Telnov Yu. F. Inteligentni informacijski sustavi

MINISTARSTVO OBRAZOVANJA RUSKE FEDERACIJE

Moskovsko državno ekonomsko sveučilište,
statistike i informatike
Institut "Moskovska viša bankarska škola"

Yu.F. Telnov

intelektualac
Informacijski sustavi
(tutorial)

Moskva 2001

UDK 519.68.02
BBK 65 sa 51
T 318

Telnov Yu.F. Inteligentni informacijski sustavi. (Edukativni
dodatak) - M., 2001. - 118 str.
Zavod za projektiranje gospodarskih informacijskih sustava
Vodič je posvećen
teorijska i organizacijsko metodološka pitanja razvoja i primjene intelektualnih
informacijski sustavi (IIS) u gospodarstvu. U razmatranju
klasifikacija, arhitektura, faze projektiranja IIS-a, odabir
alati, opseg. Praktični aspekti
primjena statičkog IMS-a postavljena je za rješavanje problema
financijska analiza poduzeća, dinamički IIS - za rješavanje
zadaci upravljanja zalihama.
Udžbenik je namijenjen studentima koji uče
specijalnost “Primijenjena informatika po područjima primjene”, te
također i za studente drugih ekonomskih specijalnosti: “Financije
i kredit”, “Menadžment”, “Marketing” itd.

Telnov Yu.F., 2001
Moskovsko državno sveučilište ekonomije, statistike i
informatika
Institut Moskovska viša bankarska škola

2. Poglavlje 1. Klasifikacija inteligentnih informacija
sustavi ________________________________________________________________ 5
2.1 Značajke i znakovi informacijske inteligencije
sustavi ___________________________________________ 5
2.2 Sustavi s inteligentnim sučeljem _________________ 8
2.3 Ekspertni sustavi _______________________________________ 10
2.4 Samoučeći sustavi ______________________________ 20
2.5 Literatura ________________________________________________ 30
3. Poglavlje 2. Tehnologija izrade ekspertnih sustava ______________ 32
3.1 Faze izrade ekspertnog sustava ______________________ 32
3.2 Identifikacija problematičnog područja ______________________ 36
3.3 Izgradnja konceptualnog modela _____________________ 39
3.4 Formalizacija baze znanja __________________________ 43
3.5 Izbor alata za provedbu stručne
sustavi ____________________________________________________ 55
3.6 Literatura _________________________________________________ 63
4. Poglavlje 3. Implementacija ekspertnih sustava ekonomske analize
djelatnosti poduzeća _________________________________ 65
4.1 Značajke ekspertnih sustava ekonomske analize ____ 65
4.2 Ekspertni sustav za analizu financijskog stanja
poduzeća ____________________________________________________ 71
4.3 Ekspertni sustav za analizu učinkovitosti rezultata
financijske i ekonomske aktivnosti poduzeća ____________ 80
4.4 Literatura _________________________________________________ 85
5. Poglavlje 4. Implementacija dinamičkih ekspertnih sustava upravljanja
poslovni procesi ________________________________________________ 86
5.1 4.1. Značajke implementacije dinamičkih ekspertnih sustava
upravljanje poslovnim procesima _______________________________ 86
5.2 Ekspertni sustav za dinamičko upravljanje zalihama _____ 89
5.3 Sustav fiksnih naloga_________________ 91
5.4 Literatura _______________________________________ 104
5.5 Radionica izvođenja laboratorijskog rada ____________ 105

Uvod
Svrha udžbenika je upoznati učenike,
studenti u specijalnosti "Primijenjena informatika po područjima
aplikacije”, s problemima i područjima uporabe
umjetna inteligencija u ekonomskim informacijama
sustava, obuhvat teorijskih i organizacijsko-metodičkih
pitanja izgradnje i rada sustava temeljenih na
znanja, usađivanje vještina praktičnog rada na projektiranju baza
znanje. Kao rezultat proučavanja udžbenika učenici će dobiti
poznavanje arhitekture i klasifikacije IIS-a, metode prezentacije
znanja, područja primjene, kao i naučiti kako odabrati adekvatne
alati za problematično područje za razvoj IIS-a i
metode dizajna baze znanja.
Udžbenik "Inteligentni informacijski sustavi"
također namijenjen studentima ekonomskih specijalnosti:
"Financije i kredit", "Računovodstvo", "Anti-kriza
menadžment”, “Menadžment”, “Marketing”, “Svjetska ekonomija”,
koji će kao rezultat proučavanja udžbenika ovladati metodama
donošenje upravljačkih odluka na temelju klasifikacije
situacije, građenje stabala ciljeva i odluka, logično i
heuristička argumentacija, izračun ocjena na temelju fuzzy
logika, upravljanje dinamičkim procesima.
Strukturno, udžbenik se sastoji od 4 poglavlja:
. Prvo poglavlje obrađuje pitanja
klasifikacija i
IIS arhitektura, kao i opis glavnih područja
aplikacije.
. U drugom poglavlju prikazane su glavne faze u razvoju mosta
zajednička klasa IIS - ekspertnih sustava. U isto vrijeme, veliki
pozornost je posvećena pitanjima izgradnje konceptualnog modela
problemsko područje, analiza i izbor metoda za predstavljanje znanja i
odgovarajuće alate.
. Treće poglavlje opisuje metode za implementaciju eksperta
sustavi za vanjsku i unutarnju ekonomsku analizu financijskih i ekonomskih aktivnosti poduzeća.
. Četvrto poglavlje bavi se primjenom dinamike
ekspertni sustavi za upravljanje lancima poslovanja poslovnih procesa, posebice za implementaciju sustava upravljanja zalihama.

1. Poglavlje 1. Klasifikacija inteligentnih informacija
sustava
1.1 Osobine i znakovi inteligencije
informacijski sustavi
Svaki informacijski sustav (IS) obavlja sljedeće
funkcije: prihvaća informacije koje unosi korisnik
zahtjeve i potrebne početne podatke, obrađuje unesene i
podaci pohranjeni u sustavu u skladu s poznatim algoritmom i
generira potrebne izlazne informacije. S gledišta
implementacija navedenih funkcija IS-a može se smatrati
tvornica koja proizvodi informacije, u kojoj je red
informacijski zahtjev, sirovina je početni podatak, proizvod je tražena informacija, a alat (oprema) je znanje, pri čemu
koji podatke pretvara u informaciju.
Znanje ima dvojaku prirodu: činjeničnu i operativnu.
. Činjenično znanje su smisleni i razumljivi podaci. Podaci
sami su posebno organizirani znakovi na bilo
prijevoznik.
. Operativno znanje su te opće ovisnosti između činjenica
koji vam omogućuju tumačenje podataka ili izdvajanje iz njih
informacija. Informacija je u biti novo i korisno znanje za
rješavanje bilo kakvih problema.
Činjenično znanje se često naziva ekstenzivnim znanjem.
(detaljni), a operativna znanja - intenzionalna
(generalizirano).
Proces izvlačenja informacija iz podataka svodi se na
odgovarajuća kombinacija operativnih i činjeničnih znanja i in
različite vrste IS izvode se različito. Najlakši način za njih
veze unutar jednog aplikacijskog programa:
Program = Algoritam (Pravila transformacije podataka +
Kontrolna struktura) + Struktura podataka
Dakle, operativno znanje (algoritam) i činjenično
znanje (struktura podataka) su neodvojivi jedno od drugog. Međutim, ako u
tijekom rada IS-a postaje jasna potreba modifikacije jednog od
dvije komponente programa, tada će biti potrebno
prepisivanje. Ovo se objašnjava puno znanje problematično
samo IP programer ima područje, a program služi
"nemisleći izvođač" znanja programera. Konačni
korisnik
zbog
proceduralni
I
mašina
usmjerenost reprezentacije znanja razumije samo vanjsko
strana procesa obrade podataka i ne može ni na koji način utjecati na njega.
5

Posljedica ovih nedostataka je loša
održivost IS-a ili neprilagođenost na
promijeniti
informacija
potrebe.
Osim
Ići,
V
sila
determinizam algoritama zadataka koje treba riješiti IS nije sposoban
formiranje znanja korisnika o radnjama u nije u potpunosti
određene situacije.
U sustavima baziranim na obradi baze podataka (SDB - Data Base
Sustavi), postoji odvajanje činjeničnog i operativnog znanja
jedni od drugih. Prvi je organiziran u obliku baze podataka, drugi - u obliku
programa. Štoviše, program se može automatski generirati
korisnički zahtjev (na primjer, implementacija SQL ili QBE upita). U
djeluje kao posrednik između programa i baze podataka
programski alat za pristup podacima – sustav za upravljanje bazom podataka
podaci (DBMS):
SBD = Program<=>DBMS<=>Baza podataka
Koncept neovisnosti programa o podacima dopušta
povećati fleksibilnost IS-a za implementaciju proizvoljnih informacija
zahtjevi. Međutim, ova fleksibilnost zbog postupovnog zastupanja
operativno znanje ima dobro definirane granice. Za
prilikom formuliranja zahtjeva za informacijama korisnik mora jasno
zamislite strukturu baze podataka i u određenoj mjeri
algoritam rješavanja problema. Stoga korisnik mora
biti dobro upućen u problemsko područje, u logično
struktura baze podataka i programski algoritam. konceptualni dijagram
baza podataka djeluje uglavnom kao posredna karika
u procesu preslikavanja logičke strukture podataka u strukturu
podaci o aplikaciji.
Opći nedostaci tradicionalnih informacijskih sustava, do
kojima pripadaju sustavi prve dvije vrste sastoje se u slabom
prilagodljivost promjenama u predmetnom području i informacijama
potrebe korisnika, nemogućnost rješavanja loših
formalizirani zadaci s kojima rukovodeći djelatnici
stalno se bave. Ovi nedostaci su otklonjeni u
inteligentni informacijski sustavi (IIS).
Analiza strukture programa pokazuje mogućnost isticanja
od programa operativnog znanja (pravila transformacije podataka) do
tzv. baza znanja, koja u deklarativnom obliku pohranjuje
jedinice znanja zajedničke za različite zadatke. Ujedno i upravitelj
struktura dobiva karakter univerzalnog mehanizma rješenja
zadatke (mehanizam zaključivanja), koji povezuje jedinice znanja u
izvršni lanci (generirani algoritmi) ovisno o
konkretan prikaz problema (cilj formuliran u zahtjevu i

početni uvjeti). Takvi IS-ovi postaju sustavi temeljeni na
obrada znanja (SBZ - Knowledge Base (Based) Systems):
KBZ = Baza znanja<=>Upravljačka struktura<=>Baza podataka
(izlazni mehanizam)
Za
intelektualac
informacija
sustavi,
karakteriziraju se generacijski orijentirani algoritmi za rješavanje problema
sljedeći znakovi:
. razvijene komunikacijske vještine,
. sposobnost rješavanja složenih slabo formaliziranih problema,
. sposobnost samoučenja,
IIS komunikacijske sposobnosti karakteriziraju način
interakcija (sučelje) krajnjeg korisnika sa sustavom, u
posebice mogućnost formuliranja proizvoljnog zahtjeva u
dijalog s IIS-om na jeziku što je moguće bližem prirodnom.
Složeni slabo formalizirani zadaci su zadaci koji
zahtijevaju konstrukciju originalnog algoritma rješenja ovisno o
iz specifične situacije, koja se može okarakterizirati
nesigurnost i dinamičnost početnih podataka i znanja.
Sposobnost samoučenja je sposobnost automatskog
izvlačenje znanja
rješavati probleme iz skupljenog iskustva
specifične situacije.
U raznim IIS-ima navedeni znakovi inteligencije
razvijen u nejednakom stupnju i rijetko kada sva četiri znaka
provode se istovremeno. Uvjetno za svaki od znakova
intelektualnost odgovara vlastitoj klasi IIS-a (slika 1.1):
. Sustavi s inteligentnim sučeljem;
. Ekspertni sustavi;
. Samoučeći sustavi;

Riža. 1.1. IIS klasifikacija
1.2 Sustavi s inteligentnim sučeljem
Pametne baze podataka razlikuju se od konvencionalnih baza podataka
podatke mogućnošću uzorkovanja na zahtjev potrebnih podataka,
koji ne moraju biti eksplicitno pohranjeni, već izvedeni iz baze podataka
podaci. Primjeri takvih zahtjeva mogu biti sljedeći:
- “Prikaži popis robe čija je cijena viša od prosjeka industrije”,
- “Prikaži popis zamjenskih proizvoda za neke proizvode”,
- “Prikazati popis potencijalnih kupaca nekog proizvoda” i
itd.
Da biste izvršili prvu vrstu zahtjeva, prvo morate
provođenje statističkog izračuna prosječne industrijske cijene za cijelu
bazu podataka, a nakon toga stvarni odabir podataka. Za
izvršavanje drugog tipa upita, potrebno je prikazati vrijednosti
karakteristične značajke predmeta, a zatim tražiti slične
objekti. Za treću vrstu zahtjeva prvo morate definirati
popis prodavača posrednika koji prodaju ovaj proizvod,
a zatim provesti pretragu povezanih kupaca.
U svim gore navedenim vrstama zahtjeva potrebno je izvršiti
pretraživanje po uvjetu, koji se mora dodatno definirati u tijeku rješavanja
zadaci. Inteligentni sustav bez pomoći korisnika
sama struktura baze podataka gradi pristupni put do podatkovnih datoteka.
Formuliranje zahtjeva provodi se u dijalogu s korisnikom,
8

Redoslijed koraka koji se izvodi maksimalno
obrazac prilagođen korisniku. Upit baze podataka može
formuliran uz pomoć sučelja prirodnog jezika.
Sučelje prirodnog jezika uključuje prijevod
prirodne jezične konstrukcije do razine unutar stroja
predstavljanje znanja. Za to je potrebno odlučiti
zadaci
morfološka, ​​sintaktička i semantička analiza i sinteza
izjave u prirodnom jeziku. Dakle, morfološka analiza
uključuje prepoznavanje i provjeru pravopisa riječi
prema rječnicima
sintaktička kontrola input decomposition
poruke u pojedine komponente (definicija strukture) sa
provjera sukladnosti
gramatička pravila unutarnjeg
predstavljanje znanja i identificiranje dijelova koji nedostaju, i na kraju
semantička analiza – utvrđivanje semantičke ispravnosti
sintaktičke konstrukcije. Propozicijska sinteza rješava inverziju
zadatak pretvaranja unutarnje reprezentacije informacija u
prirodni jezik.
Sučelje prirodnog jezika koristi se za:
. pristup inteligentnim bazama podataka;
. kontekstualno pretraživanje dokumentarnih tekstualnih informacija;
. glasovni unos naredbi u sustavima upravljanja;
. strojno prevođenje sa stranih jezika.
Hipertekstualni sustavi dizajnirani su za implementaciju pretraživanja
po ključnim riječima u bazama tekstualnih informacija. intelektualac
hipertekstualni sustavi odlikuju se mogućnošću složenijeg
semantička organizacija ključne riječi, koji odražava
razni semantički odnosi pojmova. Stoga mehanizam
pretraživanje prvenstveno radi s bazom znanja ključnih riječi i već
zatim izravno s tekstom. U širem smislu,
širi se i
na
traženje multimedijskih informacija,
uključujući, uz tekstualne i digitalne informacije, grafičke,
audio i video slike.
Kontekstni sustavi pomoći mogu se smatrati posebnim
slučaj inteligentnog hiperteksta i prirodnog jezika
sustava. Za razliku od konvencionalnih sustava pomoći koji nameću
korisniku shemu traženja potrebnih informacija u sustavima
kontekstualnu pomoć, korisnik opisuje problem (situaciju) i
sustav ga uz pomoć dodatnog dijaloga sam konkretizira
traži preporuke relevantne za situaciju. Takvi sustavi
pripadaju klasi sustava za širenje znanja (Knowledge
Publishing) i nastaju kao prilog dokumentacijskim sustavima
(na primjer, tehnička dokumentacija za rad robe).
Sustavi kognitivne grafike
omogućiti
korisničko sučelje s IIS-om pomoću grafičkih slika,
koji se generiraju u skladu s događajima koji se odvijaju.
9

Takvi se sustavi koriste u nadzoru i upravljanju
operativni procesi. Grafičke slike u vizualnom i
u integriranom obliku opisuju skup parametara proučavanog
situacije. Na primjer, stanje složenog upravljanog objekta
prikazan u obliku ljudskog lica, na kojem svaka linija
je odgovoran za bilo koji parametar, a opći izraz lica daje
integrirani opis situacije.
Sustavi kognitivne grafike također se široko koriste u
obuka i sustavi obuke temeljeni na upotrebi
načela virtualne stvarnosti, kada grafičke slike
simulirati situacije u kojima učenik treba poduzeti
odluke i poduzeti određene radnje.
1.3 Ekspertni sustavi
Imenovanje ekspertnih sustava
je
u odluci
prilično teški zadaci za stručnjake na temelju prikupljene baze podataka
znanje koje odražava iskustvo stručnjaka u
problematično područje. Prednost korištenja ekspertnih sustava
je sposobnost donošenja odluka u jedinstvenim situacijama,
za koji algoritam nije unaprijed poznat i formira se prema početnom
podatke u obliku lanca zaključivanja (pravila odlučivanja) iz
baza znanja. Štoviše, rješavanje problema trebalo bi se provesti u
uvjeti nepotpunosti, nepouzdanosti, dvosmislenosti izvornika
informacije i kvalitativne procjene procesa.
Ekspertni sustav je alat koji unapređuje
intelektualne sposobnosti stručnjaka, a može izvesti
sljedeće uloge:
. konzultant
Za
neiskusan
ili
neprofesionalno
korisnici;
. pomoćnik u vezi s potrebom stručnjaka za analizu razn
mogućnosti odlučivanja;
. partner stručnjaka za pitanja vezana uz izvore znanja iz
srodna područja djelovanja.

Ekspertni sustavi se koriste u mnogim područjima, među ostalim
u čemu segment aplikacija u poslovanju prednjači (Sl. 1.2) [21].
Poljoprivreda
Poslovanje
Kemija
Komunikacije
Računalo

Obilježja informacijskog društva Povećanje uloge informacija i znanja u životu društva; povećanje udjela ICT-a, informacijskih proizvoda i usluga u BDP-u; stvaranje globalne informacijske infrastrukture koja osigurava učinkovitu informacijsku interakciju ljudi i zadovoljenje njihovih društvenih i osobnih potreba u informacijskim proizvodima i uslugama

Ekonomska perspektiva informacijskog društva Proizvodnja, stjecanje, širenje i praktičnu upotrebu informacija i znanje postaje glavna pokretačka snaga društveno-ekonomskog razvoja određena razina razvojem informacijskog društva u smislu ostvarivanja značajne količine bruto domaćeg proizvoda povezanog s informacijama i ICT-om, formira se ekonomija znanja Sposobnost stvaranja i omogućavanja pristupa znanju postaje glavni čimbenik konkurentnosti Rastuća uloga obrazovanja i cjeloživotno učenje – Life Long Learning

Na Forumu o vodstvu obrazovanja koji je održao UNESCO u ljeto 2008. direktor tvrtke UNESCO g. Kuachiro Matsuura izdvojio je e-učenje i učenje na daljinu kao jedan od najvažnijih trendova u razvoju obrazovanja u moderni svijet

Prijenos tehnologija e.Learninga koje se koriste u MESI na druga sveučilišta u Rusiji, Kazahstanu, Armeniji, Bjelorusiji i drugim zemljama 200 obrazovne ustanove iz 72 regije Rusije i zemalja ZND-a

Dominantna ekonomija Industrijska potrošnja znanja Razdoblje: sredina 20. stoljeća kraj 20. stoljeća početak 21. stoljeća Transformacija sveučilišta Klasično sveučilište (centar za izobrazbu gospodarstva) Klasično sveučilište (centar za izobrazbu gospodarstva) usluge) Inovativno sveučilište (centar za znanstveni i inovativni razvoj) Inovativno sveučilište (centar za znanstveni i inovativni razvoj) Paradigma upravljanja Financijski orijentirana Kvaliteta znanja Visoko obrazovanje u suvremenom svijetu

MESI je inovativno sveučilište! Integracija obrazovanja, znanosti i poslovanja Kvalitetan znanstveni i obrazovni sadržaj - 100% obrazovna i metodička potpora– Od godišnjeg ažuriranja sadržaja do ažuriranja po potrebi Suvremene obrazovne tehnologije za suradničku interakciju „student-nastavnik“, „student-student“, „nastavnik-nastavnik“, u budućnosti „odjel-poduzeće“ Učinkovito uključivanje nastavnika u znanstvenoistraživački rad – Znanstveno te metodološko osiguranje svake discipline

Upravljanje znanjem na Sveučilištu Upravljanje znanjem Upravljanje akademskim znanjem Upravljanje administrativnim znanjem Kvaliteta sadržaja + kvaliteta obrazovanja Integracija rezultata istraživanja u poslovanje Tehnologije Metodologija nastavnog osoblja AUP Jedinstveno integrirano okruženje obrazovna ustanova Kompetencije nastavnog osoblja i AUP* Savjetovanje i tehnička podrška industrijske tvrtke

Wikinomics kao masivna suradnja Dona Tapscotta i Anthonyja D. Williamsa: Sadržaj koji stvaraju korisnici (Crowdsourcing) Društveni mediji– suradnja i samoorganizacija (Smart Mobs) Novi način proizvodnje pomoću WEB 2.0 (wikiji, blogovi, chatovi, podcasti, RSS) – masovna suradnja, „sudjelovanje i zajedničko stvaranje” Nova sila koja omogućuje ljudima da se umreže stvoriti divovski mozak

Načela Wikinomike Otvorenost - Tvrtke otvaraju svoje granice vanjskim idejama i ljudskim resursima, otvaraju vrata svim talentima vanjskog svijeta zaštita nekih, otvoren pristup drugim resursima Globalna priroda aktivnosti Daljnja integracija nacionalne ekonomije u jedan bezgranični svijet, pristup novim tržištima, idejama, tehnologijama

Isporuka sadržaja iz podružnica, partnerskih organizacija i predstavništava Razvoj i zajednički razvoj sadržaja za vođenje Ruska sveučilišta Razvoj distribuiranog sadržaja Informacijski centri disciplina Proces stvaranja i korištenja strujanja znanja u MESI

Načela stvaranja informacijsko-znanjskog prostora 1. Kreiranje i ažuriranje obrazovni i metodički kompleksi temeljeno na jedinstvenom prostoru informacija i znanja raspoređenih odjela 2. Korištenje rezultata istraživanja pri kreiranju sadržaja 3. Uključivanje poduzeća i organizacija u kreiranje sadržaja 4. Korištenje rezultata poslijediplomskog istraživanja pri kreiranju sadržaja 5. Obavljanje obrazovno-istraživačkog rada studenata 6. Organiziranje usluge upravljanja znanjem

Metrike, motivacija, kvaliteta Kvantitativni pokazatelji promjena u IDC-u Pokazatelji sudjelovanja regija u razvoju sadržaja Razina uključenosti studenata i diplomskih studenata u kreiranje sadržaja Obujam posuđivanja i prijenosa materijala s interneta Učestalost i kvaliteta ažuriranja materijala Individualni doprinos svakoga sudionik e-Metricse-Xcellence

Važnost stvaranja informacijskog i obrazovnog prostora MESI-ja temeljenog na IDC-u za pružanje platformi za zajednički rad nastavnici raspoređenih odjela; stvarati i prikupljati obrazovne, metodološke i znanstvene materijale u svim disciplinama; osigurati proces stalnog ažuriranja obrazovnih i metodičkih sadržaja; stvoriti bazu podataka poveznica na otvorene obrazovne resurse za svaku disciplinu, na materijale konferencija, seminara i druge korisne resurse.

Hvala na pažnji! Telnov Yu.F.

Pitanja Bit strukturalnog pristupa projektiranju IS 2. Gein-Sarsonova metodologija projektiranja konstrukcija 3. SADT strukturalna analiza i metodologija projektiranja 1.

Formalna definicija metode projektiranja Koncepti i teorijska osnova(strukturni ili objektno orijentirani pristup) Notacija - način prikaza modela statičke strukture i dinamike ponašanja sustava koji se projektira (grafički dijagrami, matematička formalizacija - skupovi, grafovi, Petrijeve mreže) Postupci koji određuju praktičnu primjenu metoda (redoslijed i pravila za izgradnju modela, kriteriji za ocjenu rezultata)

Bit strukturalnog pristupa leži u dekompoziciji sustava koja se provodi na sljedeći način: sustav se dijeli na funkcionalne podsustave, koji se dijele na podfunkcije, oni na zadatke i tako dalje do određenih postupaka. Funkcija sustava podsustava (zadatak)

Načela strukturalnog pristupa U osnovi strukturalnog pristupa nalaze se sljedeća načela: načelo dekompozicije (znanstvena metoda koja koristi strukturu problema i omogućuje vam da rješenje jednog velikog problema zamijenite rješenjem niza manjih problema); načelo hijerarhijskog uređenja (organizacija sastavnih dijelova sustava u hijerarhijske strukture stabla uz dodavanje novih detalja na svakoj razini); načelo apstrakcije (isticanje bitnih aspekata sustava i odvraćanje pažnje od nebitnih); načelo konzistentnosti (valjanost i konzistentnost elemenata sustava); načelo strukturiranja podataka (podaci moraju biti strukturirani i hijerarhijski organizirani).

Metodologije analize i projektiranja konstrukcija Metodologija analize i projektiranja konstrukcija definira smjernice za ocjenu i odabir projekta koji treba izraditi, radne korake koje treba izvesti, njihov redoslijed, pravila za raspodjelu i dodjelu operacija i metoda. Trenutno se uspješno koriste gotovo sve poznate metodologije analize i projektiranja konstrukcija, no najraširenije metodologije su: tehnika analize konstrukcija i projektiranja SADT (Structured Analysis and Design Technique), D. Mark - K. Mak. Haljina analize strukturnih sustava Gane-Sarson (Gane-Sarson), strukturna analiza (Yourdon / De Marko), razvoj sustava Jackson (Jackson), informacijsko modeliranje Martin (Martin). i dizajn Jodan/DeMarco

Klasifikacija strukturnih metodologija Suvremene strukturne metodologije analize i dizajna klasificirane su prema sljedećim kriterijima: u odnosu na škole - Software Engineering (SE) i Information Engineering (IE); prema redoslijedu izgradnje modela - proceduralno orijentirano, podatkovno orijentirano i informacijsko orijentirano; prema vrsti ciljnih sustava - za sustave u stvarnom vremenu (RTS) i za informacijske sustave (IS).

Software Engineering SE je pristup razvoju softvera odozgo prema dolje, korak po korak, počevši od općeg pogleda na to kako funkcionira. Funkcije se zatim rastavljaju na podfunkcije, a proces se ponavlja za podfunkcije sve dok ne postanu dovoljno male da se mogu kodirati. Rezultat je hijerarhijski, strukturiran, modularan program. SE je univerzalna disciplina razvoja softvera koja se uspješno primjenjuje kako u razvoju sustava u stvarnom vremenu tako iu razvoju informacijskih sustava.

Škola informacijskog inženjerstva IE je novija disciplina. S jedne strane, ima širi opseg od SE: IE je disciplina izgradnje sustava općenito, a ne samo softverskih sustava, i uključuje korake više visoka razina(primjerice strateško planiranje), ali u fazi projektiranja programskih sustava te su discipline slične. S druge strane, IE je uža disciplina od SE, jer se IE koristi samo za izgradnju informacijskih sustava, dok se SE koristi za sve vrste sustava.

Model razvoja softvera i IS-a Razvoj softvera i IS-a temelji se na modelu ULAZ-OBRADA-IZLAZ: 1. podaci ulaze u sustav, 2. obrađuju se, 3. izlaze iz sustava. ulaz Ovaj se model koristi u svim strukturnim metodologijama. Važan je redoslijed kojim je model izgrađen. izlaz obrade

Procedura za konstrukciju modela Procedurno orijentirani pristup regulira primat dizajna funkcionalnih komponenti u odnosu na dizajn podatkovnih struktura: zahtjevi za podacima otkrivaju se kroz funkcionalne zahtjeve. U pristupu usmjerenom na podatke, ulaz i izlaz su najvažniji - strukture podataka se prvo definiraju, a proceduralne komponente se izvode iz podataka. Paralelno projektiranje procesa i struktura podataka s usklađivanjem modela

Informacijski sustavi Vođeni podacima Složene strukture unos podataka Velika količina ulaznih podataka Intenzivni I/O Neovisnost o stroju Sustavi u stvarnom vremenu Vođeni događajima Jednostavne strukture podataka Mala količina ulaznih podataka Intenzivno računanje Ovisnost o stroju Vrste ciljnih sustava

Alati za podršku sustavima drugačiji tip Naziv metodologije Škola Redoslijed izgradnje Vrsta sustava Jodan-DeMarco SE Proceduralno orijentiran IS, SRV Gein-Sarson SE Proceduralno orijentiran IS, SRV Jackson SE IS-orijentiran, SRV podaci Martin IE Podatkovno orijentiran IS SADT IE Paralelni dizajn 1) postot. -orijentirati. 2) op. na podatke IS-a

2. Gein-Sarsonova metodologija projektiranja konstrukcija. Dijagrami protoka podataka (DFD) primarni su način modeliranja funkcionalnih zahtjeva sustava koji se projektira. Uz njihovu pomoć ti se zahtjevi raščlanjuju na funkcionalne komponente (procese) i prikazuju kao mreža povezana tokovima podataka. Glavna svrha takvih alata je pokazati kako svaki proces pretvara svoje ulaze u izlaze i otkriti odnose između tih procesa.

Povijest stvaranja Larry Constantine (IBM) 1965., 1974. - Hughee Aircraft Company Structural Design - 1975., 1977. - Grafika strukturnog dijagrama Interaktivni sustav Gain K., T. Sarson - osnovao Improved System Technologies. Prvi CASE - alat STRADIS, 1976. E. Yodan, G. Myers, W. Stevens, T. De Marco, W. Weinberg. Jordan Inc. -1975 Procjena životnog ciklusa korištenjem strukturne analize i metoda projektiranja: 5% - istraživanje, 35% - analiza, 20% projektiranje, 15% - izvedba, 25% - ostalo.

Hein-Sarsonova metodologija Ova se metodologija temelji na konstrukciji IS modela. Sukladno metodologiji, model sustava je definiran kao hijerarhija dijagrama protoka podataka - Data. Dijagram toka (DPD ili DFD), koji opisuje asinkroni proces transformacije informacija od njihovog unosa u sustav do izdavanja korisniku. Dijagrami gornjih razina hijerarhije (kontekstni dijagrami) definiraju glavne procese ili podsustave IS-a s vanjskim ulazima i izlazima. Detaljni su pomoću dijagrama niže razine. Ta se dekompozicija nastavlja, stvarajući hijerarhiju dijagrama na više razina, sve dok se ne dosegne razina dekompozicije na kojoj procesi postaju elementarni i nema potrebe za njihovim daljnjim detaljima. Alati: Vantage Team Builder (Vestmount), Power Design (SAP)

Glavne komponente DFD-a Izvori informacija (vanjski entiteti) generiraju tokove informacija (tokove podataka) koji prenose informacije do podsustava ili procesa. Oni pak transformiraju informacije i generiraju nove tokove koji prenose informacije u druge procese ili podsustave, pohranu podataka ili vanjske entitete – potrošače informacija. Dakle, glavne komponente dijagrama protoka podataka su: vanjski entiteti; sustavi/podsustavi; procesi; skladišta podataka; tokovi podataka.

Vanjski entiteti Vanjski entitet je materijalni objekt ili pojedinac A koji predstavlja izvor ili odredište informacija, kao što su kupci, osoblje, dobavljači, kupci, skladište. Može postojati vanjski AS (podsustav).Definicija objekta ili sustava kao vanjske cjeline ukazuje da se on nalazi izvan granica analiziranog IS-a. Tijekom analize, neki vanjski entiteti mogu se po potrebi prenijeti unutar dijagrama analiziranog IS-a ili, obrnuto, dio procesa IS-a može se premjestiti izvan dijagrama i prikazati kao vanjski entitet. Vanjski entitet označen je kvadratom koji se nalazi, takoreći, "iznad" dijagrama i baca sjenu na njega kako bi se ovaj simbol razlikovao od drugih oznaka:

Sustavi i podsustavi Prilikom izgradnje složenog modela IS-a on se u najopćenitijem obliku može prikazati na tzv. kontekstnom dijagramu kao jedan sustav kao cjelina ili se može raščlaniti na više podsustava. Broj podsustava služi za njegovu identifikaciju. U polje za naziv upisuje se naziv podsustava u obliku rečenice sa subjektom i pripadajućim definicijama i dopunama.

Proces je transformacija ulaznih tokova podataka u izlazne prema određenom algoritmu. Fizički se proces može realizirati različiti putevi: to može biti organizacijska jedinica (odjel) koja obrađuje ulazne dokumente i izdaje izvješća, program, hardverski implementiran logički uređaj itd. Za identifikaciju se koristi broj procesa. U polje za naziv upisuje se naziv procesa kao rečenica s aktivnim jednoznačnim glagolom u neodređenom obliku (izračunati, izračunati, provjeriti, odrediti, stvoriti, primiti), a zatim imenice u akuzativu. Informacije u polju fizičke implementacije pokazuju koji dio organizacije, program ili hardverski uređaj proces izvodi. Procesi

Pohranjivanje podataka Uređaj za pohranjivanje podataka je apstraktni uređaj za pohranjivanje informacija koji se u bilo kojem trenutku može staviti u pogon i dohvatiti nakon nekog vremena, a metode umetanja i izvlačenja mogu biti bilo koje. Uređaj za pohranu podataka može se implementirati fizički u obliku mikrofiša, ladice u ormariću za datoteke, stola u RAM-u, datoteke na mediju itd. Naziv uređaja za pohranu bira se sa stajališta najveći sadržaj informacija za dizajnera. Pohrana podataka općenito je prototip buduće baze podataka i opis podataka koji se u njoj pohranjuju treba povezati s informacijskim modelom.

Tijek podataka definira informaciju koja se prenosi nekom vezom od izvora do primatelja. Stvarni tok podataka može biti informacija koja se prenosi preko kabela između dva uređaja, pisma poslana poštom, magnetski mediji itd. Svaki tok podataka ima naziv koji odražava njegov sadržaj.

Izgradnja kontekstnih dijagrama je prvi korak u izgradnji DFD hijerarhije. Obično se pri projektiranju relativno jednostavnih IS-a gradi jedan kontekstni dijagram sa zvjezdastom topologijom u čijem je središtu tzv. glavni proces, povezan s primateljima i izvorima informacija preko kojih korisnici i drugi vanjski sustavi komuniciraju sa sustavom. . Ako se za složeni sustav ograničimo na jedan kontekstni dijagram, tada će on sadržavati previše izvora i primatelja informacija koje je teško rasporediti na listu papira normalne veličine, a osim toga, jedini glavni proces ne otkrivaju strukturu distribuiranog sustava. Znakovi složenosti (u smislu konteksta) mogu biti: prisutnost velikog broja vanjskih entiteta (deset ili više); distribuirana priroda sustava; multifunkcionalnost sustava s već grupiranjem funkcija u zasebne podsustave. uspostavljena ili otkrivena Za složeni IS izgrađena je hijerarhija kontekstnih dijagrama. U isto vrijeme, kontekstni dijagram najviše razine ne sadrži jedan glavni proces, već skup podsustava povezanih tokovima podataka. Kontekstni dijagrami sljedeće razine detaljno opisuju kontekst i strukturu podsustava.

Dekompozicija kontekstnog dijagrama Za svaki podsustav prisutan na kontekstnom dijagramu, njegova pojedinost se izvodi pomoću DFD-a. Svaki se proces na DFD-u može detaljno opisati pomoću DFD-a ili mini-specifikacije. Prilikom detaljizacije moraju se poštovati sljedeća pravila: pravilo balansiranja - znači da kod detaljizacije podsustava ili procesa dijagram detaljizacije kao vanjske izvore/primatelje podataka može imati samo one komponente (podsustave, procese, vanjske entitete, spremišta podataka) s kojima se stavka koja se buši ima podsustav informacijske veze ili proces u nadređenom dijagramu; pravilo numeriranja - znači da kod detaljiziranja procesa treba podržati njihovo hijerarhijsko numeriranje. Na primjer, procesi koji detaljno opisuju proces broj 12 dobivaju brojeve 12.1, 12.2, 12.3 itd., bio u mogućnosti ispuniti ih ili razviti odgovarajući program.

Minispec je završetak FD hijerarhije. Odluku o dovršetku detaljizacije procesa i korištenju mini-specifikacije donosi analitičar na temelju sljedećih kriterija: proces ima relativno mali broj ulaznih i izlaznih tokova podataka (2-3 toka); mogućnost opisa transformacije podataka procesom u obliku sekvencijalnog algoritma; izvršavanje procesom jedne logičke funkcije pretvaranja ulazne informacije u izlaz; mogućnost opisivanja logike procesa pomoću mini specifikacije malog volumena (ne više od 20 -30 redaka).

Telnov Jurij Filippovič diplomirao je s odličnim uspjehom na Moskovskom institutu za ekonomiju i statistiku 1974. godine i stekao diplomu inženjera i ekonomije, a potom i postdiplomski studij na ovom institutu i obranio disertaciju za stupanj Kandidat ekonomskih znanosti na temu "Problemi strukturiranja informacijskih nizova u ACS-u". Od 1977. godine predaje, najprije na Moskovskom institutu za ekonomiju i statistiku, zatim na Moskovskom državno sveučilište ekonomije, statistike i informatike (MESI), radio kao asistent, izvanredni profesor, profesor, pročelnik katedre. Godine 2001. Telnov Yu.F. stekao je akademski naziv profesora, a 2003. godine obranio disertaciju za stjecanje stupnja doktora ekonomskih znanosti iz specijalnosti 080013 „Matematičke i instrumentalne metode u ekonomiji“ na temu „Komponentna metodologija reinženjeringa poslovnih procesa“. Trenutno je voditelj Odsjeka za primijenjenu informatiku i informacijsku sigurnost Ruskog ekonomskog sveučilišta. G.V. Plehanova. Od 2004. do 2007. radio je kao ravnatelj Instituta za računalne tehnologije MESI, a od 2007. do 2012. - prorektor za znanstveni rad i obrazovno-metodička udruga MESI.

Područje profesionalnih interesa:

• inženjering poduzeća;
• teorija i metodologija projektiranja informacijskih sustava različitih klasa;
• inženjerstvo znanja;
• intelektualni informacijski sustavi;
• informacijski sustavi korporativnog upravljanja;

• projektiranje sustava upravljanja znanjem.

Od 2004. do 2015. godine bio je predsjednik Nastavno metodičkog vijeća Nastavno metodičkog zbora (UZS) za područje primijenjene informatike, trenutno zamjenik predsjednika Nastavno metodičkog vijeća za smjer „Primijenjena informatika“ Saveznog nastavno-metodološkog vijeća za UGNS "Računalstvo i računarstvo" . Jedan je od tvoraca Saveznog državnog obrazovnog standarda i uzornog osnovnog obrazovnog programa u smjeru osposobljavanja „Primijenjena informatika“, stručnih standarda „Programer“, „Menadžer razvoja“. softver“, „Specijalist informacijskih sustava“, glavni struč obrazovni programi na preddiplomskim studijskim profilima: „Primijenjena informatika u ekonomiji“, „Inženjerstvo poduzeća i informacijski sustavi“, magistarski studij „Informacijski sustavi i tehnologije korporativnog upravljanja“.

Dugogodišnji je zamjenik predsjednika Specijaliziranog vijeća za obranu kandidatskih i doktorskih disertacija iz specijalnosti 080013 "Matematičke i instrumentalne metode ekonomije". Pod njegovim vodstvom obranjeno je 16 disertacija za stjecanje stupnja kandidata ekonomskih znanosti. Član je Znanstvenog vijeća Ruske udruge za umjetnu inteligenciju.

Nagrađen: dobitnik Predsjedničke nagrade za obrazovanje za 1999., počasni djelatnik visokog obrazovanja.