Letters and Reviews Vol. 10, №№ 8-9, 2006.

68 B. Meftah, O. Llezoray, A. Benyetton: Segmentation and Edge Detection Based on Spiking Neural Network Model, SpringerScience+BusinessMedia, LLC, 2010.

69 Mohamed A. El-Sayed, Yarub A. Estaitia, Mohamed A. Khafagy: Automated Edge Detection Using Convolutional Neural Network, International Journal of Advanced Computer Science and Applications, Vol. 4, № 10, 2013.

70 Hamida A. M. Sennari, M. A. El-Sayed: Convolutional Neural Network for Edge Detection in SAR Grayscale Images, IOSR Journal of VLSI and Signal Processing, Vol. 4, Issue 2, Ver.1, pp. 75-83.

71 M. Matsugu, K. Mori, Y. Mitari, Y. Kaneda: Subject independent facial expression recognition with robust face detection using a convolutional neural network, Neural Networks, Vol.16, 2003, pp. 555-559.

72 Дорогой, Я. Ю. Архитектура обобщенных сверточных нейронных сетей / Я. Ю. Дорогой // Информатика, управление и вычислительная техника, №54, pp. 229-234.

73 Хайкин, C. Нейронные сети. Полный курс / C. Хайкин // М. : ООО И.Д. Вильямс, 2006г.

74 Y. LeCun, L. Botton, Y. Bengio, P. Haffner: Gradient-Based Learning Applied to Document Recognition, Proc. of the IEEE, №11, 1998.

75 Шапиро, Л. Компьютерное зрение / Л. Шапиро, Дж. Стокман // Пер. с англ. - М.: БИНОМ. Лаборатория знаний, 2006. - 752 с.

76 ImageNet database organized according to the WordNet hierarchy [Электронный ресурс]. - Режим доступа: http://image-net.org/index - Дата обращения: 11.01.2020.

77 J. Long, E. Shelhamer, and T. Darrell. Fully convolutional networks for semantic segmentation. In CVPR, 2015.

78 A. Krizhevsky, I. Sutskever, and G. Hinton. Imagenet classification with deep convolutional neural networks. In NIPS, 2012.

79 M. D. Zeiler and R. Fergus. Visualizing and understanding convolutional neural networks. In ECCV, 2014.

80 K. Simonyan and A. Zisserman. Very deep convolutional networks for large-scale image recognition. In ICLR, 2015.

81 C. Szegedy,W. Liu, Y. Jia, P. Sermanet, S. Reed, D. Anguelov, D. Erhan,V. Vanhoucke, and A. Rabinovich. Going deeper with convolutions. In CVPR, 2015.

82 Min Lin, Qiang Chen, Shuicheng Yan. Network In Network. in ICLR, 2014.

83 Kaiming He, Xiangyu Zhang, ShaoqingRen, and Jian Sun. Delving deep into rectifiers: Surpassing human-level performance on imagenet classification. In ICCV, 2015.

84 Francois Chollet Xception: Deep Learning with Depthwise Separable Convolutions. In IEEE, 2017.

85 Keras Applications [Электронный ресурс]. - Режим доступа: https://keras.io/api/applications/ - Дата обращения: 21.01.2020.

86 Akkus Z. Deep Learning for Brain MRI Segmentation: State of the Art and Future Directions / Akkus Z. [и др.] // Journal of Digital Imaging. — 2017. — Т. 30. — № 4. — С. 449-459.

87 Pereira S. Brain tumor segmentation using convolutional neural networks in MRI images / Pereira S. [и др.] // IEEE transactions on medical imaging. — 2016. — Т. 35. — № 5. — С. 1240-1251.

88 Леваков, А. С. Разработка программного модуля диагностики опухолей головного мозга с применением нейронной сети / А. С. Леваков, Д. С. Макаренко // Молодой ученый. — 2019. — № 22 (260). — С. 54-57.

89 Князь, В.В. Применение глубоких сверточных нейронных сетей для визуализации препятствий на взлетно-посадочной полосе / В.В. Князь, О.В. Выголов, В.В. Федоренко, В.С. Горбацевич, В.А. Мизгинов, Д.Г. Клевцов // Научная визуализация и визуальная аналитика. GraphiCon 2017. - С. 125-128.

90 Ефремова, Н. А Нейронные сети: практическое применение. [Электронный ресурс]. - Режим доступа: https://habr.com/ru/post/322392/ - Дата обращения: 17.04.2020.

91 Форсайт, Д.А Компьютерное зрение. Современный подход : пер. с англ / Д.А. Форсайт, П. Жан - Издательский дом «Вильямс», 2004. - 928 с. - ISBN 58459-0542-7.

92 Ming-Kuei H. Visual pattern recognition by moment invariants // Information Theory, IRE Transactions. -1962. -vol. 8. - pp.179-187.

93 Huang, Z., Leng, J. Analysis of Hu's Moment Invariants on Image Scaling and Rotation // Proceedings of2010 2nd International Conference on Computer Engineering and Technology. Chengdu.-2010. - pp.476-480.

94 Christopher Fox Introduction to Software Engineering Design: Processes, Principles, and Patterns with UML2. - 1st ed. - Boston: Pearson, 2006. - 748 p.

95 Enterprise Architect [Электронный ресурс]. - Режим доступа: https://sparxsystems.com/ - Дата обращения: 29.04.2020.

96 Кондусов, Д.В. Функциональная модель системы поиска по геометрической форме / Кондусов Д.В. // Автоматизация в промышленности. -2020. - № 8. - С. 51-55.

97 Кондусов, Д.В. Интеграция модуля имитационного моделирования в PDM-систему для эффективного управления промышленно-производственным персоналом / Д.В. Кондусов, В.Б. Кузнецова, А.И. Сергеев // Университетский комплекс как региональный центр образования, науки и культуры : материалы Всерос. науч.-метод. конф., 29-31 янв. 2014 г., Оренбург / М-во образования и науки Рос. Федерации, Федер. гос. бюджет. образоват. учреждение высш. проф. образования "Оренбург. гос. ун-т". - Оренбург: ОГУ, 2014. - С. 312-315.

98 Кондусов, Д.В. Технология безбумажного выпуска документов материально-технического обеспечения машиностроительного предприятия / Д.В. Кондусов, В.Б. Кузнецова, А.И. Сердюк, А.И. Сергеев // Автоматизированные технологии и производства, 2015. - № 1 (7). - С. 50-54.

99 Кондусов, Д.В. Свидетельство № 2016613808 Российская Федерация. Memo bill payment: свидетельство об официальной регистрации программы для ЭВМ / Д.В. Кондусов, В.Б. Кузнецова, А.И. Сердюк, А.И. Сергеев; заявитель и правообладатель Оренб. гос. ун-т. - №2015661498; заявл. 27.11.2015; зарегистр. 06.04.2016. - 1 с.

100 Работа с API КОМПАС-3D [Электронный ресурс]. - Режим доступа: https://habr.com /ru/company/ascon/blog/328088/ - Дата обращения: 02.05.2020.

101 Кондусов, Д.В. Свидетельство № 2019666452 Модуль для сравнения изображений "HuModule" : свидетельство об официальной регистрации программы для ЭВМ / Д.В. Кондусов, А.И. Сергеев, В.Б. Кондусова; заявитель и правообладатель Оренб. гос. ун-т.- № 2019662299 заявл. 09.10.2019 зарегистр. 10.12.2019. - 1 с.

102 Кондусов, Д.В. Свидетельство № 2019665600 Модуль поиска инженерных данных на основе хью-моментов : свидетельство об официальной регистрации программы для ЭВМ / Д.В. Кондусов, А.И. Сергеев, В.Б. Кондусова;

заявитель и правообладатель Оренб. гос. ун-т.- № 2019663029; заявл. 24.10.2019 зарегистр. 26.11.2019. - 1 с.

103 Кондусов, Д.В. Свидетельство № 2016661252 Российская Федерация. Модуль интеграции с ЛОЦМАН:PLM для выгрузки состава изделия : свидетельство об официальной регистрации программы для ЭВМ / В.Б. Кузнецова, Д.В. Кондусов, А.И. Сергеев, А.И. Сердюк; заявитель и правообладатель Оренб. гос. ун-т. - №2016618672; заявл. 08.08.2016; зарегистр. 04.10.2016. - 1 с.

104 Кондусов, Д.В. Свидетельство № 2019616421 Модуль получения инженерных знаний из 3D-модели: свидетельство об официальной регистрации программы для ЭВМ / Д.В. Кондусов, А.И. Сергеев, В.Б. Кондусова; заявитель и правообладатель Оренб. гос. ун-т.- № 2019614578; заявл. 25.04.2019; зарегистр. 22.05.2019. - 1 с.

105 Кондусов, Д.В. Использование инвариантных Hu-моментов для сравнения 3D-моделей / Кондусов Д.В., Сергеев А.И., Кондусова В.Б. // Вестник машиностроения. - 2020. - № 4. - С. 85-88. (переводная версия Kondusov, D.V. Comparison of 3D Models Using Hu Moment Invariants / D.V. Kondusov, A.I. Sergeev, V.B. Kondusova // Russian Engineering Research. - 2020. - Vol. 40, № 7. - P. 570-574, DOI: 10.3103/S1068798X20070199).

106 Полнофункциональное решение базы данных для безопасного выполнения любых рабочих нагрузок как в локальной системе, так и автономно под управлением Oracle [Электронный ресурс]. - Режим доступа: https://www.oracle.com/ru/database/ - Дата обращения: 11.02.2020.

107 Microsoft SQL Server - система управления реляционными базами данных, разработанная корпорацией Microsoft [Электронный ресурс]. - Режим доступа: https://www.microsoft.com/ru-ru/sql-server/sql-server-2019 - Дата обращения: 12.02.2020.

108 Свободная реляционная система управления базами данных MySQL Standart Edition [Электронный ресурс]. - Режим доступа: https://www.mysql.com/ - Дата обращения: 14.02.2020.

109 PostgreSQL: The World's Most Advanced Open Source Relation Database [Электронный ресурс]. - Режим доступа: https://www.postgresql.org/ - Дата обращения: 15.02.2020.

110 The TIOBE Programming Community index is an indicator of the popularity of programming languages [Электронный ресурс]. - Режим доступа: https://tiobe.com/tiobe-index/ - Дата обращения: 14.07.2020.

111 Абрамов, Н.С. Определение расстояний на основе системы технического зрения и метода инвариантных моментов / Н.С. Абрамов, В.П. Фраленко // Информационные технологии и вычислительные системы. - 2012. - №4. - С. 32-39.

112 Казбеков, А.В. Методы сравнения контуров в задачах распознавания образов / А.В. Казбеков, Н.А. Максимов // Научный Вестник МГТУ ГА. - 2012. -№ 185 (11). - С. 37 - 43.

113 Роджерс Д., Адамс Д. Математические основы машинной графики. -М.: Машиностроение, 1980. - 240 с.

114 КОМПАС-3D для разработчиков [Электронный ресурс]. - Режим доступа: https://kompas.ru/solutions/developers - Дата обращения: 29.05.2019.

115 Кондусов, Д.В. Развитие методологии комплексной автоматизации интегрированной логистической поддержки изделий / В.Б. Кузнецова, А.И. Сергеев, А.И. Сердюк, Д.В. Кондусов // СТИН. - 2016. - № 7. - С. 9-11. (переводная версия Kondusov, D.V. Automation of Integrated Logistical Product Support / V.B. Kuznetsova, A.I. Sergeev, A.I. Serdyuk, D.V. Kondusov // Russian Engineering Research. - 2017. - Vol. - 37. - № 1. - P. 57-59, DOI: 10.3103/S1068798X17010117).

116 Кондусов, Д.В. Система моделей и алгоритмов мониторинга автоматизированного взаимодействия изготовителя с потребителем изделий высокотехнологичных отраслей промышленности на основе переиспользования инженерных знаний / В.Б. Кондусова, Д.В. Кондусов, А.И. Сердюк, А.И. Сергеев // Оборонный комплекс - научно-техническому прогрессу России. - 2019. - № 3 (143). - С. 54-58.

117 Кондусов, Д.В. Автоматизированная верификация управляющих программ для станка с ЧПУ / А.И. Сергеев, П.В. Иванов, Кондусова В.Б., Кондусов Д.В. // Автоматизация в промышленности. - 2020. - № 5. - С. 42-43.

118 Кондусов, Д.В. Модели и методы управления жизненным циклом наукоемкой продукции: монография / В.Б. Кузнецова, А.И. Сердюк, Д.В. Кондусов, А.И. Сергеев: Оренбургский гос. ун-т. - Оренбург: ООО ИПК «Университет», 2016. - 161 с. - ISBN 978-5-4417-0650-6.

119 Кондусов, Д.В. Реализация информационной поддержки жизненного цикла наукоемкой продукции: проектирование, производство, эксплуатация: монография / В.Б. Кузнецова, А.И. Сердюк, Д.В. Кондусов, А.И. Сергеев: Оренбургский гос. ун-т. - Оренбург: ООО ИПК «Университет», - 2017. - 211 с. -ISBN 978-5-4417-0718-3.

120 Кондусов, Д.В. Интеллектуализация автоматизированного проектирования с использованием накопленных инженерных знаний / Д.В. Кондусов, В.Б. Кондусова // Вестник машиностроения. - 2019. - № 5. - С. 61-63. (переводная версия Kondusov, D.V. Smart Automated Design Utilizing Engineering Experience / D.V. Kondusov, V.B. Kondusova // Russian Engineering Research. - 2019. - Vol. 39, № 8. - P. 669-671, DOI: 10.3103/S1068798X19080094).

121 Кондусов, Д.В. Влияние накопленных инженерных знаний, на значение коэффициента готовности наукоемких изделий / Кондусов Д.В., Кондусова В.Б., Сергеев А.И., Сердюк А.И. // Автоматизация в промышленности. - 2020. - №2 2. - С. 53-56.

122 Кондусов, Д.В. Методология системной интеграции обеспечения САПР в информационной поддержке жизненного цикла наукоемких изделий : монография / В.Б. Кондусова, Д.В. Кондусов, А.И. Сердюк, А.И. Сергеев; М-во науки и высш. образования Рос. Федерации, Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т". - Оренбург : ИПК «Университет». - 2019. - 169 с. - ISBN 978-5-4417-0795-4.

123 Кондусов, Д.В. К вопросу об анализе интегрированной логистической поддержки и контракте жизненного цикла / В.Б. Кузнецова, А.И. Сергеев, Д.В. Кондусов // Компьютерная интеграция производства и ИПИ-технологии :

материалы VII Всерос. науч.-практ. конф., 12-13 ноября 2015 г., Оренбург. -Электрон. дан. - Оренбург: ОГУ, 2015. - С. 254-259.

124 Кондусов, Д.В. Организационный и информационный уровни развития предприятий ОПК / В.Б. Кузнецова, Д.В. Кондусов, А.И. Сергеев // Традиционная и инновационная наука: история, современное состояние, перспективы. В 5 ч. Ч. 3 : сб. ст. Междунар. науч.-практ. конф., 25 нояб. 2017 г., Уфа. - Электрон. дан. -Уфа : АЭТЕРНА, 2017. - С. 80-83.

125 Кондусов, Д.В. Модель оценки эффективности этапов проектирования и производства при взаимодействии изготовителя и потребителя наукоемких изделий / В.Б. Кондусова, Д.В. Кондусов, А.И. Сергеев, А.И. Сердюк // Компьютерная интеграция производства и ИПИ-технологии : материалы IX Всерос. науч. конф. с междунар. участием / М-во науки и высш. образования Рос. Федерации, Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т"; [гл. ред. А.И. Сердюк; редкол.: М. А. Корнипаев и др.]. -Электрон. дан. - Оренбург: ОГУ, 2019. - С. 621-623.

126 Ямникова, О.А. Оценка конструктивно-технологической сложности деталей на этапе проектирования / О.А. Ямникова, Д.И. Троицкий, А.А. Ерёмин // Механики XXI веку - 2016. - №15. - 75-80 с.

127 Бритик, Е.В. Технологический компонент системы экспертной системы определения степени сложности изделий машиностроения / Е.В. Бритик, А.В. Сидикевич // Электронный сборник трудов молодых специалистов полоцкого государственного университета №15(85) 2016. - 171-174 с.

128 Якимович, Б.А. Экспертные методы оценки структурно-параметрической сложности деталей / Б. А. Якимович, А. И. Коршунов // Информатика-машиностроение. — 1997. — № 3. — С. 28-32.

129 Якимович Б.А., Коршунов А.И., Кузнецов А.П. Теоретические основы конструктивно-технологической сложности изделий и структур стратегий производственных систем машиностроения: монография. Ижевск: Изд-во ИжГТУ, 2007. - 280 с.

130 Козаченко, Д.А. Методика определения сложности геометрии электронной модели изделия / Д.А. Козаченко, Е.В. Григорьев, В.В. Бодрышев // Вестник Московского авиационного института, №2, т.18. - 2011. 270 -275с.

131 Кондусов, Д.В. Оценка времени создания 3Э-моделей наукоемких изделий методом экспертных оценок / Д.В. Кондусов, В.Б. Кондусова // Информационные технологии в науке и производстве : материалы VII Всерос. Молодежной научно-технической конференции / Минобрнауки Росии, ОмГТУ; [редкол.: А.Г. Янишевская (отв. ред.) и др.]. - Электрон. дан. - Омск: Изд-во ОмГТУ, 2020. - С.78-82.

Приложение А

(справочное)

Результаты поиска 3Б-моделей с помощью метода деформаций

6-10-крышка левая

4068Б.002 КОРПУС

4068.055В ИЗМ 43-81.А

6-10-крышка правая

кожух прямой КП-25\А/

К320_10_10_027_ 2_распределите ль

70.03.1.016(крон штейн)_824

К320Р_10_02_031 _Втулка

75.0362.0181.00 (Корпус)_00 (и ® гп ®«з -Ёо)

Т7.92.6110.541.00 0.73_С-Ыопе

К3200_10_03_023 .Крышка ДК КК

Р*К220_10_10_015 _Пружина

Рисунок А.1 - Результаты поиска ЭБ-модели «Моёе1001.ш3ё»

Количество релевантных в тестовом наборе - 4. Количество найденных - 1. Полнота поиска - 0,25. Точность поиска - 0,34.

Рисунок А.2 - Результаты поиска ЭЭ-модели «Моёе1002.ш3ё»

Количество релевантных в тестовом наборе - 9. Количество найденных - 7. Полнота поиска - 0,62. Точность поиска - 0,80.

Рисунок А.3 - Результаты поиска ЭЭ-модели «МоёеЮОЭ.шЭё»

Количество релевантных в тестовом наборе - 5; Количество найденных - 3; Полнота поиска - 0,56; Точность поиска - 0,64.

Рисунок А.4 - Результаты поиска ЭБ-модели «Моёе1004.ш3ё»

Количество релевантных в тестовом наборе - 5. Количество найденных - 3. Полнота поиска - 0,56. Точность поиска - 0,64.

.1120 тос!е1_005 6301-265-256-37 Ustanovka орогу КРПГ.731343.011

под ролик

направляющая

Рисунок А.5 - Результаты поиска ЭЭ-модели «Моёе1005.т3ё»

Количество релевантных в тестовом наборе - 5. Количество найденных - 3. Полнота поиска - 0,56. Точность поиска - 0,64.

Рисунок А.6 - Результаты поиска ЭЭ-модели «МоёеЮОб.шЭё»

Количество релевантных в тестовом наборе - 4. Количество найденных - 2. Полнота поиска - 0,48. Точность поиска - 0,62.

Рисунок А.7 - Результаты поиска ЭЭ-модели «Моёе1007.т3ё»

Количество релевантных в тестовом наборе - 3. Количество найденных - 3. Полнота поиска - 0,93. Точность поиска - 0,74.

75.0050.1017.00 (Хвостовик)_00

Т7.92.6110.501.00 0.73_С-1Мопе

211А.0110.453 Гайка_156

Рисунок А.8 - Результаты поиска ЭЭ-модели «Моёе1008.ш3ё»

Количество релевантных в тестовом наборе - 4. Количество найденных - 3. Полнота поиска - 0,57. Точность поиска - 0,74.

Рисунок А.9 - Результаты поиска ЭЭ-модели «Моёе1009.т3ё»

Количество релевантных в тестовом наборе - 3. Количество найденных - 2. Полнота поиска - 0,64. Точность поиска - 0,57.

Рисунок А.10 - Результаты поиска ЭЭ-модели «Моёе1010.т3ё»

Количество релевантных в тестовом наборе - 4. Количество найденных - 2. Полнота поиска - 0,48. Точность поиска - 0,57.

Рисунок А.11 - Результаты поиска ЭЭ-модели «Моёе1011 .ш3ё»

Количество релевантных в тестовом наборе - 5. Количество найденных - 3. Полнота поиска - 0,56. Точность поиска - 0,64.

Приложение Б

(справочное)

Результаты поиска 3Б-моделей с помощью метода на основе Ни-моментов

Рисунок Б.1 - Результаты поиска ЭБ-модели «Моёе1001.т3ё»

Количество релевантных в тестовом наборе - 4. Количество найденных - 2. Полнота поиска - 0,48. Точность поиска - 0,57.

211А.0110.471

Кронштейн_227

кожух прямой КП-25\М

4068Б.002 КОРПУС

Рисунок Б.2 - Результаты поиска ЭЭ-модели «Моёе1002.ш3ё»

Количество релевантных в тестовом наборе - 9. Количество найденных - 7. Полнота поиска - 0,62. Точность поиска - 0,80.

75.0050.1014.00 (Кронштейн)_00 (У® | I ®«з -Ёо)

211А.0110.392 Качалка

Хвостовик

Рисунок Б.3 - Результаты поиска ЭЭ-модели «МоёеЮОЭ.шЭё»

Количество релевантных в тестовом наборе - 5; Количество найденных - 4; Полнота поиска - 0,72; Точность поиска - 0,68.

Рисунок Б.4 - Результаты поиска ЭЭ-модели «Моёе1004.ш3ё»

Количество релевантных в тестовом наборе - 5. Количество найденных - 3. Полнота поиска - 0,56. Точность поиска - 0,64.

06.000 Кронштейн

Проушина 9810-80

держатель

6301-265-256-37

ЛИАСП_Кроншт ейн навески в.1

КРПГ.731343.011

втулка направляющая

ш

^апоука орогу под ролик

64.9606.0013.00 (Пластина)_00 (У® г-1 ®«з -Ёо)

Ч

6301-2658-01

ДЗ-УМ.8702-11

Рисунок Б.5 - Результаты поиска ЭЭ-модели «Моёе1005.т3ё»

Количество релевантных в тестовом наборе - 5. Количество найденных - 3. Полнота поиска - 0,56. Точность поиска - 0,64.

Рисунок Б.6 - Результаты поиска ЭЭ-модели «МоёеЮОб.шЗё»

Количество релевантных в тестовом наборе - 4. Количество найденных - 3. Полнота поиска - 0,68. Точность поиска - 0,68.

_Х2_04230437043 5043В ХО ¡с!5б х

211А.0110.453 Гайка_93

75.0362.0181.00 (Корпус)_00 (У®

шьуЛ

89620.012.001

Ф

211А.0110.453 Гайка 97

К320_10_10_027_ 2_распределите ль

75.0050.1017.00 (Хвостовик)_00

V

Рисунок Б.7 - Результаты поиска ЭЭ-модели «Моёе1007.т3ё»

Количество релевантных в тестовом наборе - 3. Количество найденных - 2. Полнота поиска - 0,62. Точность поиска - 0,54.

Рй1уа рпуос1а уос)Па.1

70.03.1.016(крон штейн)_799

Т7.92.6110.501.00 0.73_С-1Мопе

SB.Kopnyc9.10_0

ИСУ-30.2019.УЛ 1 I ® «з -Ёо)_141

БВ_корпус9_10_0

K320D.10_10.010 SB.Kopnyc9.1054

К3200.10.20.410 .203.58

Р11Ь_Агт5_апди1 аМЗ(Ш_1 2475-6

К3200.10.20.410 284 17

К3200.10.20.410 .254.71

РиЬ_Е1Агт_Ьоаг С!5_Р51 7_18~05Т_

Фя

К320_10_10.027. 2_распределите

PLib.EIArm.boar ds.PS! 9.20 ~05Т_

АУС

К320Д_корпу^е

<

К320.10.10.026. 2_распределите

PLib.EIArm.boar ds_PS21_22~OST_

Рисунок Б.8 - Результаты поиска ЭЭ-модели «Моёе1008.т3ё»

Количество релевантных в тестовом наборе - 4. Количество найденных - 3. Полнота поиска - 0,57. Точность поиска - 0,74.

T7.92.2332.051.00 1

4068Б.002 КОРПУС

о Ч

70.03.1.016(крон штейн)

Т7.92.2332.051.59

7

Т_ЕШЗ_115К_8701 01_01_1_А

70.03.1.016(крон штейн)_799

70.03.1.016(крон штейн)_824

Т7.92.2332.085.00 3.73 Е

К

75.0362.0911.00 (Корпус)

ш

В

115861-91

РИЬ_Е1Агт_Ьоаг с! 5_Р 521 _22_0 БТ_

а

Т7.92.6140.504.00 0.73_С-Мопе

_254_71

К'.

AN_part_01_05 <3200 10 20 018

3

Рисунок Б.9 - Результаты поиска ЭЭ-модели «Моае1009.ш3а»

Количество релевантных в тестовом наборе - 3. Количество найденных - 2. Полнота поиска - 0,64. Точность поиска - 0,57.

Рисунок Б.10 - Результаты поиска ЭЭ-модели «Моёе1010.т3ё»

Количество релевантных в тестовом наборе - 4. Количество найденных - 3. Полнота поиска - 0,7. Точность поиска - 0,74.

Рисунок Б.11 - Результаты поиска ЭЭ-модели «Моёе1011.ш3ё»

Количество релевантных в тестовом наборе - 5. Количество найденных - 4. Полнота поиска - 0,72. Точность поиска - 0,69.

Приложение В

(справочное)

Результаты поиска 3Б-моделей с помощью сверточной нейронной сети

Рисунок В.1 - Результаты поиска ЭБ-модели «Моёе1001.т3ё»

Количество релевантных в тестовом наборе - 4. Количество найденных - 3. Полнота поиска - 0,7. Точность поиска - 0,74.

I

В

70.04.4283.018.00

0 А *

Н

6-10-крышка левая

4068Б.002 КОРПУС

75.0050.1014.00 (Кронштейн).' улУ® а€ чЁ

75.0050.1014.00 (Кронштейн).' улУ®а€-.Ё_17

75.0050.1014.00 (Кронштейн).' улУ® а€ пЁ_14

75.0050.1014.00 (Кронштейн).ОО

(У® г-1 ® «з -Ёо)

75.0050.1014.00 (Кронштейн).' улУ®а€ ->Ё_16

75.0050.2014.00 (Кронштейн)

75.0050.2014.00 (Кронштейн).ОО

Рисунок В.2 - Результаты поиска ЭЭ-модели «Моёе1002.ш3ё»

Количество релевантных в тестовом наборе - 9. Количество найденных - 9. Полнота поиска - 0,74. Точность поиска - 0,97.

75.0050.2014.28

д

70.03.1.016(крон штейн)_799

Рисунок В.3 - Результаты поиска ЭЭ-модели «МоёеЮОЭ.шЭё»

Количество релевантных в тестовом наборе - 5; Количество найденных - 5; Полнота поиска - 0,87; Точность поиска - 0,92.

Рисунок В.4 - Результаты поиска ЭЭ-модели «Моёе1004.ш3ё»

Количество релевантных в тестовом наборе - 5. Количество найденных - 5. Полнота поиска - 0,8. Точность поиска - 0,79.

Рисунок В.5 - Результаты поиска ЭЭ-модели «Моёе1005.т3ё»

Количество релевантных в тестовом наборе - 5. Количество найденных - 4. Полнота поиска - 0,72. Точность поиска - 0,82.

Рисунок В.6 - Результаты поиска ЭЭ-модели «МоёеЮОб.шЭё»

Количество релевантных в тестовом наборе - 4. Количество найденных - 2. Полнота поиска - 0,48. Точность поиска - 0,62.

К320_10_10_02б_ 2_распределите

Пружина 93-1 -1-39- ОСТ 1 03632-74

Рисунок В.7 - Результаты поиска ЭЭ-модели «Моёе1007.т3ё»

Количество релевантных в тестовом наборе - 3. Количество найденных - 3. Полнота поиска - 0,93. Точность поиска - 0,74.

К3200_10_10_010 5В_корпус9_10_0

К3200_10_20_410 _254_71

ИСУ-30_2019_УЛ г-1 ® «3 -Ёо}_137

К320Р_10_10_010 5В_корпусЗ_1054

К 3-200_10_20_410 _234_17

ИСУ-30_2019_УЛ п®«з-Ёо)_1

К3200_10_10_010 5В_корпусг9_1067

К320_10_10_027_ 2_распределите

ИСУ-30_2019_УЛ г-. ®кз -Ёо}_141

К3200_10_20_410 5В_корпус_АУС_

РУЬ_Е1Агт_Ьоаг ds_PS21_22_OST_

Рисунок В.8 - Результаты поиска ЭБ-модели «Моёе1008.ш3ё»

Количество релевантных в тестовом наборе - 4. Количество найденных - 3. Полнота поиска - 0,57. Точность поиска - 0,74.

К3200_10_20_410 _203_53

АУС

К320Д_корпус_^е

T7.92.2332.051.00 1

Т7.92.2332.035.00 3.73_Е

Зт22-2531-22а

Т7.92.2332.051.59 7

70.03.1.016[кр он штейн)_319

К3200_10_20_410 254 71

ш

70.03.1.01б(крон

40&ЗБ.002 КОРПУС

ч.

4

Т7.92.2332.051.34 2

70.03.1.01б[крон штейн)_799

ЗМ 22-3400-101

70,03,1,016(крон штейн)_324

штейн)

Рисунок В.9 - Результаты поиска ЭЭ-модели «Моёе1009.ш3ё»

Количество релевантных в тестовом наборе - 3. Количество найденных - 3. Полнота поиска - 0,94. Точность поиска - 0,74.

Рисунок В.10 - Результаты поиска ЭЭ-модели «Моёе1010.ш3ё»

Количество релевантных в тестовом наборе - 4. Количество найденных - 4. Полнота поиска - 0,9. Точность поиска - 0,88.

Рисунок В.11 - Результаты поиска ЭЭ-модели «Моёе1011 .ш3ё»

Количество релевантных в тестовом наборе - 5. Количество найденных - 5. Полнота поиска - 0,87. Точность поиска - 0,88.

Приложение Г

(справочное)

Программный код модуля для сравнений изображений «НиМо^1е»

(фрагмент)

using System;

using System.Collections .Generic;

using System.ComponentModel;

using System.Data;

using System.Drawing;

using System.Drawing.Imaging;

using System.Drawing.Drawing2D;

using System.IO;

using System.Threading;

using System.Linq;

using System.Text;

using System.Globalization;

using System.Windows.Forms;

namespace Hu_Module {

public partial class Forml : Form {

Bitmap im, bit;

int tekRow = 0;

string ch = "ff000000";

Point[] masPoint=new Point[44444];

int kolPoint = 0;

Thread potochek;

int X_image,Y_image;

double X_, Y_, m00,mc00;

double[][] Rez_Mas = new double[77][];

StreamWriter strW;

public Form1() {

InitializeComponent();

}

{

double Pixel_value; double rez = 0;

for (int x = 0; x < X_image; x++) {

for (int y = 0; y < Y_image; y++) {

if (bit.GetPixel(x, y).Name == ch) {

Pixel_value = 1;

}

else {

Pixel_value = 0;

}

rez += (double)Math.Pow(x, p) * (double)Math.Pow(y, q) * Pixel_value;

}