Arduino UNO қуатын USB кабелі немесе сыртқы қуат көзі арқылы алуға бола- ды. Сыртқы қуат көздеріне негізінен айнымалы және тұрақты ток адаптері немесе батарея кіреді. Адаптерді Arduino UNO-ға Arduino тақтасының қуат коннекторына салу арқылы қосуға болады. Сол сияқты, батарея сымдарын VIN контактісіне және POWER коннекторының GND контактісіне қосуға болады. Болжалды кернеу диапа- зоны 7-ден 12 Вольтқа дейін болады.
Қорытынды. Соңғы бір-екі жылда әлемдегі жағдайдың күрт өзгеруіне байла- нысты контактісіз жұмыс атқаратын технологиялардың рөлдері тез артуына куә болдық. Біріншіден Covid 19 пандемиясының тарауына жол бермеді, адамдар бай- ланыстар санын бақылауға, қоғамдық орындарда уақытты азайтуға, дүкендерге бару санын азайтуға мәжбүр болған кезде контактісіз төлем мінсіз шешім болып көрінеді, екіншіден халық ішінде және мемлекеттік деңгейде технологияларды модернизаци- ялау процессін жылдамдатты. Есеп бойынша Қазақстанда шағын төлемдердің ша- мамен 75% -ы мобильді QR төлем арқылы іске асуда, және маршруттық төлемдердің шамамен жартысы контактісіз төлеммен, ал қалған жартысы RFID картасымен төленді.
Нығметов А. А. және т.б. Контактісіз төлем жүйесін жобалау 99
Контактісіз төлемдер дегеніміз негізінде бір ғана технология емес, бірнеше технологияларының жиынтығы болып табылады. Интерфейсқа бір фреймворк жау- ап берсе, деректер айналымымен, қауіпсіздікке басқа фреймворк жауап береді.Бүкіл жүйеге нақты қадағалау қажет, өйткені төлем бар жерде, қауіпсіздік деңгейі жоғары.
Контактісіз төлем әдістері күнделікті саудада жиі қолданылады. Бұл жұмыста онлайн төлемдермен, сондай-ақ клиенттердің төлемдерін жүзеге асыру үшін электрондық коммерцияны енгізумен байланысты мәселелер талқыланады. Со- нымен қатар, мобильді транзакцияларды қолдайтын және оларды ыңғайлы және мөлдір ететін технологиялардың дамуы осы төлем әдісін қолдануға дағдыланған са- тып алушылардың сенімін арттырады. Әртүрлі қызмет провайдерлері үшін жалпы стандартты құру, көптеген тұтынушылармен үйлесімділікті жақсарту, құпиялылық пен қауіпсіздік мәселелерін жеңу және ең жаңа технологияларды пайдалану онлайн төлем әдістерін тез қабылдауға және осы төлем әдісінің нарығын кеңейтуге ықпал етуі мүмкін. Болашақ жұмыс бүкіл әлемде онлайн-төлем жүйелерін тиімді енгізуге ықпал ететін түрлі факторларды заңдастыруға бағытталуы мүмкін.
Мақалада алдыға қойылған мақсаттар орындалып, міндеттер жүзеге асырылды.
контактісіз түрде деректер алмасу әдістеріне шолу жасалынды, контактісіз төлем жүйесін толық қамтамасыз ететін қосымша әзірленді, қосымшаның программалық және аппаратық бөлігі жобаланды.
әДЕБИЕТ
1 Mobile Payment Statistics & Facts 2022 for Marketers [electronic resource] / access mode:
https://www.emizentech.com/blog/mobile-payment-statistics-facts.html
2 QR code payments: market forecasts, key opportunities and competitor leaderboard 2022- 2026 [electronic resource] / access mode: https://www.juniperresearch.com/researchstore/fintech- payments/qr-code-payments-research-report
3 International Organization for Standardization. Near Field Communication. Interface and Protocol (NFCIP-1). ISO/IEC 18092, 2004.
4 Bishwajit C., Juha R. Mobile Device Security Element. – Helsinki: Key Findings from Technical Analysis, 2005.
5 Weiser M. Human-computer interaction: toward the year 2000 // chapter The computer for the 21st century. – San Francisco: Morgan Kaufmann Publishers Inc, 1995. – Pp. 933–940.
6 Anokwa Y., Borriello G., Pering T., und Want R. A User Interaction Model for NFC Enabled Applications // Fifth Annual IEEE International Conference on Pervasive Computing and Communications Workshops PerComW, 2007, no. 5. – Pp.357–361.
7 Satyanarayanan M. Swiss army knife or wallet? // IEEE Pervasive Computing, 2005, no.
04(2):2–3.
8 Labrou Y., Agre J., Ji L., Molina J., und lun Chen W. Wireless wallet // Mobile and Ubiquitous Systems: Networking and Services, 2004. Mobiquitous 2004. The First Annual International Conference on, 2004, no. 00. – Pp. 32 – 41.
9 Gao J., Edunuru K., Shim S. P2P-Paid: A Peer-to-Peer Wireless Payment System // Second IEEE International Workshop on Mobile Commerce and Services, 2005, no. 00. – Pp.102 – 111.
10 Bravo J., Hervas R., Sanchez C., Chavira G., Nava S., Martin S., und Castro M. Touch based interaction: an approach through NFC // IEE 3rd IET International Conference on Intelligent Environments (IE 07), 2007. - Pp. 440 – 446.
Вестник Национальной инженерной академии Республики Казахстан. 2022. № 4 (86) 100
11 Madlmayr G., Dillinger O., Langer J., Schaffer C., Kantner C., Scharinger J. The benefit of using sim application toolkit in the context of near field communication applications for mobile applications // International Conference on the Management of Mobile Business (ICMB 2007), 2007.
- Pp. 5-5.
А. А. НыгМеТов, М. г. жАРТыбАевА, ж. б. ЛАМАШевА Международный университет информационных технологий
Алматы, Казахстан
Евразийский Национальный Университет имени Л.Н. Гумилева Астана, Казахстан
ПРОЕКТИРОВАНИЕ БЕСКОНТАКТНОЙ СИСТЕМЫ ОПЛАТЫ
Цель исследования – проектирование программно-аппаратного комплекса для прямой бескон- тактной торговли с учетом ситуации с Covid-19 с использованием бесконтактной платежной системы. В статье проведен обзор бесконтактных методов обмена данными, приведена стати- стика оплаты QR кодом в мире. Также приведены основные технологии бесконтактных методов оплаты. При разработке программно-аппаратного комплекса была представлена архитектура информационной системы, описаны проектирование программной и аппаратной части приложе- ния.Ключевые слова: бесконтактный метода оплата, программно-аппаратный комплекс, систе- ма распознавания QR.
A. A. NygMETov, M. g. zhArTybAyEvA, zh. b. LAMAShEvA International University of Information Technology
Almaty, Kazakhstan
L.N. Gumilyov Eurasian National University Astana, Kazakhstan
DEVELOPING A CONTACTLESS PAYMENT SYSTEM
The purpose of the study is to design a software and hardware complex for direct contactless trading, taking into account the situation with Covid-19 using a contactless payment system. The article provides an overview of contactless data exchange methods, provides statistics on payment by QR code in the world. The main technologies of contactless payment methods are also given. During the development of the software and hardware complex, the architecture of the information system was presented, the design of the software and hardware parts of the application was described.
key words: contactless payment method, software and hardware complex, QR recognition system.
УДК 004.942
https://doi.org/10.47533/2020.1606-146X.200
А. И. ТАКуАдИНА1*, Н. П. ПАзыЛхАН2, К. Т. ИСКАКов2
1Медицинский университет Караганды
2Евразийский национальный университет им. Л.Н. Гумилева МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ИНФЕКЦИОННЫХ
зАБОЛЕВАНИЙ НА ПРИМЕРЕ ГОРОДА АСТАНА
Инфекционные заболевания вызываются патогенами («микробами»), включая вирусы, бакте- рии, грибки и паразиты, и Всемирная организация здравоохранения оценивает их как вторую веду- щую причину смерти во всем мире. Эти инфекции могут вызвать временный дискомфорт, серьез- ное повреждение тканей или даже привести к смерти. Своевременное накопление комплексной информации о заболевании с внедрением компьютерной обработки данных в систему медицинской службы позволит повысить уровень информационного обеспечения эпидемиологического надзора.
В работе рассмотрены понятия и существующие математические модели распространения коронавирусной инфекции COVID-19, основанные на моделях SIR типа. Разновидности моделей такого типа наиболее подходят для прогнозирования, поскольку заболевание обладает достаточ- но длительным инкубационным периодом и наличием бессимптомных носителей. Приведено ма- тематическое описание SEIR модели с тринадцатью переменными.
Ключевые слова: моделирование, прогнозирование, ковид, распространение, обработка данных.
Проникновение микроорганизма (как процесс проникновения, так и результат проникновения) в организм хозяина (микроорганизм) называется инфекцией [1].
Инфекционные болезни – группа заболеваний, вызываемых проникновением в ор- ганизм патогенных (болезнетворных) микроорганизмов, вирусов и прионов. Для того чтобы патогенный микроб вызвал инфекционное заболевание, он должен обладать вирулентностью (ядовитостью; лат. virus — яд), то есть способностью преодолевать сопротивляемость организма и проявлять токсическое действие. Одни патогенные агенты вызывают отравление организма выделяемыми ими в процессе жизнедеятель- ности экзотоксинами (столбняк, дифтерия), другие освобождают токсины (эндоток- сины) при разрушении своих тел (холера, брюшной тиф) [2], [3].
Пандемия – это заболевание, которое поражает большую часть населения земного шара.
Пандемия гриппа, порожденная мутированными вирусами, против которых нет иммунитета, возникают 2-3 раза в 100 лет. «Испанка» 1918-1919гг. (пандемия гриппа, H1N1) унесла множество жизней (40-50 миллионов человек). Полагают, что вирус H1N1 появился в вследствии мутирования генов вирусов гриппа птиц и человека.
1957-1958гг. ознаменованы появлением «азиатского гриппа», вызванного штаммом H2N2. «Гонконгский грипп» возник в период 1968-1969гг. (H3N2). В 1997г. был рас- пространен серотип вирусагриппа A - H5N1 (HPAI A(H5N1), от англ. highly pathogen- ic avian influenza – высокопатогенный «птичий грипп») [4]. Вспышка нового штамма вируса гриппа в 2009 году, получившая известность как «свиной грипп», была вызва- на вирусом подтипа H1N1.
* E-mail корреспондирующего автора: [email protected]
Вестник Национальной инженерной академии Республики Казахстан. 2022. № 4 (86) 102
На сегодняшний день в мире идет борьба с новым вирусом. Пандемия COVID-19 – пандемиякоронавирусной инфекции COVID-19, вызванная коронавирусом SARS- CoV-2, обнаружена в декабре 2019 года в городе Ухань, центральный Китай.
ВОЗ объявила, что центром пандемии является Европа. Первый случай заражения коронавирусом в Казахстане был зарегистрирован в г. Алматы у двоих граждан, при- бывших из Германии [5].
Хотя COVID-19 и грипп подобные по клиническим проявлениям заболева- ния, основная проблема состоит в том, что COVID-19 распространяется очень быстро, поэтому соблюдение правил гигиены и социальная изоляция при панде- мии – жизненно необходимая мера для эффективной борьбы с заболеваемостью (Рисунок 1).
Рисунок 1 – Статистика вакцинации по Казахстану на 5.12.2021 [6].
Пандемия коронавирусной инфекции, как правило, сопровождается количествен- ными и качественными изменениями характера этого заболевания в различных регио- нах. Необходимо составить прогноз распространения эпидемии в конкретном регио- не для разработки плана действий по выявлению и лечению пациентов в этом регионе (Рисунок 2). В качестве объекта исследования взят регион Республики Казахстан го- род Астана (Рисунок 3). Математическое моделирование, а именно выбор конкретной математической модели, описывающей процесс распространения инфекции в иссле- дуемом регионе, является одним из наиболее эффективных методов прогнозирования распространения эпидемии.
Всего в стране с марта 2020 года выявлено 941 793 заболевших коронавирусной инфекцией.
Такуадина А. И. и др. Математическое моделирование инфекционных заболеваний ... 103
Рисунок 2 – График распространения COVID-19 по областям с 13 марта 2020 года.
Рисунок 3 – 3D карта заболеваемости COVID-19 на 02.11.2021 [7].
SIR-модели (Susceptible восприимчивые (S), Infected инфицированные (I), Recov- ered выздоровевшие (R)) были предложены в 1920-х годах учеными А. Кермаком и У.
Маккендриком и являются базовыми для описания распространения инфекционных заболеваний. SIR-модель является основой и если встает вопрос о внесении допол- нительной информации, например, пути передачи, модель необходимо модифициро- вать.
Сегодня существует целое семейство моделей (и даже открытых кодов для рас- четов по ним), разработанных на базе SIR-моделей [8]: ∙ SIRS: «Восприимчивые → инфицированные → выздоровевшие → восприимчивые». Модель для описания ди- намики заболеваний c временным иммунитетом. SEIR «Восприимчивые → контак- тировавшие с инфекцией → инфицированные → выздоровевшие», данная модель
Вестник Национальной инженерной академии Республики Казахстан. 2022. № 4 (86) 104
распространения, используемая в передовых исследованиях, например, описание распространения эпидемии коронавируса COVID-19 в Китае с учетом пассажиропо- токов, влияния вмешательства здравоохранения и инкубационного периода в рамках математических моделей, основанных на SEIR структуре, проводилось группами ки- тайских ученых [9–11]. Динамика этой модели характеризуется набором из четырех обыкновенных дифференциальных уравнений, соответствующих стадиям прогресси- рования заболевания.
• SIS: «Восприимчивые → инфицированные → восприимчивые». Модель для рас- пространения заболевания, к которому не вырабатывается иммунитет.
• MSEIR: «Наделенные иммунитетом от рождения (Maternally derived immunity)
→ восприимчивые → контактировавшие с инфекцией (Exposed) → инфицированные
→ выздоровевшие». [12].
В работе используется модель инфекционного заболевания seIR ( s usceptible
→ e xposed → I nfected → R emoved), идеализированная модель распространения, все еще используемая в передовых исследованиях, например, [13]. Динамика этой мо- дели характеризуется системой из четырех обыкновенных дифференциальных урав- нений, соответствующих стадиям прогрессирования заболевания:
dS dt
R T IS dE
dt R
T I T E
dI
dt T E T I
t
t
inc
inc
= − ⋅
= ⋅ −
= −
−
− −
inf
inf
inf
,
1 ,
1 1 ,,
inf ,
inf
dR dt T I
dS dt
R T
t
=
= −
−1
Помимо динамики передачи, эта модель позволяет использовать дополнительную информацию о времени для моделирования уровня смертности и бремени здравоох- ранения [14].
Подробный обзор текущих оценок репродуктивного числа [15]. Клиническая ди- намика в этой модели – это разработка SEIR, которая имитирует прогрессирование болезни с более высоким разрешением, разделяя I, R на легкую (пациенты, которые выздоравливают без госпитализации), среднюю (пациенты, которые нуждаются в го- спитализации, но выживают) и со смертельным исходом (пациенты, которые нужда- ются в госпитализации и не выживают). Каждая из этих переменных следует своей собственной траектории к окончательному результату, и сумма этих отсеков в сумме дает значения, предсказанные SEIR. Примечание: все смертельные случаи проис- ходят из больниц, и что все смертельные случаи поступают в больницы сразу после инфекционного периода.
Прогнозирование распространения коронавируса на примере города Астана, ис- пользуя калькулятора Gabriel Goh (Рисунок 4). Рассмотрим численность населения города Астана 1 142 875 человек на начало 2020 года.
105 Такуадина А. И. и др. Математическое моделирование инфекционных заболеваний ...
Рисунок 4 – График прогнозирования коронавируса COVID-19
Всего в модели учитывается 13 переменных. За начальный момент считается 13 марта 2020 года, когда заразился первый человек. Модель не учитывает импортные случаи заражения, социальное дистанцирование, возрастные характеристики, вакци- нацию населения и другие. Карантин был введен на семнадцатый день – с 30 марта 2020 года. По данным ВОЗ, заразность вируса (R0) в среднем равна 2,5. Все осталь- ные параметры установлены согласно имеющимся данным ВОЗ и другим источникам [13]. Модель эффективна на краткосрочный прогноз.
ЛИТЕРАТУРА
1 Ройт А., Бростофф ДЖ., Мейл Д., Иммунология / Пер с англ. – М.: Мир, 2000. – 592 с.
2 Инфекционные болезни // Казахстан. Национальная энциклопедия. – Алматы: Қазақ эн- циклопедиясы, 2005. – Т. II. – ISBN 9965-9746-3-2.
3 Большая российская энциклопедия: [в 35 т.] / гл. ред. Ю. С. Осипов. – М. : Большая рос- сийская энциклопедия, 2004–2017.
4 Грипп птиц: Происхождение инфекционных биокатастроф / Под ред. акад. РАМН В. И.
Покровского. – 2-е изд., доп. – СПб.: Росток, 2012. – 304 IV с. – (Эпидемии XXI века). – 18 700 экз. – ISBN 978-5-94668-108-7.
5 Уведомление Национальной комиссии здравоохранения КНР о предварительном при- своении названия новой коронавирусной пневмонии. Национальный комитет здравоохранения КНР (9 февраля 2020). Дата обращения 9 февраля 2020. Архивировано 16 февраля 2020 года.
Вестник Национальной инженерной академии Республики Казахстан. 2022. № 4 (86) 106
6 Короновирусная инфекция COVID-19. https://news.google.com/covid19/map?hl=ru&mid=
%2Fm%2F047lj&gl=RU&ceid=RU%3Aru&state=7 (05.12.2021).
7 Статистика по регионам. https://ru.sputnik.kz/health/20211102/18549528/sutochnaya-zabol- evaemost-COVID-19-Kazakhstan.html (02.11.2021).
8 N.B. Noll, I. Aksamentov, V. Druelle, A. Badenhorst, B. Ronzani, G. Jefferies, J. Albert, R. Ne- her. COVID-19 Scenarios: an interactive tool to explore the spread and associated morbidity and mor- tality of SARS-CoV-2. 2020. medRxiv 2020.05.05.20091363. DOI: 10.1101/2020.05.05.20091363.
9 A. Zlojutro, D. Rey, L. Gardner. Optimizing border control policies for global out-break miti- gation. Scientific Reports. 2019. Vol. 9. P. 2216. https://rdcu.be/bniOs
10 Y. Chen, J. Cheng, Y. Jiang and K. Liu. A time delay dynamical model for outbreak of 2019- nCoV and the parameter identification. Journal of Inverse and Ill-posed Problems. 2020. Vol. 28, Issue 2. P. 243–250.
11 B. Tang, X. Wang, Q. Li, N.L. Bragazzi, S. Tang, Y. Xiao, J. Wu. Estimation of the transmis- sion risk of 2019-nCoV and its implication for public health interventions. SSRN: https://ssrn.com/
abstract=3525558
12 О. И. Криворотько, С. И. Кабанихин, Н. Ю. Зятьков, А. Ю. Приходько, Н. М. Прохошин, М. А. Шишленин, “Математическое моделирование и прогнозирование COVID-19 в Москве и Новосибирской области”, Сиб. журн. вычисл. матем., 23:4 (2020), 395–414
13 Wu, Joseph T et al. Wu, Joseph T et al. Nowcasting and forecasting the potential domestic and international spread of the 2019-nCoV outbreak originating in Wuhan, China: a modelling study. The Lancet, Volume 395, Issue 10225, 689 - 697
14 Epidemic Calculator. http://gabgoh.github.io/COVID/index.html (18.12.2021).
15 Ying Liu, Albert A Gayle, Annelies Wilder-Smith, Joacim Rocklöv, The reproductive number of COVID-19 is higher compared to SARS coronavirus, Journal of Travel Medicine, Volume 27, Is- sue 2, March 2020, taaa021, https://doi.org/10.1093/jtm/taaa021
RefeRences
1 Rojt A., Brostoff DZH., Mejl D., Immunologiya / Per s angl. – M.: Mir, 2000. – 592 s.
2 Infekcionnye bolezni // Kazahstan. Nacional’naya enciklopediya. – Almaty: Қazaқ enciklopediyasy, 2005. – T. II. – ISBN 9965-9746-3-2.
3 Bol’shaya rossijskaya enciklopediya: [v 35 t.] / gl. red. YU. S. Osipov. – M. : Bol’shaya ros- sijskaya enciklopediya, 2004–2017.
4 Gripp ptic: Proiskhozhdenie infekcionnyh biokatastrof / Pod red. akad. RAMN V. I. Pok- rovskogo. – 2-e izd., dop. – SPb.: Rostok, 2012. – 304 IV s. – (Epidemii XXI veka). – 18 700 ekz.
– ISBN 978-5-94668-108-7.
5 Uvedomlenie Nacional’noj komissii zdravoohraneniya KNR o predvaritel’nom prisvoenii nazvaniya novoj koronavirusnoj pnevmonii. Nacional’nyj komitet zdravoohraneniya KNR (9 fevralya 2020). Data obrashcheniya 9 fevralya 2020. Arhivirovano 16 fevralya 2020 goda.
6 Koronovirusnaya infekciya COVID-19. https://news.google.com/covid19/map?hl=ru&mid=
%2Fm%2F047lj&gl=RU&ceid=RU%3Aru&state=7 (05.12.2021).
7 Statistika po regionam. https://ru.sputnik.kz/health/20211102/18549528/sutochnaya- zabolevaemost-COVID-19-Kazakhstan.html (02.11.2021).
107 Такуадина А. И. и др. Математическое моделирование инфекционных заболеваний ...
8 N.B. Noll, I. Aksamentov, V. Druelle, A. Badenhorst, B. Ronzani, G. Jefferies, J. Albert, R. Neher.
COVID-19 Scenarios: an interactive tool to explore the spread and associated morbidity and mortality of SARS-CoV-2. 2020. medRxiv 2020.05.05.20091363. DOI: 10.1101/2020.05.05.20091363.
9 A. Zlojutro, D. Rey, L. Gardner. Optimizing border control policies for global out-break mitigation. Scientific Reports. 2019. Vol. 9. P. 2216. https://rdcu.be/bniOs
10 Y. Chen, J. Cheng, Y. Jiang and K. Liu. A time delay dynamical model for outbreak of 2019- nCoV and the parameter identification. Journal of Inverse and Ill-posed Problems. 2020. Vol. 28, Issue 2. P. 243–250.
11 B. Tang, X. Wang, Q. Li, N.L. Bragazzi, S. Tang, Y. Xiao, J. Wu. Estimation of the transmission risk of 2019-nCoV and its implication for public health interventions. SSRN: https://ssrn.com/
abstract=3525558
12 O. I. Krivorot’ko, S. I. Kabanihin, N. YU. Zyat’kov, A. YU. Prihod’ko, N. M. Prohoshin, M. A. SHishlenin, “Matematicheskoe modelirovanie i prognozirovanie COVID-19 v Moskve i Novosibirskoj oblasti”, Sib. zhurn. vychisl. matem., 23:4 (2020), 395–414
13 Wu, Joseph T et al. Wu, Joseph T et al. Nowcasting and forecasting the potential domestic and international spread of the 2019-nCoV outbreak originating in Wuhan, China: a modelling study. The Lancet, Volume 395, Issue 10225, 689 - 697
14 Epidemic Calculator. http://gabgoh.github.io/COVID/index.html (18.12.2021).
15 Ying Liu, Albert A Gayle, Annelies Wilder-Smith, Joacim Rocklöv, The reproductive number of COVID-19 is higher compared to SARS coronavirus, Journal of Travel Medicine, Volume 27, Issue 2, March 2020, taaa021, https://doi.org/10.1093/jtm/taaa021
А. И. ТАКуАдИНА1, Н. П. ПАзыЛхАН2, К. Т. ИСКАКов2
1Қарағанды медициналық университеті
2Л.Н. Гумилев атындағы Еуразия ұлттық университеті АСТАНА ҚАЛАСЫ МЫСАЛЫНДА ИНФЕКЦИЯЛЫҚ
АУРУЛАРДЫ МАТЕМАТИКАЛЫҚ МОДЕЛЬДЕУ
Жұқпалы ауруларды қоздырғыштар («микробтар»), соның ішінде вирустар, бактерия- лар, саңырауқұлақтар және паразиттер тудырады және Дүниежүзілік денсаулық сақтау ұйымы оларды дүние жүзінде өлімнің екінші негізгі себебі ретінде бағаланады. Бұл инфекциялар уақытша ыңғайсыздықты, тіндердің ауыр зақымдануын немесе тіпті өлімге алып келуі мүмкін.
Медициналық қызмет жүйесінде компьютерлік деректерді өңдеуді енгізе отырып, ауру туралы күрделі ақпаратты дер кезінде жинақтау, эпидемиологиялық қадағалауды ақпараттық жағынан қамтамасыз ету деңгейін арттырады.
Жұмыста SIR типті модельдерге негізделген COVID-19 коронавирустық инфекциясының таралуының тұжырымдамалары мен қолданыстағы математикалық модельдері қарастырылады.
Бұл түрдегі әртүрлі модельдерді болжау ең қолайлы, өйткені аурудың жеткілікті ұзақ инкубациялық кезеңі және асимптоматикалық тасымалдаушылардың болуы себепші. Он үш ай- нымалысы бар SEIR моделінің математикалық сипаттамасы берілген.
Түйін сөздер: модельдеу, болжау, ковид, тарату, деректерді өңдеу.
Вестник Национальной инженерной академии Республики Казахстан. 2022. № 4 (86) 108
A. i. TAkuAdiNA1, N. p. pAzyLkhAN2, k.T. iSkAkov2
1Karaganda medical university
2L.N. Gumilyov Eurasian national university
MATHEMATICAL MODELING OF INFECTIOUS DISEASES ON THE EXAMPLE OF ASTANA CITY
Infectious diseases are caused by pathogens («microbes»), including viruses, bacteria, fungi and parasites, and are ranked by the World Health Organization as the second leading cause of death worldwide. These infections can cause temporary discomfort, severe tissue damage, or even death. Timely accumulation of complex information about the disease with the introduction of computer data processing into the system of the medical service will increase the level of information support for epidemiological surveillance.
The paper considers the concepts and existing mathematical models of the spread of coronavirus infection COVID-19, based on SIR-type models. Variety of models of this type are most suitable for predicting, since the disease has a sufficiently long incubation period and the presence of asymptomatic carriers. A mathematical description of the SEIR model with thirteen variables is given.
key words: modeling, forecasting, covid, dissemination, data processing.
УДК 004.94
https://doi.org/10.47533/2020.1606-146X.201
М. у. уТеНов, д. К. бАЛТАбАй*, C. ж. бАТыРбеК Казахский национальный университет имена аль-Фараби,
Алматы, Казахстан
КОМПЬЮТЕРНОЕ 3D МОДЕЛИРОВАНИЕ МАНИПУЛЯТОРОВ В ПРОГРАММНОЙ СРЕДЕ MAPLE
Создание 3D модели любых роботизированных систем получило широкое распространение в последние несколько лет и применяется как в образовательных, так и в исследовательских целях, где требуется работа с наглядным изображением объекта в трехмерном пространстве.
В настоящее время доступно множество сред 3D моделирования для различных областей иссле- дований робототехники с некоторыми преимуществами и ограничениями. Компьютерное 3D моделирование пространственных манипуляторов и их движения с наглядным изображением объекта позволяет визуально наблюдать за результатами при изучении его кинематических, динамических, силовых, управляющих и других аспектов. В данной работе компьютерная 3D модель пространственного манипулятора RRRRT и его движения была получена путем разра- ботки и реализации программы в среде Maple. Для создания трехмерной модели манипулятора требуется получить 3D модели составных частей манипулятора: кинематических пар, звеньев, схватов и объединить все части манипулятора в одну систему с помощью разработанной про- граммы в среде Maple.
Ключевые слова: компьютерное моделирование, 3D модель манипулятора, движение манипу- лятора, Maple.
Введение. Безусловно, современные программные решения для различных целей основаны на потребностях реальной отрасли с целью проведения надежных и бы- стрых анализов, а также для создания оптимальных решений в соответствии с целе- вой функцией по умолчанию [1-2].
Существуют различные программные среды, которые позволяют моделировать и анализировать сложные механизмы, а также предоставляют очень подробный анализ всех движений элементов в характерных точках, отдельных положениях элементов манипулятора или для полных циклов движения. Некоторые из них: SimMechanics, Autodesk Inventor, SolidWorks, CadMech, Adams, Matlab и Maple [3-4].
Создание 3D модели пространственного манипулятора можно произвести в про- граммах SimMechanics, Autodesk Inventor, SolidWorks, CadMech, Adams, но даль- нейшее кинематическое исследование можно будет выполнить в других пакетах программ, таких как Matlab, импортируя готовую 3D модель, созданную в одной из вышеперечисленных программ [5-7].
Что касается среды Maple, то при 3D моделировании манипулятора, все опера- ции выполняются в одной среде Maple, начиная от получения 3D модели составных частей манипулятора до аналитического исследования позиционной кинематической задачи данного пространственного манипулятора, что является более простым и эф- фективным ходом.
* E-mail корреспондирующего автора: [email protected]
Вестник Национальной инженерной академии Республики Казахстан. 2022. № 4 (86) 110
Методы исследования и результаты. Моделирование и сборка звеньев манипу- лятора RRRRT были проведены с помощью оператора Maple parallelepiped(u, v, w, p, options) и следующих команд.
zveno1:= parallelepiped([0.12, 0, 0], [0, 0.1, 0], [0, 0, 0.85], [-0.06, -0.05, 0], color = blue):
zveno2 := parallelepiped([0.85, 0, 0], [0, 0.08, 0], [0, 0, 0.1], [0., 0.05, 0.80], color = blue):
zveno3 := parallelepiped([0.1, 0, 0], [0, 0.08, 0], [0, 0, 0.85], [0.80, 0.13, 0.85], color = blue):
zveno4 := parallelepiped([0.1, 0, 0], [0, 0.08, 0], [0, 0, 0.4], [0.80, 0.13, 1.7], color = blue):
zveno5 := parallelepiped([0.08, 0, 0], [0, 0.06, 0], [0, 0, 0.4], [0.81, 0.14, 1.7 + d5], color
= white): osnovanie := parallelepiped([1, 0, 0], [0, 1, 0], [0, 0, 0.07], [-0.5, -0.5, -0.05], color
= magenta):
В результате получим собранную 3d модель звеньев манипулятора RRRRT, кото- рая приведена на рисунке 1.
Рисунок 1 – 3d модель и сборка звеньев манипулятора RRRRT.
Моделирование и сборка кинематических пар совместно со звеньями манипулятора RRRRT были проведены с помощью операторов Maple cylinder(c, r, h, capped=boolean, strips=n, options), rotate(q,alpha,beta,gamma), translate(q, a, b, c) и следующих команд.
cyl10 := cylinder([0., 0., 0], 0.12, 0.06, color = blue, capped = true, strips = 500):
cyl21 := cylinder([0, 0, 0], 0.1, 0.2, color = blue, capped = true, strips = 500):
cyl21 := rotate(cyl21, Pi/2, 0, 0):
cyl21 := translate(cyl21, 0, -0.06, 0.85):
cyl32 := cylinder([0, 0, 0], 0.1, 0.2, color = blue, capped = true, strips = 500):
cyl32 := rotate(cyl32, Pi/2, 0, 0):
cyl32 := translate(cyl32, 0.85, 0.04, 0.85):
cyl43 := cylinder([0, 0, 0], 0.08, 0.12, color = blue, capped = true, strips = 500):