Telnov Yu. F. Intelligenta informationssystem

RYSKA FEDERATIONENS UTBILDNINGSMINISTERIE

Moscow State University of Economics,
statistik och datavetenskap
Institutet "Moscow Higher Banking School"

Yu.F. Telnov

Intelligent
Informationssystem
(handledning)

Moskva 2001

UDC 519.68.02
BBK 65 s 51
T 318

Telnov Yu.F. Intelligenta informationssystem. (Pedagogisk
bidrag) - M., 2001. - 118 sidor.
Institutionen för design av ekonomiska informationssystem
Handledningen är tillägnad
teoretiska och organisatoriska och metodologiska frågor om utveckling och tillämpning av intellektuella
informationssystem (IIS) inom ekonomi. Under övervägande
klassificering, arkitektur, stadier av IIS-design, urval
verktyg, användningsområden. Praktiska aspekter
tillämpningar av statisk MIS presenteras för att lösa problem
ekonomisk analys av företaget, dynamiska informationssystem för information - för att lösa
lagerhanteringsuppgifter.
Läroboken är avsedd för studenter som studerar
specialitet "Tillämpad informatik efter tillämpningsområden", och
även för studenter av andra ekonomiska specialiteter: ”Finans
och kredit", "Management", "Marknadsföring" etc.

Telnov Yu.F., 2001
Moscow State University of Economics, Statistics and
datavetenskap
Institutet Moscow Higher Banking School

2. Kapitel 1. Klassificering av intellektuella informationssystem
system_______________________________________________________ 5
2.1 Funktioner och tecken på informationsintelligens
system _________________________________________________ 5
2.2 System med intelligent gränssnitt _________________ 8
2.3 Expertsystem ____________________________________ 10
2.4 Självlärande system ______________________________ 20
2.5 Litteratur ____________________________________________________ 30
3. Kapitel 2. Teknik för att skapa expertsystem ______________ 32
3.1 Stadier för att skapa ett expertsystem ______________________________ 32
3.2 Identifiering av problemområdet ______________________________ 36
3.3 Att bygga en konceptuell modell_______________________ 39
3.4 Formalisering av kunskapsbasen ______________________________ 43
3.5 Val av verktyg för implementering expert
system __________________________________________________ 55
3.6 Litteratur ________________________________________________________________ 63
4. Kapitel 3. Implementering av expertsystem för ekonomisk analys
företagets verksamhet ____________________________________________ 65
4.1 Funktioner hos expertsystem för ekonomisk analys ____ 65
4.2 Expertsystem för ekonomisk analys
företag ______________________________________________________ 71
4.3 Expertsystem för att analysera resultatens effektivitet
företagets finansiella och ekonomiska verksamhet ____________ 80
4.4 Litteratur ________________________________________________________________ 85
5. Kapitel 4. Implementering av dynamiska expertkontrollsystem
affärsprocesser _________________________________________________ 86
5.1 4.1. Funktioner i implementeringen av dynamiska expertsystem
affärsprocesshantering _______________________________ 86
5.2 Expertsystem för dynamisk lagerhantering_____ 89
5.3 System med fast orderkvantitet_________________ 91
5.4 Litteratur _________________________________________________ 104
5.5 Workshop om laborationer ____________ 105

Introduktion
Syftet med läroboken är att göra eleverna bekanta med
studenter med huvudämne i "Tillämpad informatik efter område"
applikationer", med problem och användningsområden
artificiell intelligens i ekonomisk information
system, täckning av teoretiska och organisatoriska-metodologiska
frågor om konstruktion och drift av system baserade på
kunskap, ingjuta färdigheter i praktiskt arbete med databasdesign
kunskap. Som ett resultat av att studera läroboken kommer eleverna att få
kunskap om arkitektur och klassificering av informationsinformationssystem, presentationsmetoder
kunskaper, användningsområden, och kommer också att lära sig att välja adekvat
problemområde, verktyg för att utveckla informationssystem och
metoder för att utforma en kunskapsbas.
Lärobok "Intelligenta informationssystem"
även avsedd för studenter av ekonomiska specialiteter:
"Ekonomi och kredit", "Redovisning", "Antikris
management", "Management", "Marknadsföring", "Världsekonomi",
som, som ett resultat av att studera läroboken, kommer att behärska metoderna
ledningsbeslut baserat på klassificering
situationer, bygga mål och beslutsträd, logiska och
heuristisk argumentation, beräkning av betyg baserat på fuzzy
logik, styrning av dynamiska processer.
Strukturellt består läroboken av 4 kapitel:
. Det första kapitlet tar upp frågor
klassificering och
MIS-arkitektur, och ger även en beskrivning av huvudområdena
applikationer.
. Det andra kapitlet presenterar de viktigaste stadierna för att utvecklas mest
utbredd klass av informationsinformationssystem - expertsystem. Samtidigt bra
uppmärksamhet ägnas åt frågorna om att konstruera en konceptuell modell
problemområde, analys och urval av metoder för att presentera kunskap och
relevanta verktyg.
. Det tredje kapitlet beskriver metoder för att implementera expert
system för extern och intern ekonomisk analys av företags finansiella och ekonomiska aktiviteter.
. Det fjärde kapitlet undersöker frågorna om att använda dynamisk
expertsystem för att hantera affärsprocesskedjor av operationer, särskilt för implementering av ett lagerhanteringssystem.

1. Kapitel 1. Klassificering av intelligent information
system
1.1 Funktioner och tecken på intelligens
informationssystem
Alla informationssystem (IS) utför följande
funktioner: accepterar information som angetts av användaren
förfrågningar och nödvändiga initiala uppgifter, behandlar de inmatade och
data lagrad i systemet i enlighet med en känd algoritm och
genererar den nödvändiga utdatainformationen. Ur synvinkel
implementering av de listade IS-funktionerna kan betraktas som
en fabrik som producerar information där en beställning finns
informationsbegäran, råvaror - initiala data, produktbehovsinformation och verktyg (utrustning) - kunskap, med
genom vilken data omvandlas till information.
Kunskap har en dubbel natur: saklig och operativ.
. Faktakunskap är meningsfull och förstådd data. Data
själva är speciellt organiserade skyltar på någon
bärare.
. Operationell kunskap är de allmänna beroenden mellan fakta,
som gör att data kan tolkas eller extraheras från
information. Information är i grunden ny och användbar kunskap för
lösa eventuella problem.
Faktakunskap kallas ofta extensional
(detaljerad), och operativ kunskap - intensiv
(generaliserat).
Processen att extrahera information från data handlar om
adekvat kombination av verksamhets- och faktakunskaper och in
olika typer av IC utförs olika. Det enklaste sättet är dem
anslutningar görs inom ett applikationsprogram:
Program = Algoritm (Datakonverteringsregler +
Kontrollstruktur) + Datastruktur
Alltså operativ kunskap (algoritm) och fakta
kunskap (datastruktur) är oskiljaktiga från varandra. Men om i
Under driften av IS, behovet av modifiering av en av
två komponenter i programmet, då kommer det att finnas ett behov av det
omskrivning. Detta förklaras av full kunskap problematisk
endast IP-utvecklaren har fältet, och programmet tjänar
"otänkande utförare" av utvecklarens kunskap. Den sista
användare
på grund av
förfaranden
Och
maskin
orientering av kunskap representation förstår endast det yttre
sidan av databehandlingsprocessen och kan inte påverka den på något sätt.
5

Konsekvensen av dessa brister är dålig
livskraftig IP eller oanpassning till
ändringar
information
behov.
Bortsett från
Togo,
V
tvinga
determinismen hos algoritmerna för de problem som löses, är IS inte kapabel till
bildandet av användarkunskap om åtgärder i ofullständiga
vissa situationer.
I system baserade på databasbehandling (DBD - Database
Systems), finns det en separation av fakta- och operativ kunskap
från varandra. Den första är organiserad i form av en databas, den andra - i form
program. Dessutom kan programmet genereras automatiskt enligt
användarförfrågan (till exempel implementering av SQL- eller QBE-frågor). I
fungerar som en mellanhand mellan programmet och databasen
mjukvaruverktyg för dataåtkomst - databashanteringssystem
data (DBMS):
SBD = Program<=>DBMS<=>Databas
Konceptet med dataoberoende av program tillåter
öka IS:s flexibilitet för att utföra godtycklig information
förfrågningar. Men denna flexibilitet på grund av den processuella karaktären av presentationen
operativ kunskap har tydligt definierade gränser. För
vid formulering av en informationsförfrågan måste användaren tydligt
föreställ dig databasens struktur och till viss del
algoritm för att lösa problemet. Därför måste användaren
ha en ganska god förståelse för problemområdet, det logiska
databasstruktur och programalgoritm. Konceptuellt diagram
databasen fungerar huvudsakligen endast som en mellanlänk
i processen att kartlägga en logisk datastruktur på en struktur
applikationsprogramdata.
Allmänna nackdelar med traditionella informationssystem, till
som inkluderar system av de två första typerna, består av en svag
anpassningsförmåga till förändringar inom ämnesområdet och information
användarnas behov, i oförmågan att lösa dåligt
formaliserade uppgifter med vilka ledningsarbetare
handlar ständigt. De angivna bristerna är eliminerade i
intelligenta informationssystem (IIS).
Analys av programstrukturen visar möjligheten att lyfta fram
från det operativa kunskapsprogrammet (datatransformationsregler) till
den så kallade kunskapsbasen, som lagrar i deklarativ form
kunskapsenheter som är gemensamma för olika uppgifter. Samtidigt chefen
strukturen får karaktären av en universell lösningsmekanism
uppgifter (inferensmekanism) som länkar samman kunskapsenheter till
körbara kedjor (genererade algoritmer) beroende på
specifik problembeskrivning (formulerad i målförfrågan och

initiala förhållanden). Sådana IS blir system baserade på
kunskapsbearbetning (kunskapsbas (baserade) system):
KBZ = Knowledge Base<=>Kontrollstruktur<=>Databas
(Utgångsmekanism)
För
intellektuell
information
system,
inriktade på att generera algoritmer för att lösa problem, kännetecknas av
följande tecken:
. utvecklade kommunikationsförmåga,
. förmåga att lösa komplexa, dåligt formaliserade problem,
. förmåga att lära sig själv,
Kommunikationsförmågan hos IIS kännetecknar vägen
slutanvändarens interaktion (gränssnitt) med systemet, i
i synnerhet förmågan att formulera en godtycklig begäran i
dialog med informationssystem på ett språk som ligger så nära naturligt som möjligt.
Komplexa, dåligt formaliserade uppgifter är uppgifter som
kräver konstruktion av en original lösningsalgoritm beroende på
beroende på den specifika situation som kan karakteriseras
osäkerhet och dynamik i källdata och kunskap.
Självlärande förmåga är förmågan att automatiskt
kunskapsutvinning
att lösa problem utifrån samlad erfarenhet
specifika situationer.
I olika IIS de listade tecken på intelligens
utvecklas i varierande grad och sällan när alla fyra tecknen
implementeras samtidigt. Villkorligt för vart och ett av tecknen
intelligens motsvarar sin egen klass av IIS (Fig. 1.1):
. System med intelligent gränssnitt;
. Expert system;
. Självlärande system;

Ris. 1.1. IIS klassificering
1.2 System med intelligent gränssnitt
Intelligenta databaser skiljer sig från konventionella databaser
data med möjlighet att välja nödvändig information på begäran,
som kanske inte är explicit lagrad, utan snarare härledd från den som finns tillgänglig i databasen
data. Exempel på sådana förfrågningar kan vara följande:
- "Visa en lista över produkter vars pris är högre än branschgenomsnittet",
- "Visa en lista över ersättningsprodukter för vissa produkter",
- "Visa en lista över potentiella köpare av en viss produkt" och
etc.
För att utföra den första typen av begäran måste du först
genomföra en statistisk beräkning av branschens genomsnittliga pris genomgående
databas, och först efter det själva dataurvalet. För
exekvering av den andra typen av begäran är det nödvändigt att mata ut värdena
karaktäristiska egenskaper hos ett objekt, och sök sedan efter liknande med hjälp av dem
föremål. För den tredje typen av begäran måste du först definiera
en lista över mellanhandssäljare som säljer denna produkt,
och sök sedan efter relaterade köpare.
I alla ovanstående typer av förfrågningar måste du utföra
sök efter villkor som måste definieras ytterligare under lösningen
uppgifter. Intelligent system utan användarhjälp
Databasstrukturen bygger själv åtkomstvägen till datafilerna.
Begäran formuleras i dialog med användaren,
8

Sekvensen av steg som utförs så mycket som möjligt
användarvänlig form. En databasfråga kan
formulerad med ett naturligt språkgränssnitt.
Gränssnittet för naturligt språk förutsätter sändning
naturliga språkkonstruktioner till intramaskinnivå
kunskapsrepresentationer. För att göra detta är det nödvändigt att bestämma sig
uppgifter
morfologisk, syntaktisk och semantisk analys och syntes
uttalanden i naturligt språk. Alltså morfologisk analys
innebär att känna igen och kontrollera rätt stavning av ord
enligt ordböcker,
syntaktisk kontroll ingångsupplösning
meddelanden till enskilda komponenter (strukturdefinition) med
kontroll av efterlevnad
interna grammatiska regler
representerar kunskap och identifierar saknade delar och slutligen
semantisk analys - fastställande av semantisk korrekthet
syntaktiska strukturer. Propositionssyntes löser det omvända
uppgiften att omvandla den interna representationen av information till
naturligt språk.
Det naturliga språkgränssnittet används för:
. tillgång till intelligenta databaser;
. kontextuell sökning av dokumentär textinformation;
. röstinmatning av kommandon i styrsystem;
. maskinöversättning från främmande språk.
Hypertextsystem är designade för att implementera sökning
genom nyckelord i textinformationsdatabaser. Intelligent
hypertextsystem kännetecknas av möjligheten till mer komplexa
semantisk organisation nyckelord, vilket speglar
olika semantiska termrelationer. Alltså mekanismen
sökmotorn arbetar främst med en kunskapsbas av sökord, och redan
sedan direkt med texten. I en vidare mening, vad som har sagts
sprider sig och
på
söka efter multimediainformation,
inklusive, förutom text och digital information, grafik,
ljud- och videobilder.
Kontextuella hjälpsystem kan betraktas som privata
fallet med intelligent hypertext och naturligt språk
system Till skillnad från konventionella assistanssystem som kräver
för att användaren ska hitta den information som krävs i systemen
kontextuell hjälp beskriver användaren problemet (situationen), och
systemet, med hjälp av ytterligare dialog, specificerar det själv
söker efter rekommendationer som är relevanta för situationen. Sådana system
tillhör klassen kunskapsspridningssystem (Knowledge
Publicering) och skapas som en applikation till dokumentationssystem
(till exempel teknisk dokumentation om drift av varor).
Kognitiva grafiksystem
tillåta
användargränssnitt med IIS med hjälp av grafiska bilder,
som genereras i enlighet med aktuella händelser.
9

Sådana system används vid övervakning och kontroll
operativa processer. Grafiska bilder i visuella och
i en integrerad form beskriva många parametrar av det studerade
situationer. Till exempel tillståndet för ett komplext hanterat objekt
visas i form av ett mänskligt ansikte, på vilket varje funktion
är ansvarig för vilken parameter som helst, och det allmänna ansiktsuttrycket ger
integrerad beskrivning av situationen.
Kognitiva grafiksystem används också ofta i
utbildningssystem baserade på användningen
principer för virtuell verklighet, när grafiska bilder
simulera situationer som eleven behöver ta
beslut och utföra vissa åtgärder.
1.3 Expertsystem
Syfte med expertsystem
är
i beslutet
uppgifter som är ganska svåra för experter baserat på den ackumulerade basen
kunskap som återspeglar experternas erfarenhet i ämnet
problemområde. Fördelar med att använda expertsystem
är förmågan att fatta beslut i unika situationer,
för vilken algoritmen inte är känd i förväg och bildas utifrån initialen
uppgifter i form av en kedja av resonemang (beslutsregler) fr.o.m
kunskapsbas. Dessutom förväntas problemlösning genomföras i
villkor för ofullständighet, opålitlighet, originalets tvetydighet
information och kvalitativa bedömningar av processer.
Ett expertsystem är ett verktyg som förbättrar
expert intellektuella förmågor och kan prestera
följande roller:
. konsult
För
oerfaren
eller
oprofessionell
användare;
. assistent på grund av behovet av en expert för att analysera olika
beslutsfattande alternativ;
. partner expert på frågor som rör kunskapskällor från
närliggande verksamhetsområden.

Expertsystem används inom många områden, bl.a
varav applikationssegmentet i näringslivet är ledande (Fig. 1.2) [21].
Lantbruk
Företag
Kemi
Kommunikationer
Dator

Informationssamhällets egenskaper: öka informationens och kunskapens roll i samhällets liv; öka andelen IKT, informationsprodukter och tjänster i BNP; skapande av en global informationsinfrastruktur som säkerställer effektiv informationsinteraktion mellan människor och tillfredsställelse av deras sociala och personliga behov av informationsprodukter och -tjänster

Ekonomiskt perspektiv på informationssamhället Produktion, anskaffning, distribution och praktisk användning information och kunskap blir den främsta drivkraften för socioekonomisk utveckling När man uppnår en viss nivå utveckling av informationssamhället när det gäller att uppnå en betydande volym av bruttonationalprodukten relaterad till information och IKT, en kunskapsekonomi håller på att bildas. Förmågan att skapa och ge tillgång till kunskap blir en viktig faktor för konkurrenskraft. Utbildningens ökande roll och livslångt lärande – livslångt lärande

Vid Forum of Educational Leaders, som hölls av UNESCO sommaren 2008, vd UNESCO Herr Kuachiro Matsuura lyfte fram e-lärande och distansutbildning som en av de viktigaste trenderna i utvecklingen av utbildning i modern värld

Överföring av e.Learning-teknik som används vid MESI till andra universitet i Ryssland, Kazakstan, Armenien, Vitryssland och andra länder. 41 seminarier hölls om 25 ämnen inom området e.Learning med deltagande av mer än 1 500 personer (inklusive 178 rektorer ), som representerar mer än 200 läroanstalter från 72 regioner i Ryssland och OSS-länderna

Dominerande ekonomi Industriell Kunskapskonsumtion Period: mitten av 1900-talet, slutet av 1900-talet, början av 2000-talet Omvandling av universiteten Klassiskt universitet (centrum för utbildning av personal för ekonomin) Klassiskt universitet (centrum för utbildning av personal för ekonomin) Näringsliv universitet (producent av utbildningstjänster) Företagsuniversitet (producent av utbildningstjänster) Innovativt universitet (centrum för vetenskaplig och innovativ utveckling) Innovativt universitet (centrum för vetenskaplig och innovativ utveckling) Ledningsparadigm Ekonomiskt inriktad Kunskapskvalitet Högre skola i den moderna världen

MESI är ett innovativt universitet! Integrering av utbildning, vetenskap och näringsliv Högkvalitativt vetenskapligt och pedagogiskt innehåll – 100 % utbildnings- och metodstöd– Från årlig uppdatering av innehåll till uppdatering vid behov Modern pedagogisk teknik för samverkande interaktion "elev - lärare", "elev - elev", "lärare - lärare", i framtiden "avdelning - företag" Effektivt engagemang av lärare i vetenskaplig forskning - Vetenskaplig och metodologisk säkerställande av varje disciplin

Kunskapsledning vid universitetet Kunskapsledning Akademisk kunskapsledning Administrativ kunskapsledning Kvalitet på innehåll + kvalitet på utbildning Integration av forskningsresultat i affärer Tekniker Metodik för lärare AUP Enhetlig integrerad miljö läroanstalt Kompetenser hos lärarpersonal och administrativa assistenter* Konsultverksamhet och teknisk support industriföretag

Wikinomics as Mass Collaboration Don Tapscott och Anthony D. Williams: User Generated Content (Crowdsourcing) Sociala media– samarbete och självorganisering (Smart Mobs) Ett nytt sätt att producera med hjälp av WEB 2.0 (wikis, bloggar, chattar, poddsändningar, RSS) – masssamarbete, ”delta och samskapa” En ny kraft att föra människor samman i nätverk för att skapa en gigantisk hjärna

Principer of Wikinomics Öppenhet - Företag öppnar sina gränser för externa idéer och mänskliga resurser, öppnar dörrar för alla talanger i omvärlden Peering (produktion på lika villkor) - Självorganisering för att skapa nya produkter och tjänster, gemensam kunskap, erfarenhetsutbyte Tillgång och förmåga att dela - Balans mellan intellektuella tillgångar, skydd för vissa, öppen tillgång till andra resurser Global karaktär av aktiviteter Ytterligare integration nationella ekonomier in i en enda gränslös värld, tillgång till nya marknader, idéer, teknologier

Leverans av innehåll från filialer, samarbetsorganisationer och representationskontor Utveckling och gemensam utveckling av innehåll för presentatörer ryska universitet Distribuerad innehållsutveckling Disciplininformationscenter Process för strömskapande och användning av kunskap i MESI

Principer för att skapa informations- och kunskapsutrymme 1.Skapande och uppdatering utbildnings- och metodkomplex baserad på ett gemensamt informations- och kunskapsutrymme för distribuerade institutioner 2. Använda forskningsresultat vid skapande av innehåll 3. Involvera företag och organisationer i att skapa innehåll 4. Använda forskningsresultat från doktorander vid skapande av innehåll 5. Genomföra utbildnings- och forskningsarbete för studenter 6 Organisera kunskapshanteringstjänster

Mätvärden, motivation, kvalitet Kvantitativa indikatorer på förändringar i IDC Indikatorer för regionalt deltagande i innehållsutveckling Grad av deltagande av studenter och doktorander i innehållsskapande Volymer av lån och överföring av material från Internet Frekvens och kvalitet på uppdatering av materialet Individuellt bidrag från varje e-Metricse-Xcellence deltagare

Vikten av att skapa ett informations- och utbildningsutrymme MESI baserat på IDC att tillhandahålla plattformar för samarbete lärare vid distribuerade avdelningar; skapa och samla pedagogiskt, metodologiskt och vetenskapligt material inom alla discipliner; säkerställa processen med ständig uppdatering av utbildnings- och metodinnehåll; skapa en databas med länkar till öppna utbildningsresurser för varje disciplin, material från konferenser, seminarier och andra användbara resurser.

Tack för uppmärksamheten! Telnov Yu.F.

Frågor Kärnan i den strukturella strategin för IS-design 2. Hein-Sarson strukturell designmetodik 3. SADT-metodik för strukturanalys och design 1.

Formell definition av designmetoden Begrepp och teoretisk grund(strukturellt eller objektorienterat tillvägagångssätt) Notation - ett sätt att visa modeller av den statiska strukturen och beteendedynamiken hos det designade systemet (grafiska diagram, matematisk formalisering - uppsättningar, grafer, petrinät) Procedurer som bestämmer den praktiska tillämpningen av metoden (sekvens och regler för att konstruera modeller, kriterier som används för att utvärdera resultat)

Kärnan i det strukturella tillvägagångssättet ligger i nedbrytningen av systemet, vilket utförs enligt följande: systemet är uppdelat i funktionella delsystem, som är indelade i delfunktioner, de i uppgifter, och så vidare i specifika procedurer. System of Subsystems Funktion (uppgift)

Principer för det strukturella tillvägagångssättet Det strukturella tillvägagångssättet bygger på följande principer: principen om nedbrytning (en vetenskaplig metod som använder strukturen av ett problem och låter dig ersätta lösningen av ett stort problem med lösningen av en serie mindre problem ); principen om hierarkisk ordning (organisering av komponenterna i systemet i hierarkiska trädstrukturer med tillägg av nya detaljer på varje nivå); abstraktionsprincipen (att lyfta fram de väsentliga aspekterna av systemet och abstrahera från det oviktiga); principen om överensstämmelse (giltighet och konsistens av systemelement); principen om datastrukturering (data måste vara strukturerade och hierarkiskt organiserade).

Strukturanalys och designmetoder Strukturanalys och designmetodik definierar riktlinjer för att utvärdera och välja det projekt som ska utvecklas, de arbetsmoment som ska utföras, deras ordningsföljd, regler för distribution och tilldelning av operationer och metoder. För närvarande används nästan alla kända strukturanalys- och designmetoder framgångsrikt, men de mest använda metoderna är: strukturanalys och designteknik SADT (Structured Analysis and Design Technique), D. Mark - K. Mak. Borta Gane-Sarson strukturell systemanalys, Yourdon/De Marko strukturanalys, Jackson systemutveckling, Martin informationsmodellering. och Yodan/De Marco design

Klassificering av strukturella metoder Moderna strukturella metoder för analys och design klassificeras enligt följande kriterier: i förhållande till skolor - Software Engineering (SE) och Information Engineering (IE); i ordning efter modellkonstruktion - procedurorienterad, dataorienterad och informationsorienterad; efter typ av målsystem - för realtidssystem (RTS) och för informationssystem (IS).

School of Software Engineering SE är en uppifrån och ned, steg-för-steg-strategi för mjukvaruutveckling, som börjar med en allmän syn på hur den fungerar. Funktionerna delas sedan upp i underfunktioner och processen upprepas för underfunktionerna tills de är tillräckligt små för att kodas. Resultatet är ett hierarkiskt, strukturerat, modulärt program. SE är en universell programvaruutvecklingsdisciplin som framgångsrikt används både i utvecklingen av realtidssystem och i utvecklingen av informationssystem.

School of Information Engineering IE är en nyare disciplin. Å ena sidan har det en bredare räckvidd än SE: IE är disciplinen för att bygga system i allmänhet, inte bara mjukvarusystem, och inkluderar steg mer hög nivå(till exempel strategisk planering), men i stadiet av mjukvarusystemdesign är dessa discipliner likartade. Å andra sidan är IE en smalare disciplin än SE, eftersom IE endast används för att bygga informationssystem och SE används för alla typer av system.

Mjukvaru- och IS-utvecklingsmodell Mjukvaru- och IS-utveckling är baserad på INPUT-PROCESSING OUTPUT-modellen: 1. data kommer in i systemet, 2. bearbetas, 3. lämnar systemet. input Denna modell används i alla strukturella metoder. Det är viktigt i vilken ordning modellen byggs. Bearbetar utdata

Ordningen för att konstruera modellen Det procedurorienterade tillvägagångssättet reglerar företräde för design av funktionella komponenter i förhållande till design av datastrukturer: datakrav avslöjas genom funktionskrav. I ett datacentrerat tillvägagångssätt är input och output viktigast - datastrukturer definieras först och procedurkomponenter härleds från data. Parallell design av processer och datastrukturer med modellanpassning

Informationssystem Datadriven Komplexa strukturer Stora dataingångar I/O-intensiva Maskinoberoende Realtidssystem Händelsedrivna Enkla datastrukturer Låg indata Beräkningsintensiv Maskinberoende Typer av målsystem

Systemstödsverktyg olika typer Namn på metod Skola Byggordning Typ av system Yodan-De Marco SE Procedurorienterad IS, SRV Gain-Sarson SE Procedurorienterad IS, SRV Jackson SE IS-orienterad, SRV data Martin IE Informationsorienterad IS SADT IE Parallell design 1) procent. -orientering 2) op. på IP-data

2. Hein-Sarsons metodik för strukturell design. Dataflödesdiagram (DFD) är det primära sättet att modellera funktionskraven för ett system som designas. Med deras hjälp bryts dessa krav ner i funktionella komponenter (processer) och presenteras som ett nätverk sammankopplat av dataflöden. Huvudsyftet med sådana verktyg är att visa hur varje process omvandlar sina input till output, samt att identifiera sambanden mellan dessa processer.

Skapandets historia Larry Constantine (IBM) 1965, 1974 - strukturell design Hughee Aircraft Company - 1975, 1977 - interaktivt strukturdiagram grafiksystem Gain K., T. Sarson - grundade Improved System Technologies. Första CASE - STRADIS verktyg, 1976. E. Yodan, G. Myers, W. Stevens, T. De Marco, W. Weinberg. Jordon Inc. -1975 Livscykelanalys med hjälp av strukturanalys och designmetoder: 5% - undersökning, 35% - analys, 20% design, 15% - implementering, 25% - resten.

Gein-Sarson metodik Denna metod är baserad på konstruktionen av en IS-modell. I enlighet med metodiken definieras systemmodellen som en hierarki av dataflödesdiagram - Data. Flödesdiagram (DPD eller DFD), som beskriver den asynkrona processen att omvandla information från dess input till systemet till dess leverans till användaren. Diagram över de övre nivåerna i hierarkin (kontextdiagram) definierar IS:s huvudprocesser eller delsystem med externa ingångar och utgångar. De är detaljerade med hjälp av diagram på lägre nivå. Denna nedbrytning fortsätter och skapar en hierarki på flera nivåer av diagram, tills en sådan nivå av nedbrytning uppnås där processen blir elementär och det finns inget behov av att detaljera dem ytterligare. Verktyg: Vantage Team Builder (Vestmount), Power Design (SAP)

Grundläggande komponenter i DFD Informationskällor (externa enheter) genererar informationsflöden (dataflöden) som för information till delsystem eller processer. Dessa omvandlar i sin tur information och genererar nya flöden som överför information till andra processer eller delsystem, datalagringsenheter eller externa enheter - informationskonsumenter. Sålunda är huvudkomponenterna i dataflödesdiagram: externa enheter; system/delsystem; processer; datalager; dataströmmar.

Externa enheter En extern enhet är ett materiellt objekt eller enskild, representerar en källa eller mottagare av information, till exempel kunder, personal, leverantörer, kunder, lager. Det kan finnas ett externt AS (undersystem) Definitionen av något objekt eller system som en extern enhet indikerar att det ligger utanför gränserna för den analyserade IS. Under analysprocessen kan vissa externa enheter överföras inuti diagrammet för den analyserade IS, om det behövs, eller omvänt kan en del av IS-processerna flyttas utanför diagrammet och presenteras som en extern enhet. Den externa enheten indikeras av en fyrkant som ligger "ovanför" diagrammet och kastar en skugga på den, så att denna symbol kan särskiljas från andra beteckningar:

System och delsystem När man bygger en modell av ett komplext IS kan den presenteras i den mest generella formen på det så kallade kontextdiagrammet i form av ett system som en helhet, eller så kan den delas upp i ett antal delsystem. Delsystemnumret tjänar till att identifiera det. I namnfältet anger du namnet på delsystemet i form av en mening med ett ämne och motsvarande definitioner och tillägg.

Processen är omvandlingen av indataströmmar till utdataströmmar i enlighet med en specifik algoritm. Fysiskt kan processen genomföras olika sätt: Detta kan vara en avdelning av organisationen (avdelningen) som behandlar ingångsdokument och utfärdar rapporter, ett program, en hårdvaruimplementerad logisk enhet, etc. Processnumret tjänar till att identifiera den. I namnfältet anger du namnet på processen i form av en mening med ett aktivt, entydigt verb i obestämd form (beräkna, beräkna, kontrollera, bestämma, skapa, ta emot), följt av substantiv i ackusativ. Informationen i det fysiska implementeringsfältet indikerar vilken organisationsenhet, program eller hårdvaruenhet som exekverar processen. Processer

Datalagring En datalagringsenhet är en abstrakt enhet för att lagra information som kan placeras i en lagringsenhet när som helst och hämtas efter en tid, och metoderna för att placera och hämta kan vara vilka som helst. En dataenhet kan implementeras fysiskt i form av en mikrofiche, en låda i ett arkivskåp, en tabell i RAM, en fil på lagringsmedia etc. Namnet på enheten är valt i syfte att vara mest informativt för designer. En datalagringsenhet är i allmänhet en prototyp av en framtida databas och beskrivningen av data som lagras i den måste kopplas till informationsmodellen.

Ett dataflöde definierar informationen som överförs genom någon anslutning från en källa till en destination. Den faktiska dataströmmen kan vara information som överförs via en kabel mellan två enheter, brev som skickas med post, magnetiska media, etc. Varje dataström har ett namn som återspeglar dess innehåll.

Att konstruera kontextdiagram är det första steget i att konstruera en DFD-hierarki. Vanligtvis, när man designar relativt enkla IC:er, byggs ett enda kontextdiagram med en stjärntopologi, i vars centrum är den så kallade huvudprocessen, kopplad till sänkorna och informationskällorna genom vilka användare och andra externa system interagerar med systemet. Om vi ​​för ett komplext system begränsar oss till ett enda kontextdiagram, kommer det att innehålla för många källor och mottagare av information som är svåra att ordna på ett ark av normalstorlek, och dessutom avslöjar inte den enda huvudprocessen det distribuerade systemets struktur. Tecken på komplexitet (i termer av sammanhang) kan vara: närvaron av ett stort antal externa enheter (tio eller fler); systemets distribuerade karaktär; systemets multifunktionalitet med funktioner som redan är grupperade i separata delsystem. etablerad eller identifierad För komplex IS byggs en hierarki av kontextdiagram. Samtidigt innehåller kontextdiagrammet på toppnivån inte en enda huvudprocess, utan en uppsättning delsystem sammankopplade av dataflöden. Nästa nivå av kontextdiagram beskriver kontexten och strukturen för delsystem.

Nedbrytning av kontextdiagram För varje delsystem som finns i kontextdiagrammen, är det detaljerat med DFD. Varje process på DFD kan i sin tur detaljeras med hjälp av en DFD eller mini-specifikation. Vid detaljering måste följande regler följas: balanseringsregel - innebär att vid detaljering av ett delsystem eller process kan detaljdiagrammet som externa källor/mottagare av data endast ha de komponenterna (delsystem, processer, externa enheter, datalagringsenheter) med vilken detaljering har ett ineller -process på det överordnade diagrammet; numreringsregel - innebär att vid detaljering av processer måste deras hierarkiska numrering bibehållas. Till exempel får processer som beskriver processnummer 12 nummer 12. 1, 12. 2, 12. 3 etc. Minispecifikationen (beskrivning av processlogiken) bör formulera sina huvudfunktioner på ett sådant sätt att specialisten i framtiden genomföra projektet, kunnat genomföra dem eller utveckla ett motsvarande program.

Minispecifikationen är slutet på FD-hierarkin. Beslutet att slutföra detaljeringen av processen och använda minispecifikationen fattas av analytikern baserat på följande kriterier: närvaron av ett relativt litet antal in- och utdataströmmar för processen (2-3 strömmar); förmågan att beskriva datatransformation genom en process i form av en sekventiell algoritm; processen utför en enda logisk funktion för att omvandla ingångsinformation till utdata; förmågan att beskriva processlogiken med hjälp av en liten mini-specifikation (högst 20-30 rader).

Telnov Yuri Filippovich tog examen med utmärkelser från Moskvas ekonomiska och statistiska institut 1974 och fick ett diplom i ekonomisk ingenjörsteknik, och sedan forskarutbildning vid detta institut och disputerade för sin avhandling för vetenskaplig examen kandidat för ekonomiska vetenskaper på ämnet "Frågor om att strukturera uppsättningar av information i automatiserade styrsystem." Sedan 1977 har han undervisat, först vid Moskvas ekonomiska och statistiska institut, sedan vid Moskva. statliga universitetet Ekonomi, statistik och informatik (MESI), arbetade som biträdande, docent, professor och prefekt. År 2001, Telnov Yu.F. erhöll den akademiska titeln professor, och disputerade 2003 för doktorsexamen i nationalekonomi med specialitet 080013 "Mathematical and instrumental methods in economics" på ämnet "Component methodology for business process reengineering." För närvarande är han chef för institutionen för tillämpad informatik och informationssäkerhet vid det ryska universitetet för ekonomi. G.V. Plechanov. Från 2004 till 2007 arbetade han som chef för Institute of Computer Technologies MESI, och från 2007 till 2012 - vicerektor för vetenskapligt arbete och utbildnings- och metodföreningen MESI.

Område med yrkesintressen:

• företagsteknik;
• teori och metodik för design av informationssystem av olika klasser;
• kunskapsteknik;
• intelligenta informationssystem;
• informationssystem för företagsstyrning;

• design av kunskapshanteringssystem.

Från 2004 till 2015 var han ordförande för utbildnings- och metodrådet för Utbildnings- och metodförbundet (UMA) inom området tillämpad informatik, för närvarande vice ordförande i utbildnings- och metodrådet inom utbildningsområdet "Applied Informatics" av Federal Educational and Methodological Association for the State Scientific Service "Informatik och datavetenskap" . Han är en av utvecklarna av Federal State Education Standard och ett exemplariskt grundläggande utbildningsprogram inom förberedelseområdet "Applied Informatics", professionella standarder "Programmer", "Development Manager" programvara", "Informationssystemspecialist", grundläggande professionell utbildningsprogram i kandidatexamensprogram: "Tillämpad informatik i ekonomi", "Engineering of Enterprises and Information Systems", masterprogrammet "Information Systems and Corporate Governance Technologies".

Under många år har han varit vice ordförande i Specialiserade rådet för försvar av kandidat- och doktorsavhandlingar inom specialitet 080013 "Mathematical and instrumental methods of economics." Under hans ledning disputerades 16 avhandlingar för graden Kandidat för ekonomiska vetenskaper. Han är medlem i det vetenskapliga rådet för den ryska föreningen för artificiell intelligens.

Har utmärkelser: Pristagare av Ryska federationens president inom utbildningsområdet för 1999, hedersarbetare för högre utbildning.