Аннотация: Предметом исследования является процесс проектирования ленточного конвейера. Авторы рассматривают параметризацию при геометрическом моделировании деталей и узлов оборудования и создание пользовательских библиотек в Компас 3D как средство снижения трудоёмкости и повышения качества процесса проектирования. Эскизный проект является проектной стадией разработки конструкторской документации и имеет целью определить принципиальные конструктивные решения для общего представления об устройстве, принципах работы и размерах изделия. Разработку эскизного проекта целесообразно производить до стадии разработки технического проекта и создания конструкторской документации. Сегодня на всех стадиях работы над проектом используются современные системы автоматизированного проектирования (САПР), которые позволяют не только ускорить процесс проектирования, но и дают возможность продемонстрировать заказчику готовый проект еще на стадии принятия технических решений. Это позволяет своевременно вносить изменения в соответствии с требованиями заказчика и осуществлять качественную подготовку проекта к его реализации. От сроков представления эскизного проекта зависит объем и время на дальнейшие стадии работы, поэтому применение параметризации трехмерного моделирования в САПР является эффективным способом для проектирования объектов машиностроения. Параметризация при работе с 3D моделями позволяет получить набор типовых конструкций изделий на основе однократно созданной модели путем изменения заданных значений переменных, что значительно сокращает время работы над проектом.

Ключевые слова: конструктор, конвейер, машиностроение, геометрическое моделирование, библиотека, системы автоматизированного проектирования, параметризация, инженерные расчеты, переменная, проектирование

Abstract: The subject of research is the process of designing a conveyor belt. The authors consider parameterization in geometric modeling of parts and components of equipment and the creation of custom libraries in Compass 3D as a means of reducing the complexity and improving the quality of the design process. The preliminary design is the design stage of the development of design documentation and aims to determine the fundamental design solutions for a general idea of the device, operating principles and dimensions of the product. It is advisable to develop a preliminary design before the stage of developing a technical project and creating design documentation. Today, at all stages of work on the project, modern computer-aided design (CAD) systems are used, which not only accelerate the design process, but also make it possible to demonstrate to the customer the finished project at the stage of making technical decisions. This allows making timely changes in accordance with the requirements of the customer and to carry out high-quality preparation of the project for its implementation. The volume and time for further stages of work depend on the timing of the presentation of the preliminary design, therefore, the use of three-dimensional modeling parametrization in CAD is an effective way for designing engineering objects. Parameterization when working with 3D models allows you to get a set of typical product designs based on a once-created model by changing the set values of the variables, which significantly reduces the time spent on the project.

Keywords: engineering calculation, designer, transporter, engineering, geometric modeling, library, CAD Systems, parameterization, variable, design

Аннотация: В работе представлены результаты оценки информативности количественных и бинарных признаков для решения задачи поиска семантически близких предложений (парафразов). Рассмотрены три типа признаков: построенные на векторных представлениях слов (по модели Word2Vec), основанные на извлечении чисел и структурированной информации и отражающие количественные характеристики текста. В качестве показателей информативности используются доля парафразов среди примеров, обладающих признаком, и доля парафразов, обладающих признаком (для бинарных характеристик), а также оценки с помощью метода накопленных частот (для количественных признаков). Оценка проведена на русском корпусе парафразов. Набор рассмотренных в работе признаков апробирован в качестве входных данных для двух моделей машинного обучения для определения семантически близких предложений: машины опорных векторов (SVM) и рекуррентной нейросетевой модели. Первая модель принимает в качестве входных параметров только рассмотренный набор признаков, вторая – текст в виде последовательностей (sequences) и набор признаков в качестве дополнительного входа. Качество моделей составило соответственно 67,06% (по F-мере) и 69,49% (по точности) и 79,85% (по F-мере) и 74,16% (по точности). Полученный в работе результат сравним с лучшими результатами систем, представленных в 2017 на соревновании по определению парафраза для русского языка (второй результат по F-мере, третий результат по точности). Результаты, предложенные в работе, могут быть использованы как при реализации моделей поиска семантически близких фрагментов текстов на естественном языке, так и для анализа русскоязычных парафразов с точки зрения компьютерной лингвистики.

Ключевые слова: семантическая близость, классификация текстов, поиск парафразов, нейронная сеть, машина опорных векторов, информативность признаков, накопленные частоты, статистическая оценка, отбор признаков, машинное обучение

Abstract: The paper presents the results of evaluating the informative value of quantitative and binary signs to solve the problem of finding semantically close sentences (paraphrases). Three types of signs are considered in the article: those built on vector representations of words (according to the Word2Vec model), based on the extraction of numbers and structured information and reflecting the quantitative characteristics of the text. As indicators of information content, the percentage of paraphrases among examples with a characteristic, and the percentage of paraphrases with a attribute (for binary characteristics), as well as estimates using the accumulated frequency method (for quantitative indicators) are used. The assessment was conducted on the Russian paraphrase corps. The set of features considered in the work was tested as input for two machine learning models for defining semantically close sentences: reference vector machines (SVMs) and a recurrent neural network model. The first model accepts only the considered set of signs as input parameters, the second - the text in the form of sequences and the set of signs as an additional input. The quality of the models was 67.06% (F-measure) and 69.49% (accuracy) and 79.85% (F-measure) and 74.16% (accuracy), respectively. The result obtained in the work is comparable with the best results of the systems presented in 2017 at the competition for the definition of paraphrase for the Russian language (the second result for the F-measure, the third result for accuracy). The results proposed in the work can be used both in the implementation of search models for semantically close fragments of texts in natural language, and for the analysis of Russian-language paraphrases from the point of view of computer linguistics.

Keywords: accumulated frequencies, feature informativeness, support vector machine, neural network, paraphrase detection, text classification, semantic similarity, statistical evaluation, feature selection, machine learning