Тельнов Ю. Ф. Интеллектуальные информационные системы

МИНИСТЕРСТВО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

Московский государственный университет экономики,
статистики и информатики
Институт «Московская высшая банковская школа»

Ю.Ф. Тельнов

Интеллектуальные
информационные системы
(учебное пособие)

Москва 2001

УДК 519.68.02
ББК 65 с 51
Т 318

Тельнов Ю.Ф. Интеллектуальные информационные системы. (Учебное
пособие) - М., 2001. - 118 стр.
Кафедра Проектирования экономических информационных систем
Учебное пособие посвящено
теоретическим и организационнометодическим вопросам разработки и применения интеллектуальных
информационных систем (ИИС) в экономике. Рассматривается
классификация, архитектура, этапы проектирования ИИС, выбор
инструментальных средств, области применения. Практические аспекты
применения статических ИИС излагаются для решения задач
финансового анализа предприятия, динамических ИИС - для решения
задач управления запасами.
Учебное пособие предназначено для студентов, обучающихся по
специальности “Прикладная информатика по областям применения”, а
также для студентов других экономических специальностей: «Финансы
и кредит», «Менеджмент», «Маркетинг» и др.

Тельнов Ю.Ф., 2001 г.
Московский государственный университет экономики, статистики и
информатики
Институт Московская высшая банковская школа

2. Глава 1. Классификация интеллектуальных нформационных
систем_______________________________________________________ 5
2.1 Особенности и признаки интеллектуальности информационных
систем _____________________________________________________ 5
2.2 Системы с интеллектуальным интерфейсом _________________ 8
2.3 Экспертные системы ____________________________________ 10
2.4 Самообучающиеся системы ______________________________ 20
2.5 Литература ____________________________________________ 30
3. Глава 2. Технология создания экспертных систем ______________ 32
3.1 Этапы создания экспертной системы ______________________ 32
3.2 Идентификация проблемной области ______________________ 36
3.3 Построение концептуальной модели_______________________ 39
3.4 Формализация базы знаний ______________________________ 43
3.5 Выбор инструментальных средств реализации экспертной
системы ___________________________________________________ 55
3.6 Литература ____________________________________________ 63
4. Глава 3. Реализация экспертных систем экономического анализа
деятельности предприятия_____________________________________ 65
4.1 Особенности экспертных систем экономического анализа ____ 65
4.2 Экспертная система анализа финансового состояния
предприятия _______________________________________________ 71
4.3 Экспертная система анализа эффективности результатов
финансово-хозяйственной деятельности предприятия ____________ 80
4.4 Литература ____________________________________________ 85
5. Глава 4. Реализация динамических экспертных систем управления
бизнес-процессами ___________________________________________ 86
5.1 4.1. Особенности реализации динамических экспертных систем
управления бизнес-процессами _______________________________ 86
5.2 Экспертная система динамического управления запасами_____ 89
5.3 Система с фиксированным размером заказа_________________ 91
5.4 Литература ___________________________________________ 104
5.5 Практикум по проведению лабораторных работ ____________ 105

Введение
Целью учебного пособия является ознакомление студентов,
обучающихся по специальности «Прикладная информатика по областям
применения», с проблематикой и областями использования
искусственного интеллекта в экономических информационных
системах, освещение теоретических и организационно-методических
вопросов построения и функционирования систем, основанных на
знаниях, привитие навыков практических работ по проектированию баз
знаний. В результате изучения учебного пособия студенты получат
знания по архитектуре и классификации ИИС, методам представления
знаний, областям применения, а также научатся выбирать адекватные
проблемной области инструментальные средства разработки ИИС и
методы проектировании базы знаний.
Учебное пособие «Интеллектуальные информационные системы»
предназначено также для студентов экономических специальностей:
«Финансы и кредит», «Бухгалтерский учет», «Антикризисное
управление», «Менеджмент», «Маркетинг», «Мировая экономика»,
которые в результате изучения учебного пособия освоят методы
принятия управленческих решений, основанные на классификации
ситуаций, построении деревьев целей и решений, логической и
эвристической аргументации, расчете рейтингов на базе нечеткой
логики, управления динамическими процессами.
Структурно учебное пособие состоит из 4 глав:
. В первой главе рассматриваются вопросы
классификации и
архитектуры ИИС, а также дается описание основных областей
применения.
. Во второй главе представлены основные этапы разработки наиболее
распространенного класса ИИС - экспертных систем. При этом большое
внимание уделяется вопросам построения концептуальной модели
проблемной области, анализу и выбору методов представления знаний и
соответствующих инструментальных средств.
. В третьей главе дается описание методов реализации экспертных
систем для внешнего и внутреннего экономического анализа финансовохозяйственной деятельности предприятий.
. В четвертой главе разбираются вопросы применения динамических
экспертных систем для управления цепочками операций бизнеспроцесса, в частности для реализации системы управления запасами.

1. Глава 1. Классификация интеллектуальных информационных
систем
1.1 Особенности и признаки интеллектуальности
информационных систем
Любая информационная система (ИС) выполняет следующие
функции: воспринимает вводимые пользователем информационные
запросы и необходимые исходные данные, обрабатывает введенные и
хранимые в системе данные в соответствии с известным алгоритмом и
формирует требуемую выходную информацию. С точки зрения
реализации перечисленных функций ИС можно рассматривать как
фабрику, производящую информацию, в которой заказом является
информационный запрос, сырьем - исходные данные, продуктом требуемая информация, а инструментом (оборудованием) - знание, с
помощью которого данные преобразуются в информацию.
Знание имеет двоякую природу: фактуальную и операционную.
. Фактуальное знание - это осмысленные и понятые данные. Данные
сами по себе - это специально организованные знаки на каком-либо
носителе.
. Операционное знание - это те общие зависимости между фактами,
которые позволяют интерпретировать данные или извлекать из них
информацию. Информация по сути - это новое и полезное знание для
решения каких-либо задач.
Часто фактуальное знание называют экстенсиональным
(детализированным), а операционное знание - интенсиональным
(обобщенным).
Процесс извлечения информации из данных сводится к
адекватному соединению операционного и фактуального знаний и в
различных типах ИС выполняется по-разному. Самый простой путь их
соединения заключается в рамках одной прикладной программы:
Программа = Алгоритм (Правила преобразования данных +
Управляющая структура) + Структура данных
Таким образом, операционное знание (алгоритм) и фактуальное
знание (структура данных) неотделимы друг от друга. Однако, если в
ходе эксплуатации ИС выяснится потребность в модификации одного из
двух компонентов программы, то возникнет необходимость ее
переписывания. Это объясняется тем, что полным знанием проблемной
области обладает только разработчик ИС, а программа служит
“недумающим исполнителем” знания разработчика. Конечный же
пользователь
вследствие
процедурности
и
машинной
ориентированности представления знаний понимает лишь внешнюю
сторону процесса обработки данных и никак не может на него влиять.
5

Следствием перечисленных недостатков является плохая
жизнеспособность ИС или неадаптивность к
изменениям
информационных
потребностей.
Кроме
того,
в
силу
детерминированности алгоритмов решаемых задач ИС не способна к
формированию у пользователя знания о действиях в не полностью
определенных ситуациях.
В системах, основанных на обработке баз данных (СБД - Data Base
Systems), происходит отделение фактуального и операционного знаний
друг от друга. Первое организуется в виде базы данных, второе - в виде
программ. Причем программа может автоматически генерироваться по
запросу пользователя (например, реализация SQL или QBE запросов). В
качестве посредника между программой и базой данных выступает
программный инструмент доступа к данным - система управления базой
данных (СУБД):
СБД = Программа <=> СУБД <=> База данных
Концепция независимости программ от данных позволяет
повысить гибкость ИС по выполнению произвольных информационных
запросов. Однако, эта гибкость в силу процедурности представления
операционного знания имеет четко определенные границы. Для
формулирования информационного запроса пользователь должен ясно
представлять себе структуру базы данных и до определенной степени
алгоритм решения задачи. Следовательно, пользователь должен
достаточно хорошо разбираться в проблемной области, в логической
структуре базы данных и алгоритме программы. Концептуальная схема
базы данных выступает в основном только в роли промежуточного звена
в процессе отображения логической структуры данных на структуру
данных прикладной программы.
Общие недостатки традиционных информационных систем, к
которым относятся системы первых двух типов, заключаются в слабой
адаптивности к изменениям в предметной области и информационным
потребностям пользователей, в невозможности решать плохо
формализуемые задачи, с которыми управленческие работники
постоянно имеют дело. Перечисленные недостатки устраняются в
интеллектуальных информационных системах (ИИС).
Анализ структуры программы показывает возможность выделения
из программы операционного знания (правил преобразования данных) в
так называемую базу знаний, которая в декларативной форме хранит
общие для различных задач единицы знаний. При этом управляющая
структура приобретает характер универсального механизма решения
задач (механизма вывода), который связывает единицы знаний в
исполняемые цепочки (генерируемые алгоритмы) в зависимости от
конкретной постановки задачи (сформулированной в запросе цели и

Исходных условий). Такие ИС становятся системами, основанными на
обработке знаний (СБЗ - Knowledge Base (Based) Systems):
СБЗ = База знаний <=> Управляющая структура <=> База данных
(Механизм вывода)
Для
интеллектуальных
информационных
систем,
ориентированных на генерацию алгоритмов решения задач, характерны
следующие признаки:
. развитые коммуникативные способности,
. умение решать сложные плохо формализуемые задачи,
. способность к самообучению,
Коммуникативные способности ИИС характеризуют способ
взаимодействия (интерфейса) конечного пользователя с системой, в
частности, возможность формулирования произвольного запроса в
диалоге с ИИС на языке, максимально приближенном к естественному.
Сложные плохо формализуемые задачи - это задачи, которые
требуют построения оригинального алгоритма решения в зависимости
от конкретной ситуации, для которой могут быть характерны
неопределенность и динамичность исходных данных и знаний.
Способность к самообучению - это возможность автоматического
извлечения знаний
для решения задач из накопленного опыта
конкретных ситуаций.
В различных ИИС перечисленные признаки интеллектуальности
развиты в неодинаковой степени и редко, когда все четыре признака
реализуются одновременно. Условно каждому из признаков
интеллектуальности соответствует свой класс ИИС (рис. 1.1):
. Системы с интеллектуальным интерфейсом;
. Экспертные системы;
. Самообучающиеся системы;

Рис. 1.1. Классификация ИИС
1.2 Системы с интеллектуальным интерфейсом
Интеллектуальные базы данных отличаются от обычных баз
данных возможностью выборки по запросу необходимой информации,
которая может явно не храниться, а выводиться из имеющейся в базе
данных. Примерами таких запросов могут быть следующие:
- “Вывести список товаров, цена которых выше среднеотраслевой”,
- “Вывести список товаров-заменителей некоторой продукции”,
- “Вывести список потенциальных покупателей некоторого товара” и
т.д.
Для выполнения первого типа запроса необходимо сначала
проведение статистического расчета среднеотраслевой цены по всей
базе данных, а уже после этого собственно отбор данных. Для
выполнения второго типа запроса необходимо вывести значения
характерных признаков объекта, а затем поиск по ним аналогичных
объектов. Для третьего типа запроса требуется сначала определить
список посредников-продавцов, выполняющих продажу данного товара,
а затем провести поиск связанных с ними покупателей.
Во всех перечисленных типах запросов требуется осуществить
поиск по условию, которое должно быть доопределено в ходе решения
задачи. Интеллектуальная система без помощи пользователя по
структуре базы данных сама строит путь доступа к файлам данных.
Формулирование запроса осуществляется в диалоге с пользователем,
8

Последовательность шагов которого выполняется в максимально
удобной для пользователя форме. Запрос к базе данных может
формулироваться и с помощью естественно-языкового интерфейса.
Естественно-языковой интерфейс предполагает трансляцию
естественно-языковых конструкций на внутримашинный уровень
представления знаний. Для этого необходимо решать
задачи
морфологического, синтаксического и семантического анализа и синтеза
высказываний на естественном языке. Так, морфологический анализ
предполагает распознавание и проверку правильности написания слов
по словарям,
синтаксический контроль разложение входных
сообщений на отдельные компоненты (определение структуры) с
проверкой соответствия
грамматическим правилам внутреннего
представления знаний и выявления недостающих частей и, наконец,
семантический анализ - установление смысловой правильности
синтаксических конструкций. Синтез высказываний решает обратную
задачу преобразования внутреннего представления информации в
естественно-языковое.
Естественно-языковый интерфейс используется для:
. доступа к интеллектуальным базам данных;
. контекстного поиска документальной текстовой информации;
. голосового ввода команд в системах управления;
. машинного перевода c иностранных языков.
Гипертекстовые системы предназначены для реализации поиска
по ключевым словам в базах текстовой информации. Интеллектуальные
гипертекстовые системы отличаются возможностью более сложной
семантической организации ключевых слов, которая отражает
различные смысловые отношения терминов. Таким образом, механизм
поиска работает прежде всего с базой знаний ключевых слов, а уже
затем непосредственно с текстом. В более широком плане сказанное
распространяется и
на
поиск мультимедийной информации,
включающей помимо текстовой и цифровой информации графические,
аудио и видео- образы.
Системы контекстной помощи можно рассматривать, как частный
случай интеллектуальных гипертекстовых и естественно-языковых
систем. В отличие от обычных систем помощи, навязывающих
пользователю схему поиска требуемой информации, в системах
контекстной помощи пользователь описывает проблему (ситуацию), а
система с помощью дополнительного диалога ее конкретизирует и сама
выполняет поиск относящихся к ситуации рекомендаций. Такие системы
относятся к классу систем распространения знаний (Knowledge
Publishing) и создаются как приложение к системам документации
(например, технической документации по эксплуатации товаров).
Системы когнитивной графики
позволяют осуществлять
интерфейс пользователя с ИИС с помощью графических образов,
которые генерируются в соответствии с происходящими событиями.
9

Такие системы используются в мониторинге и управлении
оперативными процессами. Графические образы в наглядном и
интегрированном виде описывают множество параметров изучаемой
ситуации. Например, состояние сложного управляемого объекта
отображается в виде человеческого лица, на котором каждая черта
отвечает за какой-либо параметр, а общее выражение лица дает
интегрированную характеристику ситуации.
Системы когнитивной графики широко используются также в
обучающих и тренажерных системах на основе использования
принципов виртуальной реальности, когда графические образы
моделируют ситуации, в которых обучаемому необходимо принимать
решения и выполнять определенные действия.
1.3 Экспертные системы
Назначение экспертных систем
заключается
в решении
достаточно трудных для экспертов задач на основе накапливаемой базы
знаний, отражающей опыт работы экспертов в рассматриваемой
проблемной области. Достоинство применения экспертных систем
заключается в возможности принятия решений в уникальных ситуациях,
для которых алгоритм заранее не известен и формируется по исходным
данным в виде цепочки рассуждений (правил принятия решений) из
базы знаний. Причем решение задач предполагается осуществлять в
условиях неполноты, недостоверности, многозначности исходной
информации и качественных оценок процессов.
Экспертная система является инструментом, усиливающим
интеллектуальные способности эксперта, и может выполнять
следующие роли:
. консультанта
для
неопытных
или
непрофессиональных
пользователей;
. ассистента в связи с необходимостью анализа экспертом различных
вариантов принятия решений;
. партнера эксперта по вопросам, относящимся к источникам знаний из
смежных областей деятельности.

Экспертные системы используются во многих областях, среди
которых лидирует сегмент приложений в бизнесе (рис. 1.2) [ 21 ].
Сельское хозяйство
Бизнес
Химия
Коммуникации
Компьютерные

Характеристики информационного общества повышение роли информации и знаний в жизни общества; возрастание доли ИКТ, информационных продуктов и услуг в ВВП; создание глобальной информационной инфраструктуры, обеспечивающей эффективное информационное взаимодействие людей и удовлетворение их социальных и личностных потребностей в информационных продуктах и услугах

Экономическая точка зрения на информационное общество Производство, приобретение, распространение и практическое применение информации и знаний превращается в главную движущую силу социально- экономического развития При достижении определенного уровня развития информационного общества в части достижения значительного объема валового внутреннего продукта, связанного с информацией и ИКТ, формируется экономика знаний Способность создавать и обеспечивать доступ к знаниям становится основным фактором конкурентоспособности Возрастающая роль образования и обучения в течение всей жизни – Life Long Learning

На Форуме лидеров образования, проводившемся ЮНЕСКО летом 2008 года, Генеральный директор ЮНЕСКО г-н Куачиро Матсуура выделил электронное обучение (e-learning) и дистанционное обучение как одну из важнейших тенденций развития образования в современном мире

Перенос технологий e.Learning, используемых в МЭСИ, в другие университеты России, Казахстана, Армении, Белоруссии и других стран Проведен 41 семинар по 25 тематике в области e.Learning с участием более 1500 человек (в том числе 178 ректоров), представляющих более чем 200 учебных заведений из 72 регионов России и стран СНГ

Доминирующая экономика Индустриальная Потребления Знаний Период: середина XX века конец XX века начало XXI века Трансформация вузов Классический вуз (центр подготовки кадров для экономики) Классический вуз (центр подготовки кадров для экономики) Бизнес - вуз (производитель образовательной услуги) Бизнес - вуз (производитель образовательной услуги) Инновационный вуз (центр научного и инновационного развития) Инновационный вуз (центр научного и инновационного развития) Парадигма менеджмента Финансово-ориентированный Качества Знаний Высшая школа в современном мире

МЭСИ – инновационный ВУЗ! Интеграция образования, науки и бизнеса Качественный научно-образовательный контент – 100 % учебно-методическое обеспечение – От ежегодного обновления контента к обновлению по мере необходимости Современные образовательные технологии коллаборативного взаимодействия «студент - преподаватель», «студент - студент», «преподаватель – преподаватель», в перспективе «кафедра - предприятие» Эффективное привлечение к научным исследованиям преподавателей – Научно-методическое обеспечение каждой дисциплины

Управление знаниями в Университете Управление Знаниями Управление академическими знаниями Управление административными знаниями Качество контента + качество образования Интеграция результатов НИР в бизнес Технологии Методология ППС АУП Единая интегрированная среда образовательного учреждения Компетенции ППС и АУП* Консультационная и техническая поддержка промышленными компаниями

Викиномика, как массовое сотрудничество Дон Тапскотт и Энтони Д. Уильямс: Контент, создаваемый пользователями (Crowdsourcing) Социальные сети – сотрудничество и самоорганизация (Smart Mobs) Новый способ производства с использованием WEB 2.0 (вики, блоги, чаты, подкасты, RSS) – массовое сотрудничество, «участвовать и совместно создавать» Новая сила, позволяющая объединить людей в сети для создания гигантского мозга

Принципы Викиномики Открытость - Компании открывают свои границы внешним идеям и человеческим ресурсам, открытые двери для всех талантов внешнего мира Пиринг (производство на равных) - Самоорганизация для создания новых продуктов и услуг, общего знания, обмена опытом Доступ и умение делиться - Баланс интеллектуальных активов, зашита одних, открытый доступ к другим ресурсам Глобальный характер деятельности Дальнейшая интеграция национальных экономик в единый безграничный мир, доступ к новым рынкам, идеям, технологиям

Доставка контента из филиалов, партнерских организаций и представительств Разработка и совместная разработка контента для ведущих российских университетов Распределенная разработка контента Информационные центры дисциплин Процесс потокового создания и использования знаний в МЭСИ

Принципы создания информационно- знаниевого пространства 1.Создание и актуализация учебно-методических комплексов на основе единого информационно- знаниевого пространства распределенных кафедр 2.Использование результатов НИР при создании контента 3.Привлечение к созданию контента предприятий и организаций 4.Использование результатов исследований аспирантов при создании контента 5.Выполнение учебно-исследовательской работы студентов 6.Организация сервисов по управлению знаниями

Метрики, мотивация, качество Количественные показатели изменений в ИЦД Показатели участия регионов в разработке контента Уровень привлечения студентов и аспирантов к созданию контента Объемы заимствования и переноса материалов из интернет Частоту и качество актуализации материала Индивидуальный вклад каждого участника e-Metricse-Xcellence

Значение создания информационно-образовательного пространства МЭСИ на основе ИЦД обеспечивать платформы для совместной работы преподавателей распределенных кафедр; создавать и накапливать учебно-методические и научные материалы по всем дисциплинам; обеспечивать процесс постоянной актуализации учебно-методического контента; создавать базы ссылок на открытые образовательные ресурсы для каждой дисциплины, на материалы конференций, семинаров и другие полезные ресурсы.

Благодарю за внимание! Тельнов Ю.Ф.

Вопросы Сущность структурного подхода к проектированию ИС 2. Методология структурного проектирования Гейна –Сарсона 3. Методология структурного анализа и проектирования SADT 1.

Формальное определение метода проектирования Концепции и теоретические основы (структурный или объектно-ориентированный подход) Нотация – способ отображения моделей статической структуры и динамики поведения проектируемой системы (графические диаграммы, математическая формализация – множества, графы, сети Петри) Процедуры, определяющие практическое применение метода (последовательность и правила построения моделей, критерии, используемые для оценки результатов)

Сущность структурного подхода Заключается в декомпозиции системы, которая производится следующим образом: система разбивается на функциональные подсистемы, которые делятся на подфункции, те – на задачи и так далее до конкретных процедур. Система Подсистем Функция (задача)

Принципы структурного подхода В основе структурного подхода лежат следующие принципы: принцип декомпозиции (научный метод, использующий структуру задачи и позволяющий заменить решение одной большой задачи решением серии меньших задач); принцип иерархического упорядочения (организация составных частей системы в иерархические древовидные структуры с добавлением новых деталей на каждом уровне); принцип абстрагирования (выделение существенных аспектов системы и отвлечение от несущественных); принцип непротиворечивости (обоснованность и согласованность элементов системы); принцип структурирования данных (данные должны быть структурированы и иерархически организованы).

Методологии структурного анализа и проектирования Методология структурного анализа и проектирования определяет руководящие указания для оценки и выбора разрабатываемого проекта, шаги работы, которые должны быть выполнены, их последовательность, правила распределения и назначения операций и методов. В настоящее время успешно используются практически все известные методологии структурного анализа и проектирования, однако наибольшее распространение получили методологии: структурного анализа и техники проектирования SADT (Structured Analysis and Design Technique), Д. Марка – К. Мак. Гоун структурного системного анализа Гейна-Сарсона (Gane-Sarson), структурного анализа (Yourdon/De Marko), развития систем Джексона (Jackson), информационного моделирования Мартина (Martin). и проектирования Йодана/Де Марко

Классификация структурных методологий Современные структурные методологии анализа и проектирования классифицируются по следующим признакам: по отношению к школам - Software Engineering (SE) и Information Engineering (IE); по порядку построения модели - процедурноориентированные, ориентированные на данные и информационноориентированные; по типу целевых систем - для систем реального времени (СРВ) и для информационных систем (ИС).

Школа Software Engineering SE является нисходящим поэтапным подходом к разработке ПО, начинающейся с общего взгляда на его функционирование. Затем производится декомпозиция функций на подфункции, и процесс повторяется для подфункций до тех пор, пока они не станут достаточно малы для их кодирования. В результате получается иерархическая, структурированная, модульная программа. SE является универсальной дисциплиной разработки ПО, успешно применяющейся как при разработке систем реального времени, так и при разработке информационных систем.

Школа Information Engineering IE - более новая дисциплина. С одной стороны, она имеет более широкую область применения, чем SE: IE является дисциплиной построения систем вообще, а не только систем ПО, и включает этапы более высокого уровня (например, стратегическое планирование), однако на этапе проектирования систем ПО эти дисциплины аналогичны. С другой стороны, IE - более узкая дисциплина, чем SE, т. к. IE используется только для построения информационных систем, а SE - для всех типов систем.

Модель разработки ПО и ИС Разработка ПО и ИС основана на модели ВХОД-ОБРАБОТКАВЫХОД: 1. данные входят в систему, 2. обрабатываются, 3. выходят из системы. вход Такая модель используется во всех структурных методологиях. При этом важен порядок построения модели. Обработка выход

Порядок построения модели Процедурно-ориентированный подход регламентирует первичность проектирования функциональных компонент по отношению к проектированию структур данных: требования к данным раскрываются через функциональные требования. При подходе, ориентированном на данные, вход и выход являются наиболее важными - структуры данных определяются первыми, а процедурные компоненты являются производными от данных. Параллельное проектирование процессов и структур данных с согласованием моделей

Информационные системы Управляемы данными Сложные структуры данных Большой объем входных данные Интенсивный вводвывод Машинная независимость Системы реального времени Управляемы событиями Простые структуры данных Малое количество входных данных Интенсивные вычисления Машинная зависимость Типы целевых систем

Средства поддержки систем разного типа Название методологии Школа Порядок построения Тип систем Йодан-Де Марко SE Процедурноориентированная ИС, СРВ Гейн-Сарсон SE Процедурноориентированная ИС, СРВ Джексон SE Ориентированная на ИС, СРВ данные Мартин IE Информационноориентированная ИС SADT IE Параллельное проектирование 1)проц. -ориент. 2)ор. на данные ИС

2. Методология структурного проектирования Гейна –Сарсона. Диаграммы потоков данных (DFD) являются основным средством моделирования функциональных требований проектируемой системы. С их помощью эти требования разбиваются на функциональные компоненты (процессы) и представляются в виде сети, связанной потоками данных. Главная цель таких средств продемонстрировать, как каждый процесс преобразует свои входные данные в выходные, а также выявить отношения между этими процессами.

История создания Ларри Константайн (IBM) 1965, 1974 – структурное проектирование Hughee Aircraft Company – 1975, 1977 – интерактивная система графики структурных схем Гэйн К. , Т. Сарсон – основали фирму Improved System Technologies. Первый CASE - инструмент STRADIS, 1976. Э. Йодан, Г. Маейрс, У. Стивенс, Т. Де Марко, В. Вайнберг. Компания Jordon inc. -1975 г. Оценка ЖЦ с использованием методов структурного анализа и проектирования: 5% - обследование, 35 % - анализ, 20 % проектирование, 15 % - реализация, 25 % - остальное.

Методология Гейна-Сарсона В основе данной методологии лежит построение модели ИС. В соответствии с методологией модель системы определяется как иерархия диаграмм потоков данных – Data. Flow Diagram (ДПД или DFD), описывающих асинхронный процесс преобразования информации от ее ввода в систему до выдачи пользователю. Диаграммы верхних уровней иерархии (контекстные диаграммы) определяют основные процессы или подсистемы ИС с внешними входами и выходами. Они детализируются при помощи диаграмм нижнего уровня. Такая декомпозиция продолжается, создавая многоуровневую иерархию диаграмм, до тех пор, пока не будет достигнут такой уровень декомпозиции, на котором процесс становятся элементарными и детализировать их далее нет необходимости. Инструменты: Vantage Team Builder (Vestmount), Power Design (SAP)

Основные компоненты DFD Источники информации (внешние сущности) порождают информационные потоки (потоки данных), переносящие информацию к подсистемам или процессам. Те в свою очередь преобразуют информацию и порождают новые потоки, которые переносят информацию к другим процессам или подсистемам, накопителям данных или внешним сущностям - потребителям информации. Таким образом, основными компонентами диаграмм потоков данных являются: внешние сущности; системы/подсистемы; процессы; хранилища данных; потоки данных.

Внешние сущности Внешняя сущность представляет собой материальный предмет или физическое лицо, представляющее собой источник или приемник информации, например, заказчики, персонал, поставщики, клиенты, склад. Может быть внешняя АС (подсистема) Определение некоторого объекта или системы в качестве внешней сущности указывает на то, что она находится за пределами границ анализируемой ИС. В процессе анализа некоторые внешние сущности могут быть перенесены внутрь диаграммы анализируемой ИС, если это необходимо, или, наоборот, часть процессов ИС может быть вынесена за пределы диаграммы и представлена как внешняя сущность. Внешняя сущность обозначается квадратом, расположенным как бы "над" диаграммой и бросающим на нее тень, для того, чтобы можно было выделить этот символ среди других обозначений:

Системы и подсистемы При построении модели сложной ИС она может быть представлена в самом общем виде на так называемой контекстной диаграмме в виде одной системы как единого целого, либо может быть декомпозирована на ряд подсистем. Номер подсистемы служит для ее идентификации. В поле имени вводится наименование подсистемы в виде предложения с подлежащим и соответствующими определениями и дополнениями.

Процесс представляет собой преобразование входных потоков данных в выходные в соответствии с определенным алгоритмом. Физически процесс может быть реализован различными способами: это может быть подразделение организации (отдел), выполняющее обработку входных документов и выпуск отчетов, программа, аппаратно реализованное логическое устройство и т. д. Номер процесса служит для его идентификации. В поле имени вводится наименование процесса в виде предложения с активным недвусмысленным глаголом в неопределенной форме (вычислить, рассчитать, проверить, определить, создать, получить), за которым следуют существительные в винительном падеже. Информация в поле физической реализации показывает, какое подразделение организации, программа или аппаратное устройство выполняет данный процесс. Процессы

Хранилище данных Накопитель данных представляет собой абстрактное устройство для хранения информации, которую можно в любой момент поместить в накопитель и через некоторое время извлечь, причем способы помещения и извлечения могут быть любыми. Накопитель данных может быть реализован физически в виде микрофиши, ящика в картотеке, таблицы в оперативной памяти, файла на носителе и т. д. Имя накопителя выбирается из соображения наибольшей информативности для проектировщика. Накопитель данных в общем случае является прообразом будущей базы данных и описание хранящихся в нем данных должно быть увязано с информационной моделью.

Поток данных определяет информацию, передаваемую через некоторое соединение от источника к приемнику. Реальный поток данных может быть информацией, передаваемой по кабелю между двумя устройствами, пересылаемыми по почте письмами, магнитными носителями, и т. д. Каждый поток данных имеет имя, отражающее его содержание.

Построение контекстных диаграмм является первым шагом при построении иерархии DFD. Обычно при проектировании относительно простых ИС строится единственная контекстная диаграмма со звездообразной топологией, в центре которой находится так называемый главный процесс, соединенный с приемниками и источниками информации, посредством которых с системой взаимодействуют пользователи и другие внешние системы. Если же для сложной системы ограничиться единственной контекстной диаграммой, то она будет содержать слишком большое количество источников и приемников информации, которые трудно расположить на листе бумаги нормального формата, и кроме того, единственный главный процесс не раскрывает структуры распределенной системы. Признаками сложности (в смысле контекста) могут быть: наличие большого количества внешних сущностей (десять и более); распределенная природа системы; многофункциональность системы с уже группировкой функций в отдельные подсистемы. сложившейся или выявленной Для сложных ИС строится иерархия контекстных диаграмм. При этом контекстная диаграмма верхнего уровня содержит не единственный главный процесс, а набор подсистем, соединенных потоками данных. Контекстные диаграммы следующего уровня детализируют контекст и структуру подсистем.

Декомпозиция контекстной диаграммы Для каждой подсистемы, присутствующей на контекстных диаграммах, выполняется ее детализация при помощи DFD. Каждый процесс на DFD, в свою очередь, может быть детализирован при помощи DFD или миниспецификации. При детализации должны выполняться следующие правила: правило балансировки - означает, что при детализации подсистемы или процесса детализирующая диаграмма в качестве внешних источников/приемников данных может иметь только те компоненты (подсистемы, процессы, внешние сущности, накопители данных), с которыми имеет информационную связь детализируемая подсистема или процесс на родительской диаграмме; правило нумерации - означает, что при детализации процессов должна поддерживаться их иерархическая нумерация. Например, процессы, детализирующие процесс с номером 12, получают номера 12. 1, 12. 2, 12. 3 и т. д. Миниспецификация (описание логики процесса) должна формулировать его основные функции таким образом, чтобы в дальнейшем специалист, выполняющий реализацию проекта, смог выполнить их или разработать соответствующую программу.

Миниспецификация является завершением иерархии FD. Решение о завершении детализации процесса и использовании миниспецификации принимается аналитиком исходя из следующих критериев: наличия у процесса относительно небольшого количества входных и выходных потоков данных (2 -3 потока); возможности описания преобразования данных процессом в виде последовательного алгоритма; выполнения процессом единственной логической функции преобразования входной информации в выходную; возможности описания логики процесса при помощи миниспецификации небольшого объема (не более 20 -30 строк).

Тельнов Юрий Филиппович закончил с отличием Московский экономико-статистический институт в 1974 году и получил диплом инженера-экономиста, а затем аспирантуру этого института и защитил диссертацию на соискание ученой степени кандидата экономических наук на тему «Вопросы структуризации массивов информации в АСУ». С 1977 года на преподавательской работе, сначала в Московском экономико-статистическом институте, затем в Московском государственном университете экономики, статистики и информатики (МЭСИ), работал ассистентом, доцентом, профессором, заведующим кафедрой. В 2001 году Тельнов Ю.Ф. получил ученое звание профессора, а в 2003 году защитил диссертацию на соискание ученой степени доктора экономических наук по специальности 080013 «Математические и инструментальные методы в экономике» на тему «Компонентная методология реинжиниринга бизнес-процессов». В настоящее время является заведующим кафедрой Прикладной информатики и информационной безопасности РЭУ им. Г.В. Плеханова. С 2004 года по 2007 год работал директором Института компьютерных технологий МЭСИ, а с 2007 года по 2012 год - проректором по научной работе и учебно-методическому объединению МЭСИ.

Область профессиональных интересов:

• инжиниринг предприятий;
• теория и методологии проектирования информационных систем различных классов;
• инженерия знаний;
• интеллектуальные информационные системы;
• информационные системы корпоративного управления;

• проектирование систем управления знаниями.

С 2004 года по 2015 год был председателем учебно-методического совета Учебно-методического объединения (УМО) в области прикладной информатики, в настоящее время заместитель председателя учебно-методического совета по направлению подготовки "Прикладная информатика" Федерального УМО по УГНС "Информатика и вычислительная техника". Является одним из разработчиков Федерального государственного образовательного стандарта и примерной основной образовательной программы по направлению подготовки "Прикладная информатика", профессиональных стандартов "Программист", "Руководитель разработки программного обеспечения", "Специалист по информационным системам", основных профессиональных образовательных программ по профилям подготовки в бакалавриате: "Прикладная информатика в экономике", "Инжиниринг предприятий и информационных систем", магистерской программы "Информационные системы и технологии корпоративного управления".

На протяжении многих лет является заместителем председателя Специализированного совета по защите кандидатских и докторских диссертаций по специальности 080013 «Математические и инструментальные методы экономики». Под его руководством защищено 16 диссертаций на соискание ученой степени кандидата экономических наук. Является членом Научного совета Российской ассоциации искусственного интеллекта.

Имеет награды: Лауреат премии Президента РФ в области образования за 1999 год, почетный работник высшего образования.