Архив статей журнала
Высшие учебные заведения нередко сталкиваются с проблемами обеспечения цифровой поддержки учебного процесса, в частности, со своевременным информированием о происходящих в расписании занятий изменениях. Одним из решений может быть Telegram-бот. В данной статье описывается Telegram-бот, разработанный для повышения эффективности оповещения участников учебного процесса о расписании занятий, его изменениях на примере Санкт-Петербургского государственного университета. Методы исследования основаны на выявлении проблем текущего инструмента информирования о расписании, проектировании структуры и последующей разработке клиент-серверного приложения для их решения. Предметом исследования являются инструменты для взаимодействия участников учебного процесса с расписанием учебных занятий. Основной результат заключается в реализации возможности быстрого отображения расписания с тремя различными вариантами запросов к нему (по названию группы, через поиск преподавателя и путем навигации по всем программам), подписки на уведомления с актуальным расписанием определенной группы или преподавателя с настройкой времени получения уведомлений и просмотра запрошенного расписания в формате текста или сгенерированной на его основе картинки. Кроме того, бот уведомляет об изменении расписания. Практическая значимость заключается в упрощении организационных процессов за счет расширения возможностей своевременного информирования и сокращения времени на получение необходимых сведений. Разработанная система уже используется обучающимися, преподавателями и работниками университета, обеспечивающими учебный процесс.
В работе представлен процесс взаимодействия информационных систем в ходе планирования производства и управления запасами с учетом динамичности производственной среды и ограниченности возможностей предприятия. Рассмотрены особенности промышленных предприятий, не позволяющие использовать стандартные реализации предлагаемых на рынке программных продуктов и систем. Основным модулем для оптимизации процесса планирования и управления запасами является ERP-система. Построение прогноза продаж и уровня страховых запасов выполняется при помощи отечественного программного продукта Forecast NOW, планирование производства осуществляется в SCM-системе SAP APO. Результатом работы и взаимодействия данных систем являются план-график производства, который, в свою очередь, передается в систему MES для производства, а также корректные данные о потребностях закупки продуктов, сырья, материалов и полуфабрикатов. В качестве методов используются системный подход, а также анализ и синтез исследований отечественных ученых в области планирования и управления запасами. Сформулированы требования к разрабатываемым в рамках интеграции систем программным модулям. Показано, что предложенный программный комплекс удовлетворяет этим требованиям. Приведен пример возможной интеграции разработанного программного комплекса с системой мониторинга производственных процессов, представлена соответствующая схема интеграции. Показано, что область применения данного подхода не ограничивается крупными предприятиями и может быть скорректирована для использования с соответствующими программными комплексами предприятий меньшего масштаба. Гибкость полученного программного решения открывает возможности для дальнейшего расширения области применения и реализации более масштабных самостоятельных производственных систем и комплексов программ.
При работе в библиотеке Owlready2 языка Python с онтологиями, в которых изначально классы, индивидуумы и отношения написаны кириллицей, машина логического вывода reasoner выдает некорректные данные. Вследствие сбоя в кодировке Owlready2 дублирует онтологию, а вместо текста кириллицы появляются нечитаемые символы. Решить данную проблему предлагается путем явного задания кодировки выходных данных в файле reasoning.py, а именно cp1251, то есть стандартной 8-битной кодировки для русских версий Microsoft Windows. Сам файл находится в корневой папке программы - \Python\Python311\Lib\site-packages\owlready2\ для версии Python 3.11.0. Он и рассматривается в данной статье. Для поиска решения использован метод сравнительного анализа различных версий библиотеки Owlready2 и ее предшественника - библиотеки Owlready. Решение найдено путем сравнения команд работы с исходными данными в различных версиях библиотек Owlready. После внесения соответствующего изменения упрощается работа с онтологиями в Python, особенно при многократных запусках машины логического вывода reasoner. Становится возможным использование огромного функционала библиотеки Owlready2 для работы с русскоязычными онтологиями, например, для создания соответствующих русскоязычных баз знаний. Предложенный в статье способ может быть полезен для ИТ-специалистов, разрабатывающих информационные системы на основе онтологий предметных областей, а также при работе с онтологиями в рамках образовательного процесса в вузе.