Контрольная работа по "Информатике"

·   удаление неверных документов;

·   контроль и корректировка неверной информации;

·   печать первичного документа;

·   дублирование документов.

Начальный этап заканчивается размещением данных документов в базовые массивы.

Основной этап является завершающим этапом работы с программой и связан с получением различных отчетных форм. В нашем примере для его выполнения используется модуль меню «Отчеты», позволяющий получить такие документы, как «Ведомость остатков товарно-материальных ценностей», «Оборотная ведомость» и др. В ходе выполнения основного этапа машиной обеспечивается получение из базы данных различных комбинированных (рабочих) массивов, используемых для составления отчетов. Каждый рабочий массив подлежит сортировке по какому-либо ключевому слову (например номенклатурному номеру материала) и подсчету в нем итоговых данных. В результате формируется отчетная сводка, которая затем выдается «На печать».

Возможно также выполнение таких операций, как архивация данных на машинные носители и формирование информации для передачи на другие АРМ.

Для современного этапа развития компьютерной обработки характерна интеграция задач бухгалтерского учета, предусмотренная операциями технологического процесса. Суть его в том, что, обрабатывая каждый участок бухгалтерского учета на отдельном АРМ, формируется информация, которая впоследствии объединяется и используется головным модулем программы для получения сводной бухгалтерской отчетности (режим «перенос проводок»).

 

Задание 7. Охарактеризуйте этапы разработки экспертных систем.

Ответ:

      В ходе работ  по созданию экспертных систем сложилась определенная технология их разработки, включающая шесть  этапов :идентификацию, концептуализацию, формализацию, выполнение, тестирование, опытную эксплуатацию.

        На этапе идентификации определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.

        На этапе концептуализации проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.

        На этапе формализации выбираются инструментальные средства и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.

        На этапе выполнения осуществляется наполнение базы знаний, создание прототипа ЭС. Главное в создании прототипа заключается в том, чтобы этот прототип обеспечил проверку адекватности идей, методов и способов представления знаний решаемым задачам.

Создание первого прототипа должно подтвердить, что выбранные методы решений и способы представления пригодны для успешного решения, по крайней мере, ряда задач из актуальной предметной области, а также продемонстрировать тенденцию к получению высококачественных и эффективных решений для всех задач предметной области по мере увеличения объема знаний.

        В ходе этапа тестирования производится оценка выбранного способа представления знаний в ЭС в целом. Для этого инженер по знаниям подбирает примеры, обеспечивающие проверку всех возможностей новой ЭС.

 

Задание 8. Начертите архитектурно-технологическую схему информационно-аналитической поддержки принятия решений и дайте характеристику ее составляющим.

Ответ:

       Концепция систем  поддержки принятия решений (СППР)  включает целый ряд средств, объединенных  общей целью — способствовать  принятию рациональных и эффективных  управленческих решений. 

      Система поддержки принятия решений — это диалоговая автоматизированная система, использующая правила принятия решений и соответствующие модели с базами данных, а также интерактивный компьютерный процесс моделирования.  

     Основу СППР составляет  комплекс взаимосвязанных моделей с соответствующей информационной поддержкой исследования, экспертные и интеллектуальные системы, включающие опыт решения задач управления и обеспечивающие участие коллектива экспертов в процессе выработки рациональных решений.

Ниже на рис.  приведен архитектурно-технологическая схема информационно-аналитической поддержки принятия решений:

 

 

Рис.  Архитектурно-технологическая схема СППР

       Первоначально информация хранится в оперативных базах данных OLTP-систем. Но ее сложно использовать в процессе принятия решений по причинам, о которых будет сказано ниже. Агрегированная информация организуется в многомерное хранилище данных. Затем она используется в процедурах многомерного анализа (OLAP) и для интеллектуального анализа данных (ИАД). Рассмотрим более подробно каждый элемент этой схемы.

Хранилища данных

Ясно, что принятие решений должно основываться на реальных данных об объекте управления. Такая информация обычно хранится в оперативных базах данных OLTP-систем. Но эти оперативные данные не подходят для целей анализа, так как для анализа и принятия стратегических решений в основном нужна агрегированная информация. Кроме того, для целей анализа необходимо иметь возможность быстро манипулировать информацией, представлять ее в различных аспектах, производить различные нерегламентированные запросы к ней, что затруднительно реализовать на оперативных данных по соображениям производительности и технологической сложности.

       Решением данной  проблемы является создание отдельного  хранилища данных (ХД), содержащего  агрегированную информацию в  удобном виде. Целью построения  хранилища данных является интеграция, актуализация и согласование  оперативных данных из разнородных источников для формирования единого непротиворечивого взгляда на объект управления в целом.  При этом в основе концепции хранилищ данных лежит признание необходимости разделения наборов данных, используемых для транзакционной обработки, и наборов данных, применяемых в системах поддержки принятия решений. Такое разделение возможно путем интеграции разъединенных в различных системах обработки данных (СОД) и внешних источниках детализированных данных в едином хранилище, их согласования и, возможно, агрегации.

         Концепция  хранилищ данных предполагает  не просто единый логический  взгляд на данные организации, а действительную реализацию  единого интегрированного источника данных. Альтернативным по отношению к этой концепции способом формирования единого взгляда на корпоративные данные является создание виртуального источника, опирающегося на распределенные базы данных различных СОД. При этом каждый запрос к такому источнику динамически транслируется в запросы к исходным базам данных, а полученные результаты на лету согласовываются, связываются, агрегируются и возвращаются к пользователю. Однако, при внешней элегантности, такой способ обладает рядом существенных недостатков.

                Время обработки запросов к  распределенному хранилищу значительно  превышает соответствующие показатели  для централизованного хранилища. Кроме того, структуры баз данных  СОД, рассчитанные на интенсивное  обновление одиночных записей, в  высокой степени нормализованы, поэтому в аналитическом запросе к ним требуется объединение большого числа таблиц, что также приводит к снижению быстродействия.

             Интегрированный взгляд на распределенное  корпоративное хранилище возможен  только при выполнении требования постоянной связи всех источников данных в сети. Таким образом, временная недоступность хотя бы одного из источников может либо сделать работу информационно-аналитической системы (ИАС) невозможной, либо привести к ошибочным результатам.

          Выполнение  сложных аналитических запросов  над таблицами СОД потребляет  большой объем ресурсов сервера  БД и приводит к снижению  быстродействия СОД, что недопустимо, так как время выполнения операций  в СОД часто весьма критично.

             Различные СОД могут поддерживать разные форматы и кодировки данных, данные в них могут быть несогласованны. Очень часто на один и тот же вопрос может быть получено несколько вариантов ответа, что может быть связано с несинхронностью моментов обновления данных, отличиями в трактовке отдельных событий, понятий и данных, изменением семантики данных в процессе развития предметной области, ошибками при вводе, утерей фрагментов архивов и т. д. В таком случае цель – формирование единого непротиворечивого взгляда на объект управления – может не быть достигнута.

             Главным же недостатком следует  признать практическую невозможность  обзора длительных исторических  последовательностей, ибо при физическом  отсутствии центрального хранилища  доступны только те данные, которые на момент запроса есть в реальных БД связанных СОД. Основное назначение СОД – оперативная обработка данных, поэтому они не могут позволить себе роскошь хранить данные за длительный (более нескольких месяцев) период; по мере устаревания данные выгружаются в архив и удаляются из транзакционной БД. Что касается аналитической обработки, для нее как раз наиболее интересен взгляд на объект управления в исторической ретроспективе.

             Таким образом, хранилище данных  функционирует по следующему сценарию. По заданному регламенту в него собираются данные из различных источников – баз данных систем оперативной обработки. В хранилище поддерживается хронология: наравне с текущими хранятся исторические данные с указанием времени, к которому они относятся. В результате необходимые доступные данные об объекте управления собираются в одном месте, приводятся к единому формату, согласовываются и, в ряде случаев, агрегируются до минимально требуемого уровня обобщения.

             На основе хранилища данных возможно составление отчетности для руководства, анализ данных с помощью OLAP-технологий и интеллектуальный анализ данных (Data Mining).

OLAP-технологии

           В  основе концепции оперативной  аналитической обработки (OLAP) лежит  многомерное представление данных. Термин OLAP ввел E. F. Codd в 1993 году. В своей статье он рассмотрел недостатки реляционной модели, в первую очередь невозможность «объединять, просматривать и анализировать данные с точки зрения множественности измерений, то есть самым понятным для корпоративных аналитиков способом», и определил общие требования к системам OLAP, расширяющим функциональность реляционных СУБД и включающим многомерный анализ как одну из своих характеристик.

            По Кодду, многомерное концептуальное  представление (multi-dimensional conceptual view) является наиболее естественным взглядом управляющего персонала на объект управления. Оно представляет собой множественную перспективу, состоящую из нескольких независимых измерений, вдоль которых могут быть проанализированы определенные совокупности данных. Одновременный анализ по нескольким измерениям данных определяется как многомерный анализ. Каждое измерение включает направления консолидации данных, состоящие из серии последовательных уровней обобщения, где каждый вышестоящий уровень соответствует большей степени агрегации данных по соответствующему измерению. Так, измерение Исполнитель может определяться направлением консолидации, состоящим из уровней обобщения «предприятие – подразделение – отдел – служащий». Измерение Время может даже включать два направления консолидации – «год – квартал – месяц – день» и «неделя – день», поскольку счет времени по месяцам и по неделям несовместим. В этом случае становится возможным произвольный выбор желаемого уровня детализации информации по каждому из измерений. Операция спуска (drilling down) соответствует движению от высших ступеней консолидации к низшим; напротив, операция подъема (rolling up) означает движение от низших уровней к высшим.

           Интеллектуальный  анализ данных

Наибольший интерес в СППР представляет интеллектуальный анализ данных, так как он позволяет провести наиболее полный и глубокий анализ проблемы, дает возможность обнаружить скрытые взаимосвязи, принять наиболее обоснованное решение.

            Современный уровень развития аппаратных и программных средств с некоторых пор сделал возможным повсеместное ведение баз данных оперативной информации на разных уровнях управления. В процессе своей деятельности промышленные предприятия, корпорации, ведомственные структуры, органы государственной власти и местного самоуправления накопили большие объемы данных. Они хранят в себе большие потенциальные возможности по извлечению полезной аналитической информации, на основе которой можно выявлять скрытые тенденции, строить стратегию развития, находить новые решения.

                Интеллектуальный анализ данных (Data Mining) — это процесс поддержки  принятия решений, основанный на  поиске в данных скрытых закономерностей (шаблонов информации). При этом  накопленные сведения автоматически обобщаются до информации, которая может быть охарактеризована как знания.

         В общем  случае процесс ИАД состоит  из трёх стадий:

-выявление закономерностей;

-использование выявленных закономерностей  для предсказания неизвестных  значений (прогностическое моделирование);

-анализ исключений, предназначенный  для выявления и толкования  аномалий в найденных закономерностях.

               Новыми компьютерными технологиями, образующими ИАД являются экспертные  и интеллектуальные системы, методы искусственного интеллекта, базы знаний, базы данных, компьютерное моделирование, нейронные сети, нечеткие системы. Современные технологии ИАД позволяют создавать новое знание, выявляя скрытые закономерности, прогнозируя будущее состояние систем. Основным методом моделирования социально-экономического развития города является метод имитационного моделирования, который позволяет исследовать городскую систему с помощью экспериментального подхода. Это дает возможность на модели проиграть различные стратегии развития, сравнить альтернативы, учесть влияние многих факторов, в том числе с элементами неопределенности.

              Построенная в данной работе  модель относится именно к  такому классу систем. На ее  основе органы местного самоуправления  стратегического и тактического уровней получают возможность проанализировать динамику развития сложной социально-экономической городской системы, выявить неочевидные на первый взгляд взаимосвязи, сравнить различные альтернативы, проанализировать аномалии и принять наиболее обоснованное решение.