മോഡൽ എന്ന ആശയം ഇതിൽ പ്രധാനമാണ് പൊതു സിദ്ധാന്തംസംവിധാനങ്ങൾ ഒരു ശക്തമായ - പലപ്പോഴും ഒരേയൊരു ഗവേഷണ രീതിയായി മോഡലിംഗ് ചെയ്യുന്നത് ഒരു യഥാർത്ഥ വസ്തുവിനെ മറ്റൊന്ന് - മെറ്റീരിയൽ അല്ലെങ്കിൽ ഐഡിയൽ ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുന്നത് ഉൾപ്പെടുന്നു.
ഏതൊരു മോഡലിന്റെയും ഏറ്റവും പ്രധാനപ്പെട്ട ആവശ്യകതകൾ ചട്ടക്കൂടിനുള്ളിൽ പഠിക്കുന്ന ഒബ്ജക്റ്റിനോടുള്ള അതിന്റെ പര്യാപ്തതയാണ് നിർദ്ദിഷ്ട ചുമതലലഭ്യമായ മാർഗങ്ങളുള്ള സാധ്യതയും.
കാര്യക്ഷമത സിദ്ധാന്തത്തിലും കമ്പ്യൂട്ടർ സയൻസിലും, ഒരു വസ്തുവിന്റെ മാതൃക (സിസ്റ്റം, ഓപ്പറേഷൻ) എന്നത് ഒരു മെറ്റീരിയൽ അല്ലെങ്കിൽ അനുയോജ്യമായ (മാനസികമായി സങ്കൽപ്പിക്കാവുന്ന) സംവിധാനമാണ്, യഥാർത്ഥ വസ്തുവിനെക്കുറിച്ചുള്ള പുതിയ അറിവ് നേടുന്നതിന് ഒരു നിർദ്ദിഷ്ട പ്രശ്നം പരിഹരിക്കുന്നതിന് ഉപയോഗിക്കുന്നു. പഠിക്കുന്ന പ്രോപ്പർട്ടികളുടെ കാര്യത്തിലും അതിലേറെയും മറ്റ് വശങ്ങളിൽ ഒറിജിനലിനേക്കാൾ ലളിതമാണ്.
പ്രധാന മോഡലിംഗ് രീതികളുടെ വർഗ്ഗീകരണം (അവയുടെ അനുബന്ധ മോഡലുകൾ) ചിത്രത്തിൽ അവതരിപ്പിച്ചിരിക്കുന്നു. 3.1.1.
സാമ്പത്തികം പഠിക്കുമ്പോൾ വിവര സംവിധാനം(EIS) എല്ലാ മോഡലിംഗ് രീതികളും ഉപയോഗിക്കുന്നു, എന്നാൽ ഈ വിഭാഗത്തിൽ സെമിയോട്ടിക് (അടയാളം) രീതികൾക്ക് പ്രധാന ശ്രദ്ധ നൽകും.
സെമിയോട്ടിക്സ് (ഗ്രീക്ക് സെമിയോണിൽ നിന്ന് - അടയാളം, ചിഹ്നം) എന്ന ശാസ്ത്രമാണ് എന്ന് നമുക്ക് ഓർക്കാം പൊതു ഗുണങ്ങൾചിഹ്ന സംവിധാനങ്ങൾ, അതായത് കോൺക്രീറ്റ് അല്ലെങ്കിൽ അമൂർത്ത വസ്തുക്കളുടെ (അടയാളങ്ങൾ), ഓരോന്നിനും ഒരു പ്രത്യേക അർത്ഥം ബന്ധപ്പെട്ടിരിക്കുന്നു. അത്തരം സംവിധാനങ്ങളുടെ ഉദാഹരണങ്ങൾ ഏതെങ്കിലും ഭാഷകളാണ്

അരി. 3.1.1. മോഡലിംഗ് രീതികളുടെ വർഗ്ഗീകരണം

(സ്വാഭാവികമോ കൃത്രിമമോ, ഉദാഹരണത്തിന്, ഡാറ്റ വിവരണം അല്ലെങ്കിൽ മോഡലിംഗ് ഭാഷകൾ), സമൂഹത്തിലെയും മൃഗലോകത്തിലെയും അലാറം സംവിധാനങ്ങൾ മുതലായവ.
സെമിയോട്ടിക്‌സിൽ മൂന്ന് വിഭാഗങ്ങൾ ഉൾപ്പെടുന്നു: വാക്യഘടന; അർത്ഥശാസ്ത്രം; പ്രായോഗികത.
ആശയവിനിമയത്തിനും സന്ദേശത്തിനുമുള്ള മാർഗമായി സൈൻ സിസ്റ്റങ്ങളുടെ ധാരണയുമായി ബന്ധപ്പെട്ട ഏതെങ്കിലും വ്യാഖ്യാനങ്ങളും പ്രശ്നങ്ങളും കണക്കിലെടുക്കാതെ സിൻറാക്റ്റിക്സ് സൈൻ സിസ്റ്റങ്ങളുടെ വാക്യഘടനയെ പഠിക്കുന്നു.
സെമാന്റിക്സ് ഒരു ചിഹ്ന വ്യവസ്ഥയുടെ പ്രസ്താവനകളുടെ വ്യാഖ്യാനം പഠിക്കുന്നു, കൂടാതെ മോഡലിംഗ് വസ്തുക്കളുടെ വീക്ഷണകോണിൽ നിന്ന്, സെമിയോട്ടിക്സിൽ പ്രധാന സ്ഥാനം വഹിക്കുന്നു.
ഒരു സൈൻ സിസ്റ്റത്തിന്റെ ഉപയോക്താവിന്റെ സൈൻ സിസ്റ്റവുമായുള്ള ബന്ധം, പ്രത്യേകിച്ചും, സൈൻ സിസ്റ്റത്തിന്റെ അർത്ഥവത്തായ ആവിഷ്കാരങ്ങളെക്കുറിച്ചുള്ള ധാരണ പ്രായോഗികത പരിശോധിക്കുന്നു.
അനേകം സെമിയോട്ടിക് മോഡലുകളിൽ, ഏറ്റവും വലിയ വിതരണം കാരണം, പ്രത്യേകിച്ച് വിവരവൽക്കരണത്തിന്റെ സാഹചര്യങ്ങളിൽ ആധുനിക സമൂഹംമാനുഷിക പ്രവർത്തനത്തിന്റെ എല്ലാ മേഖലകളിലും ഔപചാരിക രീതികളുടെ ആമുഖം, പ്രതിഫലിപ്പിക്കുന്ന ഗണിതശാസ്ത്രപരമായവ ഞങ്ങൾ ഉയർത്തിക്കാട്ടുന്നു. യഥാർത്ഥ സംവിധാനങ്ങൾഉപയോഗിച്ച് ഗണിത ചിഹ്നങ്ങൾ. അതേ സമയം, സിസ്റ്റങ്ങളുടെ പഠനവുമായി ബന്ധപ്പെട്ട് ഞങ്ങൾ മോഡലിംഗ് രീതികൾ പരിഗണിക്കുന്നു എന്ന വസ്തുത കണക്കിലെടുക്കുന്നു. വിവിധ പ്രവർത്തനങ്ങൾ, ഞങ്ങൾ അറിയപ്പെടുന്ന രീതിശാസ്ത്രം ഉപയോഗിക്കും സിസ്റ്റം വിശകലനം, ഫലപ്രാപ്തിയുടെയും തീരുമാനമെടുക്കലിന്റെയും സിദ്ധാന്തങ്ങൾ.

വിഷയത്തിൽ കൂടുതൽ 3. മോഡലിംഗ് ഇൻഫർമേഷൻ സിസ്റ്റങ്ങൾക്കുള്ള സാങ്കേതികവിദ്യ മോഡലിംഗ് സിസ്റ്റങ്ങൾക്കുള്ള രീതികൾ:

1. സാമ്പത്തിക വിവര സംവിധാനങ്ങളുടെ സിമുലേഷൻ മോഡലുകൾ സിമുലേഷൻ രീതി പ്രയോഗിക്കുന്നതിനുള്ള രീതിശാസ്ത്രപരമായ അടിസ്ഥാനം
2. സെക്ഷൻ III ഒരു സേവന മാർക്കറ്റിംഗ് സിസ്റ്റം മോഡലിംഗ് അടിസ്ഥാനങ്ങൾ
3. അധ്യായം 1. കമ്പ്യൂട്ടർ സിമുലേഷന്റെ ഒരു ഒബ്ജക്റ്റ് എന്ന നിലയിൽ നിയന്ത്രിത ഡൈനാമിക് സിസ്റ്റങ്ങൾ
4. മെഡിക്കൽ സേവനങ്ങളുടെ മാർക്കറ്റിംഗ് സിസ്റ്റത്തിന്റെ ഘടനാപരമായ മോഡലിംഗിന്റെ അടിസ്ഥാനങ്ങൾ
5. സിമുലേഷൻ മോഡലിംഗിൽ ഒരു മാർക്കറ്റിംഗ് സിസ്റ്റം മോഡലിന്റെ പ്രയോഗിച്ച ഉപയോഗത്തിന്റെ വിഭാഗം IV ഉദാഹരണം
6. മാർക്കറ്റിംഗ് സിസ്റ്റങ്ങളുടെ സാമ്പത്തിക മേഖലയെ മാതൃകയാക്കുക എന്ന ആശയം

"കമ്പ്യൂട്ടർ മാത്തമാറ്റിക്കൽ മോഡലിംഗ്" വിഭാഗം പഠന ലക്ഷ്യങ്ങൾ. ചുറ്റുമുള്ള യാഥാർത്ഥ്യം (വിഭാഗത്തിന്റെ ശാസ്ത്രീയ ഗവേഷണ സ്വഭാവം) മനസ്സിലാക്കുന്നതിനുള്ള ഒരു രീതിയായി മോഡലിംഗ് മാസ്റ്ററിംഗ് - വിവിധ വിജ്ഞാന മേഖലകളിലെ മോഡലിംഗിന് സമാനമായ സവിശേഷതകളുണ്ടെന്ന് കാണിക്കുന്നു, കൂടാതെ വ്യത്യസ്ത പ്രക്രിയകൾക്കായി സമാനമായ മോഡലുകൾ നേടുന്നത് പലപ്പോഴും സാധ്യമാണ്; - ഗുണങ്ങളും ദോഷങ്ങളും കാണിക്കുന്നു കമ്പ്യൂട്ടർ പരീക്ഷണംഒരു പൂർണ്ണ തോതിലുള്ള പരീക്ഷണവുമായി താരതമ്യം ചെയ്യുമ്പോൾ; - അത് കാണിക്കുന്നു അമൂർത്ത മാതൃക, കൂടാതെ നമുക്ക് ചുറ്റുമുള്ള ലോകത്തെ മനസ്സിലാക്കാനും മനുഷ്യരുടെ താൽപ്പര്യങ്ങൾക്കായി അത് കൈകാര്യം ചെയ്യാനും കമ്പ്യൂട്ടർ അവസരം നൽകുന്നു. പ്രായോഗിക കഴിവുകളുടെ വികസനം കമ്പ്യൂട്ടർ മോഡലിംഗ്. കമ്പ്യൂട്ടർ മാത്തമാറ്റിക്കൽ മോഡലിങ്ങിനുള്ള ഒരു പൊതു രീതിശാസ്ത്രം നൽകിയിരിക്കുന്നു. ശാസ്ത്രത്തിന്റെയും പരിശീലനത്തിന്റെയും വിവിധ മേഖലകളിൽ നിന്നുള്ള നിരവധി മോഡലുകളുടെ ഉദാഹരണം ഉപയോഗിച്ച്, ഒരു കമ്പ്യൂട്ടർ പരീക്ഷണ സമയത്ത് ലഭിച്ച ഫലങ്ങളുടെ വ്യാഖ്യാനം മുതൽ പ്രശ്ന രൂപീകരണം മുതൽ മോഡലിംഗിന്റെ എല്ലാ ഘട്ടങ്ങളും പ്രായോഗികമായി നടപ്പിലാക്കുന്നു. വിദ്യാർത്ഥികൾക്ക് കരിയർ ഗൈഡൻസ് പ്രോത്സാഹിപ്പിക്കുന്നു. വിദ്യാർത്ഥിയുടെ ചായ്‌വ് തിരിച്ചറിയൽ ഗവേഷണ പ്രവർത്തനങ്ങൾ, സൃഷ്ടിപരമായ സാധ്യതകളുടെ വികസനം, ബന്ധപ്പെട്ട ഒരു തൊഴിൽ തിരഞ്ഞെടുക്കുന്നതിനുള്ള ഓറിയന്റേഷൻ ശാസ്ത്രീയ ഗവേഷണം. വിഷയ അനൈക്യത്തെ മറികടക്കൽ, അറിവിന്റെ സംയോജനം. ഗണിതശാസ്ത്രം ഉപയോഗിച്ച് ശാസ്ത്രത്തിന്റെ വിവിധ മേഖലകളിൽ നിന്നുള്ള മാതൃകകൾ കോഴ്‌സ് പരിശോധിക്കുന്നു. കമ്പ്യൂട്ടർ കഴിവുകളുടെ വികസനവും പ്രൊഫഷണലൈസേഷനും. പൊതുവായതും പ്രത്യേകവുമായ സോഫ്‌റ്റ്‌വെയർ, പ്രോഗ്രാമിംഗ് സിസ്റ്റങ്ങളിൽ വൈദഗ്ദ്ധ്യം.

റഷ്യൻ ഫെഡറേഷന്റെ വിദ്യാഭ്യാസ മന്ത്രാലയം ULYANOVSK സ്റ്റേറ്റ് ടെക്‌നിക്കൽ യൂണിവേഴ്‌സിറ്റി V.S. SHCHEKLEIN മോഡലിംഗ് ഇൻഫർമേഷൻ സിസ്റ്റംസ് 652100 എന്ന ദിശയിലുള്ള വിദ്യാർത്ഥികൾക്കുള്ള പ്രഭാഷണ കുറിപ്പുകൾ. 29 (035) BBK Shch റിവ്യൂവർ: വിഭാഗം അംഗീകരിച്ചത് രീതിശാസ്ത്രപരമായ മാനുവലുകൾസയന്റിഫിക് ആൻഡ് മെത്തഡോളജിക്കൽ കൗൺസിൽ ഓഫ് യൂണിവേഴ്സിറ്റി ഷെക്ലെയിൻ വി.എസ്. Ш വിവര സംവിധാനങ്ങളുടെ മോഡലിംഗ്: പ്രഭാഷണ കുറിപ്പുകൾ / V.S.SHCHEKLEIN. - Ulyanovsk: Ulyanovsk സ്റ്റേറ്റ് ടെക്നിക്കൽ യൂണിവേഴ്സിറ്റി, 2002. - പി. 1999/2000 അധ്യയന വർഷത്തിൽ "മോഡലിംഗ് ഓഫ് ഇൻഫർമേഷൻ സിസ്റ്റങ്ങൾ" എന്ന വിഷയത്തിൽ ക്ലാസുകൾ നടത്തുമ്പോൾ ഉപയോഗിച്ച മെറ്റീരിയലുകളുടെ ഒരു തിരഞ്ഞെടുപ്പാണ് പ്രഭാഷണ കുറിപ്പുകൾ. സ്പെഷ്യലൈസേഷൻ വിദ്യാർത്ഥികൾക്കായി രൂപകൽപ്പന ചെയ്തത്: 130107 " സോഫ്റ്റ്വെയർ പ്രോസസ്സിംഗ്ഘടനാപരമായ വസ്തുക്കൾ", 130111 "ഏവിയേഷൻ പ്രൊഡക്ഷൻ പ്രൊജക്റ്റ് മാനേജ്മെന്റ്". ഈ മാനുവൽ പൂർത്തിയായിട്ടില്ല; പുതുതായി വികസിപ്പിച്ച മെറ്റീരിയൽ ഉൾപ്പെടുത്താൻ പദ്ധതിയിട്ടിട്ടുണ്ട്, അതിന്റെ തിരഞ്ഞെടുപ്പും രൂപകൽപ്പനയും അംഗീകൃത അച്ചടക്ക പരിപാടിക്ക് അനുസൃതമായി നടപ്പിലാക്കുന്നു. 3 ഉള്ളടക്കം ആമുഖം ………………………………………………………………………… 4 1. മോഡലിംഗ് സിദ്ധാന്തത്തിന്റെ അടിസ്ഥാന ആശയങ്ങൾ ……………………. 4 2. സ്ഥിതിവിവരക്കണക്കുകളുടെ സാരാംശം ഒരു കമ്പ്യൂട്ടർ ഉപയോഗിച്ചുള്ള ടെസ്റ്റിംഗ് രീതിയും അതിന്റെ നിർവ്വഹണവും ………… ഒരു നിർദ്ദിഷ്ട നിയമ വിതരണങ്ങൾ. റാൻഡം ഇവന്റുകളുടെ മോഡലിംഗ് ……………………………………………………………………. എക്സലിലെ ക്രമരഹിതമായ ഇവന്റുകൾ …………………………………………………………… 21 7. മാർക്കോവ് ചെയിനുകളുടെ മോഡലിംഗ് ……………………. 23 8. ക്യൂ സിസ്റ്റങ്ങളുടെ മോഡലിംഗ്. 25 9. വിവര കമ്പ്യൂട്ടിംഗ് സിസ്റ്റങ്ങളുടെ ഘടന ……………………………………………………………………………………………… 26 9.1. പ്രക്രിയയുടെ ആശയം………………………………………………………… 28 9.2. ജോലിഭാരം ……………………………………………………………… 29 10. വിവര സംവിധാനങ്ങളുടെ കാര്യക്ഷമതയുടെ സൂചകങ്ങൾ …………………………………………………… ……………….. 30 11. സിസ്റ്റം ഘടകങ്ങളുടെ പ്രകടന വിലയിരുത്തൽ ………………………………………………………………………………………… 31 12. സിസ്റ്റത്തിന്റെ മൊത്തത്തിലുള്ള പ്രകടനത്തിന്റെ വിലയിരുത്തൽ....... 32 13. ഡാറ്റാ പ്രോസസ്സിംഗ് മോഡിന്റെ സ്വാധീനം …………………….. 35 14. വിശ്വാസ്യത സവിശേഷതകൾ ……………………………… 36 15. ഒരു വിവരത്തിന്റെ ഗണിത മാതൃകയുടെ നിർമ്മാണം ……… …………………………………. 40 ഗ്രന്ഥസൂചിക പട്ടിക …………………………………………. 46 4 ആമുഖം പ്രായോഗിക പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിന് ഗണിതശാസ്ത്ര മോഡലിംഗിന്റെ പ്രയോജനം സംശയാതീതമാണ്. ചോദ്യം ഉയർന്നേക്കാം: വിവര സംവിധാനങ്ങളുടെ മോഡലിംഗ് മാസ്റ്റർ ചെയ്യേണ്ടത് എന്തുകൊണ്ട് (ഇപ്പോൾ ഈ സംവിധാനങ്ങൾ ഇല്ലാതെ സങ്കൽപ്പിക്കാൻ കഴിയില്ല കമ്പ്യൂട്ടർ സാങ്കേതികവിദ്യ) വിമാന നിർമ്മാതാക്കൾ വിമാന നിർമ്മാണ സാങ്കേതികവിദ്യയിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചോ? ആധുനിക സാങ്കേതികവിദ്യ കൂടുതൽ കൂടുതൽ യാന്ത്രികമായി മാറുകയാണ്. ഒരു ആധുനിക വിമാന നിർമ്മാതാവ്, അവൻ ഒരു ഡിസൈനറായാലും സാങ്കേതിക വിദഗ്ധനായാലും, അവന്റെ ജോലിയിൽ കമ്പ്യൂട്ടറുകൾ ഉപയോഗിക്കണം. എഞ്ചിനീയറിംഗ് പ്രശ്നങ്ങൾ പരിഹരിക്കുമ്പോൾ കമ്പ്യൂട്ടറിന്റെ കഴിവുകൾ അപര്യാപ്തമായി വിലയിരുത്തുന്നത് അപകടകരമാണ്. ഇത് ഒന്നുകിൽ സാങ്കേതിക പ്രക്രിയയുടെ ഒന്നോ അതിലധികമോ ശകലം യാന്ത്രികമാക്കാൻ വിസമ്മതിക്കുന്നതിനോ അല്ലെങ്കിൽ കമ്പ്യൂട്ടർ ഉപകരണങ്ങളുടെ ന്യായീകരിക്കാത്ത ചെലവുകളിലേക്കോ നയിച്ചേക്കാം, അവയുടെ കഴിവുകൾ ആവശ്യമായതിനെ അപേക്ഷിച്ച് വളരെയധികം വർദ്ധിപ്പിക്കുന്നു. അതേ സമയം, വിളിക്കപ്പെടുന്നവ സാമാന്യ ബോധംഎസ്റ്റിമേറ്റിൽ ഗുരുതരമായ പിഴവുകൾ വരുത്തിയേക്കാം. വിവരങ്ങളും കമ്പ്യൂട്ടർ സംവിധാനങ്ങളും വിലയിരുത്തുന്നതിനുള്ള ഒരു ഉപകരണം ഉപയോഗിച്ച് ഒരു യുവ സ്പെഷ്യലിസ്റ്റിനെ സജ്ജമാക്കുക എന്നതാണ് അച്ചടക്കത്തിന്റെ ലക്ഷ്യം, അതിലൂടെ അയാൾക്ക് ഉൽപ്പാദനത്തിന്റെയോ മാനേജ്മെന്റിന്റെയോ രൂപരേഖകളിലേക്ക് ഓട്ടോമേഷൻ ടൂളുകൾ സമന്വയിപ്പിക്കാൻ കഴിയും. കൂടാതെ, ചില സിസ്റ്റങ്ങളെ മാതൃകയാക്കുന്നതിലൂടെ, വിദ്യാർത്ഥികൾക്ക് സിസ്റ്റങ്ങൾ ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിൽ പരോക്ഷ അനുഭവം നേടുകയും പ്രൊഫഷണൽ പ്രശ്നങ്ങൾ പരിഹരിക്കുമ്പോൾ കമ്പ്യൂട്ടർ ഉപയോഗിക്കുന്നതിനുള്ള കഴിവുകൾ ശക്തിപ്പെടുത്തുകയും ചെയ്യുന്നു. 1. മോഡലിംഗ് സിദ്ധാന്തത്തിന്റെ അടിസ്ഥാന ആശയങ്ങൾ ഒബ്ജക്റ്റിന്റെ ഏറ്റവും പ്രധാനപ്പെട്ട ഗുണങ്ങളെക്കുറിച്ചുള്ള വിവരങ്ങൾ ലഭിക്കുന്നതിന് ഒരു വസ്തുവിനെ മറ്റൊന്നുമായി മാറ്റിസ്ഥാപിക്കുന്നതാണ് മോഡലിംഗ് - ഒരു ഒബ്ജക്റ്റ് ഉപയോഗിച്ച് യഥാർത്ഥമായത് - മോഡൽ. മോഡൽ (ലാറ്റിൻ മോഡുലകളിൽ നിന്നുള്ള ഫ്രഞ്ച് മോഡൽ - അളവ്, സാമ്പിൾ): 1) ഒരു ഉൽപ്പന്നത്തിന്റെ വൻതോതിലുള്ള ഉത്പാദനത്തിനുള്ള സാമ്പിൾ; ഉൽപ്പന്ന ബ്രാൻഡ്; 2) പൂപ്പൽ നീക്കം ചെയ്ത ഉൽപ്പന്നം (ടെംപ്ലേറ്റുകൾ, പാറ്റേണുകൾ, പ്ലാസകൾ); 3) കലാകാരൻ ചിത്രീകരിച്ച വ്യക്തി അല്ലെങ്കിൽ വസ്തു; 4) മറ്റേതെങ്കിലും ഉപകരണത്തിന്റെ ഘടനയോ പ്രവർത്തനമോ പുനർനിർമ്മിക്കുന്ന ഒരു ഉപകരണം; 5) ഒറിജിനൽ (ചിത്രം, ഡയഗ്രം, ഡ്രോയിംഗ്, മാപ്പ്) പ്രതിനിധിയായി ഉപയോഗിക്കുന്ന ഒരു വസ്തുവിന്റെയോ പ്രക്രിയയുടെയോ പ്രതിഭാസത്തിന്റെയോ ഏതെങ്കിലും ചിത്രം; 6) ഒരു വസ്തുവിനെയോ പ്രക്രിയയെയോ പ്രതിഭാസത്തെയോ വിവരിക്കുന്ന ഗണിതശാസ്ത്ര ഉപകരണം; 7) ഒരു കാസ്റ്റിംഗ് അച്ചിൽ ഒരു മുദ്ര നേടുന്നതിനുള്ള ഉപകരണം. ഇനിപ്പറയുന്നവയിൽ, മറ്റുവിധത്തിൽ പറഞ്ഞില്ലെങ്കിൽ, ഒരു മാതൃക ഒരു ഗണിതശാസ്ത്ര ഉപകരണമായി മനസ്സിലാക്കപ്പെടും. എല്ലാ മോഡലുകളും ചില ഘടനയുടെ (സ്റ്റാറ്റിക് അല്ലെങ്കിൽ ഡൈനാമിക്, മെറ്റീരിയൽ അല്ലെങ്കിൽ ഐഡിയൽ) സാന്നിധ്യത്താൽ സവിശേഷതയാണ്, ഇത് യഥാർത്ഥ വസ്തുവിന്റെ ഘടനയ്ക്ക് സമാനമാണ്. ജോലിയുടെ പ്രക്രിയയിൽ, മോഡൽ താരതമ്യേന സ്വതന്ത്രമായ ഒരു അർദ്ധവസ്തുവായി പ്രവർത്തിക്കുന്നു, ഇത് ഗവേഷണ സമയത്ത് വസ്തുവിനെക്കുറിച്ച് കുറച്ച് അറിവ് നേടാൻ അനുവദിക്കുന്നു. അത്തരം ഒരു പഠനത്തിന്റെ (മോഡലിംഗ്) ഫലങ്ങൾ സ്ഥിരീകരിക്കുകയും പഠനത്തിൻ കീഴിലുള്ള വസ്തുക്കളിൽ പ്രവചിക്കുന്നതിനുള്ള അടിസ്ഥാനമായി പ്രവർത്തിക്കുകയും ചെയ്താൽ, ആ മാതൃക വസ്തുവിന് പര്യാപ്തമാണെന്ന് പറയപ്പെടുന്നു. ഈ സാഹചര്യത്തിൽ, മോഡലിന്റെ പര്യാപ്തത മോഡലിംഗിന്റെ ഉദ്ദേശ്യത്തെയും അംഗീകൃത മാനദണ്ഡത്തെയും ആശ്രയിച്ചിരിക്കുന്നു. മോഡലിംഗ് പ്രക്രിയ സാന്നിദ്ധ്യം അനുമാനിക്കുന്നു: - പഠനത്തിന്റെ ഒരു വസ്തു; - ഒരു പ്രത്യേക ചുമതലയുള്ള ഒരു ഗവേഷകൻ; - ഒരു പ്രശ്നം പരിഹരിക്കാൻ ആവശ്യമായ ഒരു വസ്തുവിനെക്കുറിച്ചുള്ള വിവരങ്ങൾ ലഭിക്കുന്നതിന് സൃഷ്ടിച്ച ഒരു മാതൃക. മോഡലുമായി ബന്ധപ്പെട്ട്, ഗവേഷകൻ ഒരു പരീക്ഷണക്കാരനാണ്. ഏതൊരു പരീക്ഷണത്തിനും കാര്യമായ സ്വാധീനം ചെലുത്താൻ കഴിയുമെന്ന് ഓർമ്മിക്കേണ്ടതാണ് നിർദ്ദിഷ്ട പ്രദേശംശാസ്ത്രവും സാങ്കേതികവിദ്യയും അതിന്റെ ഫലങ്ങളുടെ പ്രത്യേക പ്രോസസ്സിംഗ് ഉപയോഗിച്ച് മാത്രം. ഏറ്റവും കൂടുതൽ ഒന്ന് പ്രധാന വശങ്ങൾമോഡലിംഗ് സംവിധാനങ്ങൾ ഒരു പ്രശ്ന ലക്ഷ്യമാണ്. ഗവേഷകൻ അതിനായി സജ്ജീകരിക്കുന്ന ഉദ്ദേശ്യത്തെ ആശ്രയിച്ചാണ് ഏത് മോഡലും നിർമ്മിച്ചിരിക്കുന്നത്, അതിനാൽ മോഡലിംഗിലെ പ്രധാന പ്രശ്നങ്ങളിലൊന്ന് ഉദ്ദേശ്യത്തിന്റെ പ്രശ്നമാണ്. യഥാർത്ഥ പ്രക്രിയയുമായി മോഡലിൽ സംഭവിക്കുന്ന പ്രക്രിയയുടെ സാമ്യം അതിൽത്തന്നെ അവസാനമല്ല, മറിച്ച് മോഡലിന്റെ ശരിയായ പ്രവർത്തനത്തിനുള്ള ഒരു വ്യവസ്ഥയാണ്. വസ്തുവിന്റെ പ്രവർത്തനത്തിന്റെ ഏതെങ്കിലും വശം പഠിക്കുക എന്നതായിരിക്കണം ലക്ഷ്യം. മോഡലിംഗിന്റെ ലക്ഷ്യങ്ങൾ വ്യക്തമാണെങ്കിൽ, അടുത്ത പ്രശ്നം ഉയർന്നുവരുന്നു, ഒരു മോഡൽ നിർമ്മിക്കുന്നതിനുള്ള പ്രശ്നം. പഠനത്തിൻ കീഴിലുള്ള വസ്തുവിന്റെ ഘടന, അൽഗോരിതങ്ങൾ, പാരാമീറ്ററുകൾ എന്നിവ സംബന്ധിച്ച് വിവരങ്ങൾ ലഭ്യമാണെങ്കിൽ അല്ലെങ്കിൽ അനുമാനങ്ങൾ മുന്നോട്ട് വെച്ചിട്ടുണ്ടെങ്കിൽ ഈ നിർമ്മാണം സാധ്യമാണ്. ഒരു മാതൃക നിർമ്മിക്കുന്ന പ്രക്രിയയിൽ ഗവേഷകന്റെ പങ്ക് ഊന്നിപ്പറയേണ്ടതാണ്; അറിവ്, അനുഭവം, ഹ്യൂറിസ്റ്റിക്സ് എന്നിവയെ അടിസ്ഥാനമാക്കിയുള്ള ഈ പ്രക്രിയ സർഗ്ഗാത്മകമാണ്. ഒരു സിസ്റ്റത്തിന്റെയോ പ്രോസസിന്റെയോ മതിയായ കൃത്യമായ വിവരണം അനുവദിക്കുന്ന ഔപചാരിക രീതികൾ അപൂർണ്ണമോ അപൂർണ്ണമോ ആണ്. അതിനാൽ, ഒന്നോ അല്ലെങ്കിൽ മറ്റൊരു സാമ്യത്തിന്റെ തിരഞ്ഞെടുപ്പ് പൂർണ്ണമായും ഗവേഷകന്റെ നിലവിലുള്ള അനുഭവത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്, കൂടാതെ ഗവേഷകന്റെ തെറ്റുകൾ തെറ്റായ മോഡലിംഗ് ഫലങ്ങളിലേക്ക് നയിച്ചേക്കാം. മോഡൽ നിർമ്മിക്കുമ്പോൾ, പിന്നെ അടുത്ത പ്രശ്നംഅതുമായി പ്രവർത്തിക്കുന്നതിന്റെ പ്രശ്നം, മോഡൽ നടപ്പിലാക്കൽ എന്നിവ പരിഗണിക്കാം. അന്തിമ ഫലങ്ങൾ നേടുന്നതിനുള്ള സമയം കുറയ്ക്കുകയും അവയുടെ വിശ്വാസ്യത ഉറപ്പാക്കുകയും ചെയ്യുക എന്നതാണ് ഇവിടെ പ്രധാന ജോലികൾ. ശരിയായി നിർമ്മിച്ച ഒരു മോഡലിന്റെ സവിശേഷത, അത് ഗവേഷകന് ആവശ്യമുള്ള പാറ്റേണുകൾ മാത്രം വെളിപ്പെടുത്തുന്നു, കൂടാതെ യഥാർത്ഥ സിസ്റ്റത്തിന്റെ സവിശേഷതകൾ ഇപ്പോൾ പ്രാധാന്യമില്ലാത്തവ പരിഗണിക്കുന്നില്ല എന്നതാണ്. സിസ്റ്റം മോഡലിംഗ് തരങ്ങളുടെ വർഗ്ഗീകരണം ചിത്രത്തിൽ കാണിച്ചിരിക്കുന്നു. 1.1 ഗണിത മോഡലിംഗ്- വിവിധ സാഹചര്യങ്ങളിൽ സിസ്റ്റങ്ങളുടെ (ഒബ്ജക്റ്റുകളുടെ) സ്വഭാവം പഠിക്കുന്നതിനും, അളവുകളില്ലാതെ അല്ലെങ്കിൽ അവയുടെ ചെറിയ എണ്ണം ഉപയോഗിച്ച് ഒറിജിനലിന്റെ ചില സവിശേഷതകൾ നേടുന്നതിനും (കണക്കെടുക്കുക) ഗണിതശാസ്ത്ര മോഡലുകളുടെ നിർമ്മാണവും ഉപയോഗവുമാണ്. ഗണിതശാസ്ത്ര മോഡലിംഗിന്റെ ചട്ടക്കൂടിനുള്ളിൽ, രണ്ട് സമീപനങ്ങൾ ഉയർന്നുവന്നിട്ടുണ്ട്: - വിശകലനം; - അനുകരണം. 6 സിസ്റ്റങ്ങളുടെ മോഡലിംഗ് ഡിറ്റർമിനിസ്റ്റിക് സ്റ്റോക്കാസ്റ്റിക് സ്റ്റാറ്റിക് ഡൈനാമിക് ഡിസ്ക്രീറ്റ് ഡിസ്ക്രീറ്റ്-തുടർച്ചതുടർച്ചയായ അബ്സ്ട്രാക്റ്റ് മെറ്റീരിയൽ വിഷ്വൽ സിംബോളിക് മാത്തമാറ്റിക്കൽ നാച്ചുറൽ ഫിസിക്കൽ അനലിറ്റിക് സംയുക്തം. സിമുലേഷൻ ചിത്രം. 1.1 സിസ്റ്റത്തിന്റെ പാരാമീറ്ററുകളെയും ഘടകങ്ങളെയും ബന്ധിപ്പിക്കുന്ന സൂത്രവാക്യ ഡിപൻഡൻസികളുടെ നിർമ്മാണത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് വിശകലന സമീപനം. വളരെക്കാലമായി, ഈ സമീപനം യഥാർത്ഥ ഗണിതശാസ്ത്ര സമീപനമായിരുന്നു. എന്നിരുന്നാലും, പരിഗണിക്കുമ്പോൾ സങ്കീർണ്ണമായ സംവിധാനങ്ങൾകർശനമായ ഗണിതശാസ്ത്രപരമായ ആശ്രിതത്വങ്ങൾ വളരെ സങ്കീർണ്ണമാണ്, അത് ആവശ്യമാണ് ഒരു വലിയ സംഖ്യആവശ്യമായ പാരാമീറ്റർ മൂല്യങ്ങൾ നേടുന്നതിനുള്ള അളവുകൾ. സങ്കീർണ്ണമായ സിസ്റ്റങ്ങളുടെ പ്രവർത്തന പ്രക്രിയകളുടെ സവിശേഷതകളുടെ വിശകലനം മാത്രം ഉപയോഗിക്കുന്നു വിശകലന രീതികൾഗവേഷണത്തിന് കാര്യമായ ബുദ്ധിമുട്ടുകൾ നേരിടേണ്ടിവരുന്നു, മോഡലുകളെ അവയുടെ നിർമ്മാണ ഘട്ടത്തിലോ മോഡലുമായി പ്രവർത്തിക്കുന്ന പ്രക്രിയയിലോ കാര്യമായി ലളിതമാക്കേണ്ടതിന്റെ ആവശ്യകതയിലേക്ക് നയിക്കുന്നു, ഇത് ഫലങ്ങളുടെ വിശ്വാസ്യത കുറയ്ക്കുന്നു. സിസ്റ്റം പാരാമീറ്ററുകളുടെ പ്രോബബിലിസ്റ്റിക് പ്രാതിനിധ്യത്തിൽ ചെബിഷേവിന്റെ പരിധി സിദ്ധാന്തത്തിന്റെ ഉപയോഗത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് മോഡലിംഗിലേക്കുള്ള സിമുലേഷൻ (സ്റ്റാറ്റിസ്റ്റിക്കൽ) സമീപനം. സിമുലേറ്റഡ് സിസ്റ്റത്തിന്റെ പ്രാഥമിക പഠനത്തെ അടിസ്ഥാനമാക്കി, വിതരണ നിയമങ്ങളുടെ തരങ്ങളും മൂല്യങ്ങളും വളരെ ലളിതമായി നിർണ്ണയിക്കപ്പെടുന്നു. ക്രമരഹിതമായ വേരിയബിളുകൾപരാമീറ്ററുകൾ. സിമുലേഷൻ സമീപനത്തിന്റെ ചട്ടക്കൂടിനുള്ളിൽ, സിസ്റ്റം ഘടകങ്ങളുടെ പാരാമീറ്ററുകൾക്കിടയിൽ അനലിറ്റിക്കൽ ഡിപൻഡൻസികൾ ഉപയോഗിക്കുന്നു, എന്നാൽ ഈ ഡിപൻഡൻസികൾ കൂടുതൽ സാമാന്യവൽക്കരിച്ചതും ലളിതവുമായ സ്വഭാവമാണ്. വിശകലന സമീപനത്തിനുള്ളിലെ ആശ്രിതത്വത്തേക്കാൾ വളരെ ലളിതമാണ് അവ. 7 വിവര സംവിധാനങ്ങൾ ഉൾപ്പെടെയുള്ള സിസ്റ്റങ്ങളുടെ ഗണിത മോഡലിംഗ്, സിസ്റ്റങ്ങളുടെ ഘടന ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനും സിസ്റ്റങ്ങളുടെ ഏറ്റവും ഒപ്റ്റിമൽ ഓപ്പറേറ്റിംഗ് മോഡുകൾ തിരഞ്ഞെടുക്കുന്നതിനും ഹാർഡ്‌വെയർ ഉപകരണങ്ങളുടെ ആവശ്യമായ സവിശേഷതകൾ നിർണ്ണയിക്കുന്നതിനും ലക്ഷ്യമിടുന്നു. സോഫ്റ്റ്വെയർ. വിവരങ്ങളുൾപ്പെടെയുള്ള സാങ്കേതിക പ്രക്രിയകളുടെ ഗണിത മോഡലിംഗ്, വസ്തുവിന്റെ ഒപ്റ്റിമൽ അല്ലെങ്കിൽ സ്വീകാര്യമായ സ്വഭാവസവിശേഷതകൾ കണ്ടെത്തുക, ഒപ്റ്റിമൽ പ്രോസസ്സിംഗ് മോഡുകൾ കണ്ടെത്തുക, ഉദ്യോഗസ്ഥരെ പരിശീലിപ്പിക്കുക, ചില നിയന്ത്രണ പ്രവർത്തനങ്ങൾ നൽകുക എന്നിവയാണ് പ്രധാന ലക്ഷ്യങ്ങൾ. ഏത് സാഹചര്യത്തിലും, മോഡലിംഗ് ഇനിപ്പറയുന്ന ആവശ്യകതകൾ പാലിക്കണം: - മോഡലുകൾ പ്രസക്തമായ സിസ്റ്റങ്ങൾക്കോ ​​​​സാങ്കേതിക ജോലികൾക്കോ ​​പര്യാപ്തമായിരിക്കണം; - ആവശ്യമായ കൃത്യത ഉറപ്പാക്കണം; - ഉപയോക്താവിന്റെ സൗകര്യം - സാങ്കേതികവിദ്യയിലോ വിവര പ്രോസസ്സിംഗിലോ (മാനേജ്മെന്റ്) ഒരു സ്പെഷ്യലിസ്റ്റ് ഉറപ്പാക്കണം: - വ്യക്തമായ ഇന്റർഫേസ്മോഡലിംഗ് മാനേജ്മെന്റ്; - ജോലിയുടെ മതിയായ വേഗത; - ഫലങ്ങളുടെ വ്യക്തത; - മോഡലിംഗ് ഉപകരണങ്ങളുടെ വികസനത്തിനും ഉപയോഗത്തിനും സ്വീകാര്യമായ ചിലവ്. 2. സ്റ്റാറ്റിസ്റ്റിക്കൽ ടെസ്റ്റിംഗ് രീതിയുടെ സാരാംശവും കമ്പ്യൂട്ടർ ഉപയോഗിച്ചുള്ള അതിന്റെ നിർവ്വഹണവും ഒരു പ്രോബബിലിസ്റ്റിക് മാത്തമാറ്റിക് മോഡൽ ഉപയോഗിച്ച് പഠനത്തിന് കീഴിലുള്ള പ്രക്രിയ പുനർനിർമ്മിക്കുകയും ഈ പ്രക്രിയയുടെ സവിശേഷതകൾ കണക്കാക്കുകയും ചെയ്യുന്നതാണ് സ്റ്റാറ്റിസ്റ്റിക്കൽ മോഡലിംഗ് രീതി. ഫോമിൽ പരിഗണനയിലുള്ള പ്രക്രിയയുടെ സവിശേഷതകൾ നിർണ്ണയിക്കുന്നതിന് ലഭിച്ച ഡാറ്റയുടെ തുടർന്നുള്ള സ്റ്റാറ്റിസ്റ്റിക്കൽ പ്രോസസ്സിംഗ് ഉപയോഗിച്ച് നിർമ്മിച്ച മോഡലിന്റെ ആവർത്തിച്ചുള്ള പരിശോധനയെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് ഈ രീതി. സ്ഥിതിവിവരക്കണക്കുകൾഅതിന്റെ പാരാമീറ്ററുകൾ. സമവാക്യം പരിഗണിക്കുക: y = f (x, t, ξ), (2.1) ഇവിടെ y എന്നത് നിർണ്ണയിക്കേണ്ട ഒരു സിസ്റ്റം പരാമീറ്ററാണ്, x ഒരു ഘട്ട വേരിയബിളാണ്, t ആണ് സമയം, ξ എന്നത് ഒരു റാൻഡം പാരാമീറ്ററാണ്, ഇതിന്റെ വിതരണ നിയമം ഞങ്ങൾക്ക് അറിയാവുന്ന. ഫംഗ്ഷൻ രേഖീയമല്ലെങ്കിൽ, ഈ പ്രശ്നം പരിഹരിക്കാൻ ഒരു മാർഗവുമില്ല. സാർവത്രിക രീതികൾപരിഹാരങ്ങളും സാമാന്യം പൂർണ്ണമായി വികസിപ്പിച്ച പതിവ് തിരയൽ രീതികളും ഒപ്റ്റിമൽ പരിഹാരങ്ങൾഗണിതശാസ്ത്രത്തിന്റെ രൂപഭാവത്തിന് മുൻഗണന നൽകിക്കൊണ്ട് മാത്രമേ ഇത് പ്രയോഗിക്കാൻ കഴിയൂ; ലളിതവൽക്കരണം ഗുരുതരമായ കൃത്യത നഷ്ടപ്പെടുന്നതിലേക്ക് നയിക്കും. ഗണിതശാസ്ത്ര മാതൃകപഠനത്തിൻ കീഴിലുള്ള സിസ്റ്റത്തിന് അപര്യാപ്തമായിത്തീരും, കൂടാതെ മോഡലിംഗ് ഒരു വ്യാമോഹം മാത്രമായിരിക്കും. എന്നിരുന്നാലും, നൽകിയിരിക്കുന്ന വിതരണ നിയമം ഉപയോഗിച്ച് y = ϕ (ξ) എന്ന ഫംഗ്‌ഷനും റാൻഡം നമ്പർ ജനറേറ്റർ ξ 1, ξ 2, ..., ξ N എന്നിവയും നിർമ്മിക്കാൻ കഴിയുമെങ്കിൽ, y യുടെ മൂല്യം y = ആയി കണക്കാക്കാം. ∑ ϕ (ξ i) N, (2.2) ഇവിടെ ϕ (ξ 1) എന്നത് i-th നടപ്പിലാക്കലിന്റെ മൂല്യമാണ്. f (x, t, ξ) എന്നത് വിവര പരിവർത്തന പ്രക്രിയയുടെ ഒരു വിശകലന മാതൃക ആണെങ്കിൽ അല്ലെങ്കിൽ സാങ്കേതിക പ്രക്രിയഭാഗത്തിന്റെ പ്രോസസ്സിംഗ്, തുടർന്ന് ϕ (ξ) ഒരു സ്റ്റാറ്റിസ്റ്റിക്കൽ മോഡലായിരിക്കും. സ്റ്റാറ്റിസ്റ്റിക്കൽ മോഡലുകൾ നിർമ്മിക്കുന്നതിനുള്ള ചില തത്വങ്ങളും സാങ്കേതികതകളും പിന്നീട് ചർച്ച ചെയ്യും. y = ϕ (ξ) എന്ന ഫംഗ്‌ഷൻ നിർമ്മിക്കുമ്പോൾ സെൻസറും പ്രധാനമാണ് ക്രമരഹിത സംഖ്യകൾξ 1, ξ 2, ..., ξ N കടലാസിൽ മിക്ക കേസുകളിലും ഉചിതമായ സോഫ്റ്റ്വെയറിന്റെ ചട്ടക്കൂടിനുള്ളിൽ ഒരു കമ്പ്യൂട്ടറിൽ അവ നടപ്പിലാക്കുന്നത് വളരെ എളുപ്പമാണ്. ഈ സാഹചര്യത്തിൽ, ഫലങ്ങളിൽ ഒരു പിശക് അടങ്ങിയിരിക്കും, എന്നാൽ വിശകലന മാതൃകയിലെ അനുമാനങ്ങൾ കാരണം ഈ പിശക് പിശകുകളേക്കാൾ കുറവാണ്. കൂടാതെ, ഒരു സ്റ്റാറ്റിസ്റ്റിക്കൽ മോഡലിന്റെ പ്രയോഗം മൂലമുണ്ടാകുന്ന പിശക് കണക്കാക്കാം. സമവാക്യത്തിൽ (2.1) ക്രമരഹിതമായ പാരാമീറ്ററുകൾ മാത്രമല്ല, ക്രമരഹിതമായ പ്രവർത്തനങ്ങളും അടങ്ങിയിരിക്കുമ്പോൾ, ഈ സാങ്കേതികത കൂടുതൽ സങ്കീർണ്ണമായ കേസുകളിലേക്കും വ്യാപിക്കുന്നു. ഒരു കമ്പ്യൂട്ടറിൽ N നടപ്പിലാക്കലുകൾ സ്വീകരിച്ച ശേഷം, സ്ഥിതിവിവരക്കണക്ക് പ്രോസസ്സിംഗ് ഘട്ടം പിന്തുടരുന്നു, ഇത് ഗണിതശാസ്ത്ര പ്രതീക്ഷ (2.2), മറ്റ് പാരാമീറ്ററുകൾ ϕ (ξ) എന്നിവയ്‌ക്കൊപ്പം കണക്കാക്കുന്നത് സാധ്യമാക്കുന്നു, ഉദാഹരണത്തിന്, വ്യത്യാസം D = 1 N * ∑ x.i − 1 N 2* (∑ x.i) . സ്റ്റാറ്റിസ്റ്റിക്കൽ ടെസ്റ്റിംഗ് രീതിയിൽ, മതിയായ വിശ്വസനീയമായ ഫലങ്ങൾ ലഭിക്കുന്നതിന്, അത് ഉറപ്പാക്കേണ്ടത് ആവശ്യമാണ് വലിയ സംഖ്യനടപ്പിലാക്കലുകൾ N, കൂടാതെ, പ്രശ്നത്തിന്റെ ഒരു പ്രാരംഭ പാരാമീറ്ററിലെങ്കിലും മാറ്റം വരുത്തിയാൽ, N ടെസ്റ്റുകളുടെ ഒരു പരമ്പര വീണ്ടും നടത്തേണ്ടത് ആവശ്യമാണ്. സങ്കീർണ്ണമായ മോഡലുകളിൽ, N ന്റെ യുക്തിരഹിതമായ വലിയ മൂല്യം ഫലങ്ങൾ ലഭിക്കുന്നതിന് കാലതാമസം വരുത്തുന്ന ഒരു ഘടകമായി മാറിയേക്കാം. അതിനാൽ, ആവശ്യമായ ഫലങ്ങളുടെ എണ്ണം കൃത്യമായി കണക്കാക്കേണ്ടത് പ്രധാനമാണ്. കോൺഫിഡൻസ് ഇന്റർവെൽ ε, കോൺഫിഡൻസ് പ്രോബബിലിറ്റി α, വേരിയൻസ് D, തിരിച്ചറിയലുകളുടെ എണ്ണം N എന്നിവ ε = D NF -1 (α) എന്ന ബന്ധവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു, ഇവിടെ Ф -1 (α) ഫംഗ്‌ഷൻ ആണ്, വിപരീത പ്രവർത്തനംലാപ്ലേസ്. പ്രായോഗികമായി, നിങ്ങൾക്ക് α ≥ 0.99 എന്നതിനായി N ≤ D ε 2 * 6.76 എന്ന ബന്ധം ഉപയോഗിക്കാം, വിശ്വാസ്യതയ്ക്കായി, ഏറ്റവും ഉയർന്ന മൂല്യം N ബന്ധത്തിൽ നിന്ന് (). n, n എന്ന യാഥാർത്ഥ്യങ്ങളുടെ എണ്ണത്തിന് സമാനമായ സ്റ്റാറ്റിസ്റ്റിക്കൽ മോഡൽ ഉപയോഗിച്ച് D വ്യതിയാനത്തിന്റെ ഒരു എസ്റ്റിമേറ്റ് മുൻകൂട്ടി ലഭിക്കും.<< N . 9 При построении статистических моделей информационных систем ис- пользуется общий и прикладной математический аппарат. В качестве приме- ра можно привести аппарат систем массового обслуживания. Система массо- вого обслуживания (СМО) - система, предназначенная для выполнения пото- ка однотипных требований случайного характера. Статистическое моделиро- вание СМО заключается в многократном воспроизведении исследуемого процесса (технического, социального и т.д.) при помощи вероятностной ма- тематической модели и соответствующей обработке получаемой при этом статистики. Существуют пакеты программ статистического моделирования СМО, однако они требуют определенных усилий для их освоения и не всегда доступны. Поэтому в рамках дисциплины предлагается достаточно простой подход, позволяющий с наименьшими затратами моделировать простые СМО. При этом предполагается, что пользователь ознакомлен с теорией мас- сового обслуживания и имеет навыки работы на компьютере. Следует пом- нить, что массовое обслуживание - важный, но далеко не единственный предмет статистического моделирования. На основе этого метода решаются, например, задачи физики (ядерной, твердого тела, термодинамики), задачи оптимизации маршрутов, моделирования игр и т.п. 3. ОБОБЩЕННЫЕ АЛГОРИТМЫ СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ Существуют две схемы статистического моделирования: - моделирование по принципу особых состояний; - моделирование по принципу ∧ t . Порядок моделирования по принципу особых состояний заключается в выполнении следующих действий: 1) случайным образом определяется событие с минимальным временем - бо- лее раннее событие; 2) модельному времени присваивается значение времени наступления наибо- лее раннего события; 3) определяется тип наступившего события; 4) в зависимости от типа наступившего события осуществляется выполнение тех или иных блоков математической модели; 5) перечисленные действия повторяются до истечения времени моделирова- ния. В процессе моделирования производится измерение и статистическая обработка значений выходных характеристик. Эта схема моделирования хо- рошо подходит для систем массового обслуживания в традиционном их опи- сании. Обобщенный алгоритм моделирования по принципу особых состоя- ний представлен схемой на рис. 3.1. 10 н Определение времени наступления очередного события Корректировка текущего модельного времени Опр.типа соб Блок реакции 1 Блок реакции К нет Конец модел Да Рис. к Моделирование по принципу ∧ t осуществляется следующим образом: 1) устанавливаются начальные состояния, в т. ч. t = 0 ; 2) модельному времени дается приращение t = t + ∧t ; 3) на основе вектора текущих состояний элементов модели и нового значения времени рассчитываются новые значения этих состояний; за ∧ t может на- ступить одно событие, несколько событий или же может вообще не проис- ходить событий; пересчет состояния всех элементов системы – более тру- доемкая процедура, нежели любой из блоков реакции модели, построенной по принципу особых состояний; 4) если не превышено граничное время моделирования, предыдущие пункты повторяются. В процессе моделирования производится измерение и статистическая обработка значений выходных характеристик. Эта схема моделирования применима для более широкого круга систем, нежели моделирование по принципу особых событий, однако есть проблемы с определением ∧ t . Если задать его слишком большим - теряется точность, слишком малым - возрас- тает время моделирования. На основе базовых схем моделирования можно строить комбинирован- ные и диалоговые схемы, в которых моделирование идет под контролем опе-

സർവ്വകലാശാലകൾക്കുള്ള പാഠപുസ്തകം

2nd ed., പരിഷ്കരിച്ചു. കൂടാതെ അധികവും

2014 ജി.

സർക്കുലേഷൻ 1000 കോപ്പികൾ.

ഫോർമാറ്റ് 60x90/16 (145x215 മിമി)

പതിപ്പ്: പേപ്പർബാക്ക്

ഐ.എസ്.ബി.എൻ 978-5-9912-0193-3

ബിബികെ 32.882

യു.ഡി.സി 621.395

കഴുകൻ UMO
"നെറ്റ്‌വർക്കുകളും സ്വിച്ചിംഗ് സിസ്റ്റങ്ങളും", "മൾട്ടിചാനൽ ടെലികമ്മ്യൂണിക്കേഷൻ സിസ്റ്റങ്ങൾ" എന്നീ പ്രത്യേകതകളിൽ പഠിക്കുന്ന ഉന്നത വിദ്യാഭ്യാസ സ്ഥാപനങ്ങളിലെ വിദ്യാർത്ഥികൾക്ക് ഒരു അധ്യാപന സഹായമായി ടെലികമ്മ്യൂണിക്കേഷൻ മേഖലയിലെ വിദ്യാഭ്യാസത്തിനായി വിദ്യാഭ്യാസ വിദ്യാഭ്യാസ സ്ഥാപനം ശുപാർശ ചെയ്യുന്നു.

വ്യാഖ്യാനം

വ്യതിരിക്തവും തുടർച്ചയായതുമായ ക്രമരഹിതമായ വേരിയബിളുകളും പ്രക്രിയകളും മോഡലിംഗ് ചെയ്യുന്നതിനുള്ള അൽഗോരിതങ്ങൾ പരിഗണിക്കപ്പെടുന്നു. മാർക്കോവ് പ്രക്രിയകൾ വിവരിക്കുന്ന വിവര സിഗ്നലുകൾ മോഡലിംഗ് ചെയ്യുന്നതിനുള്ള തത്വങ്ങളും അൽഗോരിതങ്ങളും വ്യതിരിക്തവും നിരന്തരവുമായ സമയം കൊണ്ട് വിവരിച്ചിരിക്കുന്നു. മോഡലിംഗ് ക്യൂയിംഗ് സിസ്റ്റങ്ങളുടെ തത്വങ്ങൾ പരിഗണിക്കപ്പെടുന്നു. ടെലികമ്മ്യൂണിക്കേഷൻ ട്രാഫിക് മോഡലിംഗ് ചെയ്യുന്നതിനുള്ള ഫ്രാക്റ്റൽ, മൾട്ടിഫ്രാക്ടൽ പ്രക്രിയകളുടെ വിവരണത്തിന്റെയും ഉപയോഗത്തിന്റെയും സവിശേഷതകൾ വിവരിച്ചിരിക്കുന്നു. പ്രത്യേക ആപ്ലിക്കേഷൻ പാക്കേജുകളായ മാറ്റ്‌ലാബ്, ഓപ്‌നെറ്റ്, നെറ്റ്‌വർക്ക് സിമുലേറ്റർ എന്നിവ ഉപയോഗിച്ച് വിവര സിസ്റ്റങ്ങളുടെ മോഡലിംഗ് രീതികളും ഉദാഹരണങ്ങളും വിശകലനം ചെയ്യുന്നു.

"നെറ്റ്‌വർക്കുകളും സ്വിച്ചിംഗ് സിസ്റ്റങ്ങളും", "മൾട്ടിചാനൽ ടെലികമ്മ്യൂണിക്കേഷൻ സിസ്റ്റംസ്", "ഇൻഫർമേഷൻ സിസ്റ്റങ്ങളും ടെക്നോളജീസും" എന്നീ സ്പെഷ്യാലിറ്റികളിൽ പഠിക്കുന്ന വിദ്യാർത്ഥികൾക്ക്.

ആമുഖം

1 സിസ്റ്റം മോഡലിംഗിന്റെ പൊതു തത്വങ്ങൾ
1.1 മോഡലിന്റെയും സിമുലേഷന്റെയും പൊതുവായ ആശയങ്ങൾ
1.2 മോഡൽ വർഗ്ഗീകരണം
1.3 മാതൃകാ ഘടന
1.4 ഒരു സങ്കീർണ്ണ സംവിധാനത്തിന്റെ പ്രവർത്തനം ഔപചാരികമാക്കുന്നതിനുള്ള രീതിശാസ്ത്രപരമായ അടിസ്ഥാനം
1.5 ഘടകം മോഡലിംഗ്
1.6 ഒരു ഗണിതശാസ്ത്ര മാതൃക രൂപീകരിക്കുന്നതിനുള്ള ഘട്ടങ്ങൾ
1.7 സിമുലേഷൻ മോഡലിംഗ്
ചോദ്യങ്ങൾ നിയന്ത്രിക്കുക

2 ആശയവിനിമയ സംവിധാനങ്ങളും നെറ്റ്‌വർക്കുകളും നിർമ്മിക്കുന്നതിനുള്ള പൊതു തത്വങ്ങൾ
2.1 ആശയവിനിമയ സംവിധാനങ്ങളും നെറ്റ്‌വർക്കുകളും നിർമ്മിക്കുന്നതിനുള്ള ആശയം
2.2 മൾട്ടി ലെവൽ നെറ്റ്‌വർക്ക് മോഡലുകൾ
2.2.1. ത്രിതല മോഡൽ
2.2.2. TCP/IP പ്രോട്ടോക്കോൾ ആർക്കിടെക്ചർ
2.2.3. OSI റഫറൻസ് മോഡൽ
2.3 ആശയവിനിമയ ശൃംഖലകളുടെ ഘടന
2.3.1. ആഗോള നെറ്റ്‌വർക്കുകൾ
2.3.2. ലോക്കൽ ഏരിയ നെറ്റ്‌വർക്കുകൾ
2.3.3. കമ്പ്യൂട്ടർ നെറ്റ്‌വർക്ക് ടോപ്പോളജികൾ
2.3.4. ഇഥർനെറ്റ് LAN-കൾ
2.4 ഫ്രെയിം റിലേ നെറ്റ്‌വർക്കുകൾ
2.5 IP ടെലിഫോണി
ചോദ്യങ്ങൾ നിയന്ത്രിക്കുക

3 റാൻഡം നമ്പർ സിമുലേഷൻ
3.1 ക്രമരഹിത സംഖ്യകളെക്കുറിച്ചുള്ള പൊതുവായ വിവരങ്ങൾ
3.2 ഏകീകൃതമായി വിതരണം ചെയ്ത ക്രമരഹിത സംഖ്യകൾ സൃഷ്ടിക്കുന്നതിനുള്ള സോഫ്റ്റ്വെയർ രീതികൾ
3.3 തന്നിരിക്കുന്ന വിതരണ നിയമം ഉപയോഗിച്ച് ക്രമരഹിതമായ വേരിയബിളുകളുടെ രൂപീകരണം
3.3.1. വിപരീത പ്രവർത്തന രീതി
3.3.2. ക്രമരഹിത സംഖ്യകൾ പരിവർത്തനം ചെയ്യുന്നതിനുള്ള ഏകദേശ രീതികൾ
3.3.3. സ്ക്രീനിംഗ് രീതി (ന്യൂമാൻ ജനറേഷൻ രീതി)
3.4 കേന്ദ്ര പരിധി സിദ്ധാന്തത്തെ അടിസ്ഥാനമാക്കിയുള്ള രീതികൾ
3.5 റാൻഡം വേരിയബിളുകൾ സാധാരണയായി ഉപയോഗിക്കുന്ന മോഡലിംഗ് അൽഗോരിതങ്ങൾ
3.6 പരസ്പര ബന്ധമുള്ള റാൻഡം വേരിയബിളുകൾ മോഡലിംഗ് ചെയ്യുന്നതിനുള്ള അൽഗോരിതങ്ങൾ
3.7 ക്രമരഹിതമായ വെക്റ്ററുകളുടെയും ഫംഗ്‌ഷനുകളുടെയും നടപ്പാക്കലുകൾ സൃഷ്ടിക്കുന്നു
3.7.1. സ്വതന്ത്ര കോർഡിനേറ്റുകൾ ഉപയോഗിച്ച് ഒരു n-ഡയമൻഷണൽ റാൻഡം പോയിന്റ് മോഡലിംഗ്
3.7.2. ക്രമരഹിതമായ വെക്‌ടറിന്റെ രൂപീകരണം (കോറിലേഷൻ സിദ്ധാന്തത്തിന്റെ ചട്ടക്കൂടിനുള്ളിൽ)
3.7.3. റാൻഡം ഫംഗ്‌ഷനുകളുടെ നിർവ്വഹണങ്ങൾ സൃഷ്ടിക്കുന്നു

4 വ്യതിരിക്തമായ വിതരണങ്ങളുടെ മോഡലിംഗ്
4.1 ബെർണൂലി വിതരണം
4.2 ദ്വിപദ വിതരണം
4.3 വിഷം വിതരണം
4.4 ക്രമരഹിത സംഭവങ്ങളുടെ സ്കീമിലെ ടെസ്റ്റുകളുടെ സിമുലേഷൻ
4.4.1. ക്രമരഹിതമായ സംഭവങ്ങളുടെ അനുകരണം
4.4.2. വിപരീത സംഭവങ്ങളുടെ അനുകരണം
4.4.3. ഒരു ഡിസ്‌ക്രീറ്റ് റാൻഡം വേരിയബിളിന്റെ സിമുലേഷൻ
4.4.4. സംഭവങ്ങളുടെ ഒരു സമ്പൂർണ്ണ ഗ്രൂപ്പിന്റെ അനുകരണം
4.5 ഇവന്റ് സ്ട്രീമുകൾ
4.6 സിമുലേഷൻ ഫലങ്ങളുടെ പ്രോസസ്സിംഗ്
4.6.1. നടപ്പാക്കലുകളുടെ കൃത്യതയും എണ്ണവും
4.6.2. പ്രാഥമിക സ്റ്റാറ്റിസ്റ്റിക്കൽ ഡാറ്റ പ്രോസസ്സിംഗ്
ചോദ്യങ്ങൾ നിയന്ത്രിക്കുക

5 സ്റ്റോക്കാസ്റ്റിക് സിഗ്നലുകൾ മോഡലിംഗ് ചെയ്യുന്നതിനും ആശയവിനിമയ സംവിധാനങ്ങളിൽ ഇടപെടുന്നതിനുമുള്ള അൽഗോരിതങ്ങൾ
5.1 നോൺ-സ്റ്റേഷണറി റാൻഡം പ്രോസസ്സുകൾ മോഡലിംഗ് ചെയ്യുന്നതിനുള്ള അൽഗോരിതം
5.2 സ്റ്റേഷണറി റാൻഡം പ്രോസസുകളെ മാതൃകയാക്കുന്നതിനുള്ള അൽഗോരിതങ്ങൾ
5.3 സിഗ്നലുകളും ശബ്ദവും സ്‌റ്റോക്കാസ്റ്റിക് ഡിഫറൻഷ്യൽ സമവാക്യങ്ങളുടെ രൂപത്തിൽ മോഡലിംഗ് ചെയ്യുന്നതിനുള്ള രീതികൾ
5.4 ആശയവിനിമയ സംവിധാനങ്ങളിലെ ക്രമരഹിതമായ പ്രക്രിയകളുടെ മാതൃകകളുടെ ഉദാഹരണങ്ങൾ
5.4.1. വിവര പ്രക്രിയകളുടെ മാതൃകകൾ
5.4.2. ഇടപെടൽ മോഡലുകൾ
5.4.3. പ്രധാന തരത്തിലുള്ള ഇടപെടലുകളുടെ സവിശേഷതകൾ
ചോദ്യങ്ങൾ നിയന്ത്രിക്കുക

6 മാർക്കോവ് ക്രമരഹിതമായ പ്രക്രിയകളും അവയുടെ മോഡലിംഗും
6.1 മാർക്കോവ് ക്രമരഹിതമായ പ്രക്രിയയുടെ അടിസ്ഥാന ആശയങ്ങൾ
6.2 വ്യതിരിക്തമായ മാർക്കോവ് ശൃംഖലകളുടെ അടിസ്ഥാന ഗുണങ്ങൾ
6.3 തുടർച്ചയായ മാർക്കോവ് ചങ്ങലകൾ
6.3.1. അടിസ്ഥാന സങ്കൽപങ്ങൾ
6.3.2. സെമി-മാർക്കോവ് പ്രക്രിയകൾ
6.3.3. മരണത്തിന്റെയും പുനരുൽപാദനത്തിന്റെയും പ്രക്രിയകൾ
6.4 സ്റ്റോക്കാസ്റ്റിക് ഡിഫറൻഷ്യൽ സമവാക്യങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള തുടർച്ചയായ മൂല്യമുള്ള മാർക്കോവ് ക്രമരഹിതമായ പ്രക്രിയകളുടെ മാതൃകകൾ
6.5 മാർക്കോവ് ക്രമരഹിതമായ പ്രക്രിയകളുടെ മോഡലിംഗ്
6.5.1. ഡിസ്ക്രീറ്റ് പ്രോസസ് മോഡലിംഗ്
6.5.2. സ്കെയിലർ തുടർച്ചയായ മൂല്യമുള്ള പ്രക്രിയകളുടെ മോഡലിംഗ്
6.5.3. തുടർച്ചയായ മൂല്യമുള്ള വെക്റ്റർ പ്രക്രിയകളുടെ മോഡലിംഗ്
6.5.4. ഫ്രാക്ഷണൽ-റേഷണൽ സ്പെക്ട്രൽ ഡെൻസിറ്റി ഉള്ള ഒരു ഗാസിയൻ പ്രക്രിയയുടെ അനുകരണം
6.5.5. കണക്റ്റുചെയ്‌ത ശ്രേണികളെ മോഡലിംഗ് ഗുണിക്കുന്നു
6.5.6. രൂപപ്പെടുത്തുന്ന ഫിൽട്ടറുകൾ ഉപയോഗിച്ച് മാർക്കോവ് പ്രക്രിയകൾ മോഡലിംഗ് ചെയ്യുന്നു
6.5.7. മാർക്കോവ് ശൃംഖലകളുടെ സ്റ്റാറ്റിസ്റ്റിക്കൽ മോഡലിംഗിനുള്ള അൽഗോരിതം
ചോദ്യങ്ങൾ നിയന്ത്രിക്കുക

മാർക്കോവ് മോഡലുകളുടെ 7 ഉദാഹരണങ്ങൾ
7.1 വരിക്കാരുടെ സംഭാഷണ സംഭാഷണത്തിന്റെ മാർക്കോവ് മോഡലുകൾ
7.1.1. വോയ്സ് സിഗ്നൽ സംസ്ഥാനങ്ങൾ
7.1.2. ഡയലോഗ് മോഡലുകൾ
7.2 സംഭാഷണ മോണോലോഗിന്റെ മാർക്കോവ് മോഡലുകൾ
7.3 സംഭാഷണ മാതൃകകളിൽ മാർക്കോവിയൻ നിയന്ത്രിക്കുന്ന വിഷം പ്രക്രിയ
7.4 G.728 കോഡെക്കിന്റെ ഔട്ട്പുട്ടിൽ ഡിജിറ്റൽ സീക്വൻസുകളുടെ മാർക്കോവ് മോഡലുകൾ
7.5 ടെലിഫോൺ ഡയലോഗിന്റെ മാർക്കോവ് മോഡൽ കണക്കിലെടുത്ത് വോയ്‌സ് പാക്കറ്റുകളുടെ സ്റ്റാറ്റിസ്റ്റിക്കൽ സോഴ്‌സ് കോംപാക്ഷൻ
7.6 ARQ/FEC മെക്കാനിസത്തോടുകൂടിയ മാർക്കോവ് വയർലെസ് ചാനൽ മോഡൽ
7.7 ബാഗിംഗിൽ പിശക്
7.8 മോഡൽ പാരാമീറ്ററുകൾ ഉപയോഗിച്ച് പിശക് ഫ്ലോ സ്വഭാവസവിശേഷതകളുടെ കണക്കുകൂട്ടൽ
7.8.1. പിശക് ഫ്ലോ പാരാമീറ്ററുകളുടെ എസ്റ്റിമേഷൻ
7.8.2. പിശക് ഫ്ലോ മോഡലിന്റെ പര്യാപ്തത വിലയിരുത്തുന്നു
7.9 ഇന്റർനെറ്റിലെ തത്സമയ മൾട്ടിമീഡിയ സേവനങ്ങളുടെ QoS വിലയിരുത്തുന്നതിനുള്ള മാർക്കോവ് മോഡലുകൾ
7.9.1. തത്സമയ മൾട്ടിമീഡിയ സേവനങ്ങളുടെ ആശയം
7.9.2. കാലതാമസങ്ങളുടെയും നഷ്ടങ്ങളുടെയും വിശകലനവും മോഡലിംഗും
7.10 മൾട്ടിമീഡിയ ട്രാഫിക് ഫ്ലോ മോഡലുകൾ
ചോദ്യങ്ങൾ നിയന്ത്രിക്കുക

8 ക്യൂയിംഗ് സിസ്റ്റങ്ങളും അവയുടെ മോഡലിംഗും
8.1 ക്യൂയിംഗ് സിസ്റ്റങ്ങളുടെ പൊതു സവിശേഷതകൾ
8.2 ക്യൂയിംഗ് സിസ്റ്റം ഘടന
8.3 കാത്തിരിപ്പിനൊപ്പം ക്യൂവിംഗ് സംവിധാനങ്ങൾ
8.3.1. M/M/1 സേവന സംവിധാനം
8.3.2. M/G/1 സേവന സംവിധാനം
8.3.3. കമ്മ്യൂണിക്കേഷൻ ചാനലുകൾ വഴി ബന്ധിപ്പിച്ചിട്ടുള്ള ധാരാളം നോഡുകളുള്ള നെറ്റ്‌വർക്കുകൾ
8.3.4. മുൻഗണനാ സേവനം
8.3.5. M/M/N/m സേവന സംവിധാനം
8.4 പരാജയങ്ങളുള്ള ക്യൂയിംഗ് സിസ്റ്റങ്ങൾ
8.5 മോഡലിംഗ് ക്യൂയിംഗ് സിസ്റ്റങ്ങളുടെ പൊതു തത്വങ്ങൾ
8.5.1. സ്റ്റാറ്റിസ്റ്റിക്കൽ ടെസ്റ്റ് രീതി
8.5.2. സിസ്റ്റം പ്രവർത്തന പ്രക്രിയകളുടെ മോഡലുകൾ തടയുക
8.5.3. ക്യു-സർക്യൂട്ടുകൾ ഉപയോഗിച്ച് മോഡലിംഗിന്റെ സവിശേഷതകൾ
ചോദ്യങ്ങൾ നിയന്ത്രിക്കുക

9 സ്റ്റാൻഡേർഡ് ടെക്നിക്കൽ മാർഗങ്ങൾ ഉപയോഗിച്ച് വിവര സംവിധാനങ്ങൾ മോഡലിംഗ് ചെയ്യുക
9.1 സിസ്റ്റങ്ങളുടെ മോഡലിംഗ്, പ്രോഗ്രാമിംഗ് ഭാഷകൾ
9.2 GPSS ഭാഷാ അടിസ്ഥാനങ്ങൾ
9.2.1. ഡൈനാമിക് GPSS വസ്തുക്കൾ. ഇടപാടുകളെ അടിസ്ഥാനമാക്കിയുള്ള ബ്ലോക്കുകൾ (പ്രസ്താവനകൾ)
9.2.2. ഹാർഡ്‌വെയർ അധിഷ്ഠിത ബ്ലോക്കുകൾ (ഓപ്പറേറ്റർമാർ)
9.2.3. ഓമ്‌നിചാനൽ സേവനം
9.2.4. GPSS സ്റ്റാറ്റിസ്റ്റിക്കൽ ബ്ലോക്കുകൾ
9.2.5. GPSS ഓപ്പറേറ്റിംഗ് ബ്ലോക്കുകൾ
9.2.6. മറ്റ് GPSS ബ്ലോക്കുകൾ
9.3 GPSS പരിതസ്ഥിതിയിൽ ETHERNET നെറ്റ്‌വർക്കിന്റെ സിമുലേഷൻ മോഡലിംഗ്
ചോദ്യങ്ങൾ നിയന്ത്രിക്കുക

10 വിവര കൈമാറ്റ സംവിധാനങ്ങളുടെ മോഡലിംഗ്
10.1 സാധാരണ ഡാറ്റാ ട്രാൻസ്മിഷൻ സിസ്റ്റം
10.2 ഡിസ്ക്രീറ്റ് സിഗ്നൽ ട്രാൻസ്മിഷന്റെ ശബ്ദ പ്രതിരോധം. ഒപ്റ്റിമൽ സ്വീകരണം
10.3 പൂർണ്ണമായും അറിയപ്പെടുന്ന പരാമീറ്ററുകളുള്ള വ്യതിരിക്തമായ സിഗ്നലുകളുടെ തെറ്റായ സ്വീകരണത്തിന്റെ സാധ്യതയുടെ ഏകദേശ കണക്ക്
10.4 ക്രമരഹിതമായ പാരാമീറ്ററുകളുള്ള വ്യതിരിക്ത സിഗ്നലുകളുടെ ശബ്ദ പ്രതിരോധം
10.5 പൊരുത്തമില്ലാത്ത സ്വീകരണ സമയത്ത് വ്യതിരിക്തമായ സിഗ്നലുകളുടെ ശബ്ദ പ്രതിരോധം
10.6 ക്രമരഹിതമായ പ്രധാന പാരാമീറ്ററുകളുള്ള വ്യതിരിക്ത സിഗ്നലുകളുടെ ശബ്ദ പ്രതിരോധം
10.7 വ്യതിരിക്തമായ സിഗ്നലുകൾ സൃഷ്ടിക്കുന്നതിനുള്ള അൽഗോരിതങ്ങൾ
10.8 ഇടപെടൽ സൃഷ്ടിക്കുന്നതിനുള്ള അൽഗോരിതം
10.9 ഡിസ്ക്രീറ്റ് സിഗ്നൽ ഡീമോഡുലേഷൻ അൽഗോരിതം
10.10 സിമുലേഷൻ കോംപ്ലക്സിന്റെയും അതിന്റെ സബ്റൂട്ടീനുകളുടെയും ഘടന
10.11 Mathworks Matlab സോഫ്റ്റ്‌വെയർ പരിസ്ഥിതിയും സിമുലിങ്ക് വിഷ്വൽ മോഡലിംഗ് പാക്കേജും
10.11.1. സാങ്കേതിക വിവരണവും ഇന്റർഫേസും
10.11.2. സിമുലിങ്ക് വിഷ്വൽ മോഡലിംഗ് പാക്കേജ്
10.11.3. ഉപസിസ്റ്റങ്ങൾ സൃഷ്ടിക്കുകയും മറയ്ക്കുകയും ചെയ്യുന്നു
10.11.4. കമ്മ്യൂണിക്കേഷൻസ് ടൂൾബോക്സ് എക്സ്റ്റൻഷൻ പായ്ക്ക്
10.12 WiMAX ഡാറ്റാ ട്രാൻസ്മിഷൻ സിസ്റ്റം ബ്ലോക്കുകളുടെ മോഡലിംഗ്
10.12.1. ട്രാൻസ്മിറ്റർ സിമുലേഷൻ
10.12.2. ട്രാൻസ്മിഷൻ ചാനൽ മോഡലിംഗ്
10.12.3. റിസീവർ സിമുലേഷൻ
10.12.4. മാത്‌ലാബ് സംവിധാനത്തിൽ മാതൃക നടപ്പിലാക്കൽ
10.13 ഫലം സിമുലേഷൻ മോഡലിംഗ് WiMAX സിസ്റ്റങ്ങൾ
ചോദ്യങ്ങൾ നിയന്ത്രിക്കുക

11 സ്വയം സമാനമായ പ്രക്രിയകളും ടെലികമ്മ്യൂണിക്കേഷനിലെ അവയുടെ പ്രയോഗവും
11.1 ഫ്രാക്റ്റൽ പ്രക്രിയകളുടെ സിദ്ധാന്തത്തിന്റെ അടിസ്ഥാനങ്ങൾ
11.2 മൾട്ടിഫ്രാക്റ്റൽ പ്രക്രിയകൾ
11.3 ഹർസ്റ്റ് എക്‌സ്‌പോണന്റിന്റെ എസ്റ്റിമേഷൻ
11.4 സോഫ്റ്റ്‌വെയർ ഉപയോഗിച്ച് മൾട്ടിഫ്രാക്റ്റൽ വിശകലനം
11.4.1. സോഫ്റ്റ്വെയർ വിവരണം
11.4.2. സ്വയം സാമ്യതയുടെ അളവ് വിലയിരുത്തുന്നതിനുള്ള ഉദാഹരണങ്ങൾ
11.5 മൾട്ടിഫ്രാക്റ്റൽ വിശകലനത്തിനുള്ള അൽഗോരിതങ്ങളും സോഫ്റ്റ്വെയറും
11.6 സേവന സംവിധാനത്തിന്റെ സവിശേഷതകളിൽ ട്രാഫിക് സ്വയം സമാനതയുടെ സ്വാധീനം
11.7 ടെലിട്രാഫിക്കിൽ സ്വയം സമാനമായ പ്രക്രിയകൾ മാതൃകയാക്കുന്നതിനുള്ള രീതികൾ
11.8 സ്വയം സമാനമായ ഇഥർനെറ്റ് ട്രാഫിക് ഘടനയെക്കുറിച്ചുള്ള പഠനം
11.9 സ്വയം സമാനമായ ട്രാഫിക്കിന്റെ ഓവർലോഡ് നിയന്ത്രണം
11.10 ഫ്രാക്റ്റൽ ബ്രൗണിയൻ ചലനം
11.10.1. FBD സൃഷ്ടിക്കുന്നതിനുള്ള RMD അൽഗോരിതം
11.10.2. FBD സൃഷ്ടിക്കുന്നതിനുള്ള SRA അൽഗോരിതം
11.12 ഫ്രാക്റ്റൽ ഗൗസിയൻ ശബ്ദം
11.12.1. FGN സിന്തസിസിനായുള്ള FFT അൽഗോരിതം
11.12.2. സിമുലേഷൻ ഫലങ്ങളുടെ വിലയിരുത്തൽ
ചോദ്യങ്ങൾ നിയന്ത്രിക്കുക

12 ഒരു ടെലികമ്മ്യൂണിക്കേഷൻ നെറ്റ്‌വർക്ക് നോഡിന്റെ മോഡലിംഗ്
12.1 ഫ്രെയിം റിലേ പ്രോട്ടോക്കോൾ അടിസ്ഥാനങ്ങൾ
12.2 ഒരു ഫ്രെയിം റിലേ നെറ്റ്‌വർക്ക് സൈറ്റ് രൂപകൽപ്പന ചെയ്യുന്നു
12.3 ഇൻപുട്ടിൽ G.728 കോഡെക്കുകളുള്ള ഒരു FR റൂട്ടറിന്റെ സിമുലേഷൻ ഫലങ്ങൾ
12.4 QoS-ൽ ട്രാഫിക്ക് സ്വയം-സാമ്യതയുടെ ആഘാതം
ചോദ്യങ്ങൾ നിയന്ത്രിക്കുക

13 കമ്പ്യൂട്ടർ നെറ്റ്‌വർക്ക് സിമുലേഷനുള്ള പ്രത്യേക സംവിധാനങ്ങൾ
13.1 നെറ്റ്‌വർക്ക് മോഡലിംഗിനുള്ള പ്രത്യേക ആപ്ലിക്കേഷൻ പാക്കേജുകളുടെ പൊതു സവിശേഷതകൾ
13.2 OPNET മോഡലർ പരിതസ്ഥിതിയിൽ മോഡലിംഗിന്റെ പൊതു തത്വങ്ങൾ
13.3 OPNET ആപ്ലിക്കേഷന്റെ ഉദാഹരണങ്ങൾ
13.3.1. സേവനത്തിന്റെ ഗുണനിലവാരം വിലയിരുത്തുന്നതിനുള്ള മാതൃക
13.3.2. പ്രാദേശിക നെറ്റ്‌വർക്ക് മാതൃകയുടെ നടപ്പാക്കൽ
ചോദ്യങ്ങൾ നിയന്ത്രിക്കുക

14 നെറ്റ്‌വർക്ക് സിമുലേറ്റർ ഉപയോഗിച്ച് സിമുലേഷൻ മോഡലിംഗ് നെറ്റ്‌വർക്ക് സിമുലേറ്റർ 2
14.1 NS2 പാക്കേജിന്റെ സൃഷ്ടിയുടെയും വാസ്തുവിദ്യയുടെയും ചരിത്രം
14.2 ഒരു സിമുലേറ്റർ ഒബ്ജക്റ്റ് സൃഷ്ടിക്കുന്നു
14.3 ഒരു നെറ്റ്‌വർക്ക് ടോപ്പോളജി സൃഷ്ടിക്കുന്നു
14.4 ജനറേറ്റർ പാരാമീറ്ററുകൾ സജ്ജീകരിക്കുന്നു
14.4.1. എക്‌സ്‌പോണൻഷ്യൽ ഓൺ/ഓഫ്
14.4.2. പാരെറ്റോ ഓൺ/ഓഫ്
14.5 രണ്ട് പ്രധാന ക്യൂയിംഗ് അൽഗോരിതങ്ങൾ
14.6 NS2-ൽ അഡാപ്റ്റീവ് റൂട്ടിംഗ്
14.6.1. ഉപയോക്തൃ നില ആപ്ലിക്കേഷൻ പ്രോഗ്രാമിംഗ് ഇന്റർഫേസ്
14.6.2. ഇന്റീരിയർ ആർക്കിടെക്ചർ
14.6.3. മറ്റ് ക്ലാസുകളിലേക്കുള്ള വിപുലീകരണങ്ങൾ
14.6.4. കുറവുകൾ
14.6.5. NS2-ൽ ഡൈനാമിക് സാഹചര്യങ്ങൾ അനുകരിക്കാൻ ഉപയോഗിക്കുന്ന കമാൻഡുകളുടെ ലിസ്റ്റ്
14.6.6. NS2-ലെ ഡൈനാമിക് റൂട്ടിംഗിന്റെ ഉദാഹരണം
14.7 NS2-ൽ ഒരു സ്ക്രിപ്റ്റ് പ്രോഗ്രാം പ്രവർത്തിപ്പിക്കുന്നു
14.8 സിമുലേഷൻ ഫലങ്ങൾ പ്രോസസ്സ് ചെയ്യുന്നതിനുള്ള നടപടിക്രമം
14.9 വയർലെസ് നെറ്റ്‌വർക്ക് സിമുലേഷൻ ഉദാഹരണം
14.10 NS 2 പാക്കേജ് ഉപയോഗിച്ച് സ്ട്രീമിംഗ് വീഡിയോ ഗുണനിലവാരത്തിന്റെ സിമുലേഷൻ മോഡലിംഗിന്റെ ഒരു ഉദാഹരണം
14.10.1. സ്ട്രീമിംഗ് വീഡിയോയുടെ ഗുണനിലവാരം വിലയിരുത്തുന്നതിനുള്ള സോഫ്റ്റ്‌വെയർ, ഹാർഡ്‌വെയർ സമുച്ചയത്തിന്റെ ഘടന
14.10.2. PAC ഫങ്ഷണൽ മൊഡ്യൂളുകൾ
14.10.3. വീഡിയോ ഗുണനിലവാര റേറ്റിംഗ്

ആശയപരമായി ഒരു IS രൂപകൽപ്പന ചെയ്യുമ്പോൾ, സ്പെസിഫിക്കേഷനുകളുടെ (ആവശ്യങ്ങൾ, വ്യവസ്ഥകൾ, നിയന്ത്രണങ്ങൾ മുതലായവ) നിരവധി വിവരണങ്ങൾ ഉപയോഗിക്കുന്നു, അവയിൽ വിവരങ്ങളുടെ പരിവർത്തനം, സംഭരണം, പ്രക്ഷേപണം എന്നിവയുടെ മാതൃകകൾ ഒരു കേന്ദ്ര സ്ഥാനം വഹിക്കുന്നു. ഐഎസ് വികസന പ്രക്രിയയിൽ സബ്ജക്ട് ഏരിയയുടെ പഠന സമയത്ത് ലഭിച്ച മോഡലുകൾ രൂപകൽപന ചെയ്ത ഐഎസിന്റെ മാതൃകകളായി മാറുന്നു.

പ്രവർത്തനപരവും വിവരദായകവും പെരുമാറ്റപരവും ഘടനാപരവുമായ മാതൃകകളുണ്ട്. ഒരു സിസ്റ്റത്തിന്റെ പ്രവർത്തന മാതൃക സിസ്റ്റം നിർവ്വഹിക്കുന്ന പ്രവർത്തനങ്ങളുടെ കൂട്ടത്തെ വിവരിക്കുന്നു. വിവര മാതൃകകൾ ഡാറ്റ ഘടനകളെ പ്രതിഫലിപ്പിക്കുന്നു - അവയുടെ ഘടനയും ബന്ധങ്ങളും. ബിഹേവിയറൽ മോഡലുകൾ വിവര പ്രക്രിയകളെ വിവരിക്കുന്നു (പ്രവർത്തനത്തിന്റെ ചലനാത്മകത), അവയിൽ സിസ്റ്റത്തിന്റെ അവസ്ഥ, ഒരു ഇവന്റ്, ഒരു അവസ്ഥയിൽ നിന്ന് മറ്റൊന്നിലേക്കുള്ള മാറ്റം, പരിവർത്തന അവസ്ഥകൾ, സംഭവങ്ങളുടെ ക്രമം തുടങ്ങിയ വിഭാഗങ്ങൾ ഉൾപ്പെടുന്നു. ഘടനാപരമായ മോഡലുകൾ ഒരു സിസ്റ്റത്തിന്റെ രൂപഘടന (അതിന്റെ നിർമ്മാണം) - ഉപസിസ്റ്റങ്ങളുടെ ഘടന, അവയുടെ ബന്ധങ്ങൾ എന്നിവയെ വിശേഷിപ്പിക്കുന്നു.

മോഡലുകൾ നിർമ്മിക്കുന്നതിനും അവതരിപ്പിക്കുന്നതിനും നിരവധി മാർഗങ്ങളുണ്ട്, വ്യത്യസ്ത തരം മോഡലുകൾക്ക് വ്യത്യസ്തമാണ്. അടിസ്ഥാനം ഘടനാപരമായ വിശകലനമാണ് - ഒരു സിസ്റ്റം പഠിക്കുന്നതിനുള്ള ഒരു രീതി അതിന്റെ പൊതുവായ അവലോകനത്തിൽ നിന്ന് ആരംഭിച്ച് വിശദമായി പോകുന്നു, വർദ്ധിച്ചുവരുന്ന ലെവലുകളുള്ള ഒരു ശ്രേണി ഘടന രൂപീകരിക്കുന്നു.

ഈ മാനുവലിൽ, IS-ന്റെ ഘടനാപരവും പ്രവർത്തനപരവും വിവരവുമായ മോഡലുകൾ നിർമ്മിക്കുന്നതിനും അവയെ അടിസ്ഥാനമാക്കി ഒരു റിലേഷണൽ ഡാറ്റാബേസ് രൂപകൽപ്പന ചെയ്യുന്നതിനുമുള്ള രീതിശാസ്ത്രം ഞങ്ങൾ പരിഗണിക്കും, ഇനിപ്പറയുന്ന ഉള്ളടക്കത്തിന്റെ ഒരു പ്രത്യേക വിദ്യാഭ്യാസ ഉദാഹരണം ഉപയോഗിച്ച് ഈ പ്രക്രിയയെ ചിത്രീകരിക്കുന്നു.

പ്രവർത്തനങ്ങളുടെ വൈവിധ്യവൽക്കരണവുമായി ബന്ധപ്പെട്ട്, മാനേജ്മെന്റ് കാര്യക്ഷമത മെച്ചപ്പെടുത്തുന്നതിനായി ഒരു വിവര സംവിധാനം വികസിപ്പിക്കുന്നതിന് Bezenchuk ആൻഡ് അസോസിയേറ്റ്സ് മാനേജ്മെന്റിൽ നിന്ന് ഒരു ഓർഡർ ലഭിച്ചു.

ഫർണിച്ചറുകളുടെ നിർമ്മാണത്തിലും വിൽപ്പനയിലും കമ്പനി ഏർപ്പെട്ടിരിക്കുന്നു. കമ്പനി നിർമ്മിക്കുന്ന സ്റ്റാൻഡേർഡ് ഫർണിച്ചറുകളുടെ ഒരു കാറ്റലോഗ് ഉണ്ട്. ഉപഭോക്താവിന് കാറ്റലോഗിൽ നിന്ന് ഫർണിച്ചറുകൾ തിരഞ്ഞെടുക്കാനും കൂടാതെ/അല്ലെങ്കിൽ സ്വന്തം വിവരണം അനുസരിച്ച് ഓർഡർ നൽകാനും കഴിയും. ഒരു ഓർഡർ നൽകിയ ശേഷം, ഒരു കരാർ തയ്യാറാക്കുന്നു. പുതിയ ഫർണിച്ചറുകളുടെ ഉപഭോക്താക്കളിൽ നിന്ന് കമ്പനി പഴയ ഫർണിച്ചറുകൾ സ്വീകരിക്കുന്നു, അതിന്റെ വില ഓർഡർ വിലയിൽ നിന്ന് കുറയ്ക്കുന്നു. സ്വീകാര്യമായ പഴയ ഫർണിച്ചറുകൾ വില്പനയ്ക്ക് വയ്ക്കുകയോ വാടകയ്ക്ക് എടുക്കുകയോ ചെയ്യാം. ഒരു നിശ്ചിത കാലയളവിനുശേഷം, അവകാശപ്പെടാത്ത പഴയ ഫർണിച്ചറുകൾ ഒരു മരം വെയർഹൗസിലേക്ക് കൈമാറുന്നു. പൂർത്തിയാക്കിയ ഓർഡറുകളെക്കുറിച്ചുള്ള വിവരങ്ങൾ അടങ്ങിയ ഒരു ആർക്കൈവ് പരിപാലിക്കുന്നു. കമ്പനിയുമായി മുമ്പ് കരാറിൽ ഏർപ്പെട്ടിട്ടുള്ള ഉപഭോക്താക്കൾക്ക് ഒരു പുതിയ കരാർ അവസാനിപ്പിക്കുമ്പോൾ കിഴിവ് ലഭിക്കും. ഫർണിച്ചർ നിർമ്മാണത്തിന് ആവശ്യമായ വസ്തുക്കളും ഘടകങ്ങളും വിതരണക്കാരിൽ നിന്ന് കമ്പനി വാങ്ങുന്നു.

ഫങ്ഷണൽ ഐസി മോഡലിംഗ്

ഐഎസിന്റെ ഘടനാപരവും പ്രവർത്തനപരവുമായ മാതൃകകൾ വികസിപ്പിക്കുന്നതിന് നിരവധി വ്യത്യസ്ത രീതികളും ഉപകരണങ്ങളും ഉണ്ട്. ഡാറ്റാ ഫ്ലോ ഡയഗ്രമുകൾ (DFD - ഡാറ്റാ ഫ്ലോ ഡയഗ്രമുകൾ) നിർമ്മിക്കുന്നതിനെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് വ്യാപകമായി ഉപയോഗിക്കുന്ന ഒരു രീതി.

ഡാറ്റാ ഫ്ലോ ഡയഗ്രം

ഡാറ്റാ ഫ്ലോകൾ വഴി ബന്ധിപ്പിച്ചിട്ടുള്ള പ്രവർത്തന ഘടകങ്ങളുടെ (പ്രക്രിയകൾ) ഒരു സിസ്റ്റത്തെ വിവരിക്കുന്നതിന് "ഡാറ്റ ഫ്ലോ", "പ്രോസസ്" എന്നീ ആശയങ്ങൾ ഉപയോഗിക്കുന്ന ഒരു ഘടനാപരമായ വിശകലന രീതിയാണ് DFD. ഘടനാപരമായ വിശകലനത്തിന്റെ അടിസ്ഥാന തത്വത്തിന് അനുസൃതമായി, ഒരു സിസ്റ്റത്തിന്റെ വിവരണം അതിന്റെ പ്രവർത്തനങ്ങളുടെ തുടർച്ചയായ വിശദാംശങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്, ഇത് ഒരു ശ്രേണി ക്രമീകരിച്ച ഗ്രാഫിക് ഇമേജുകളുടെ (ഡയഗ്രമുകൾ) രൂപത്തിൽ പ്രദർശിപ്പിക്കും.

ഡാറ്റാ ഫ്ലോ ഡയഗ്രമുകളുടെ പ്രധാന ഘടകങ്ങൾ ഇവയാണ്: ബാഹ്യ എന്റിറ്റികൾ; പ്രക്രിയകൾ; ഡാറ്റ സംഭരണ ​​ഉപകരണങ്ങൾ; ഡാറ്റ സ്ട്രീമുകൾ. അത്തരം ഓരോ ഘടകത്തിനും ഒരു സാധാരണ ഗ്രാഫിക് ഇമേജ് ഉണ്ട്.

ഒരു ബാഹ്യ എന്റിറ്റി എന്നത് വിവരങ്ങളുടെ ഉറവിടമോ സ്വീകർത്താവോ ആയ ഒരു വസ്തുവാണ്, ഉദാഹരണത്തിന്, ഉപഭോക്താക്കൾ, ഉദ്യോഗസ്ഥർ, വിതരണക്കാർ, ക്ലയന്റുകൾ, വെയർഹൗസ്. ഒരു വസ്തുവിനെയോ സിസ്റ്റത്തെയോ ഒരു ബാഹ്യ എന്റിറ്റിയായി നിർവചിക്കുന്നത് അത് രൂപകല്പന ചെയ്ത IS ന്റെ അതിരുകൾക്ക് പുറത്താണെന്ന് സൂചിപ്പിക്കുന്നു.

മുകളിലെ ഉദാഹരണത്തിലെ ബാഹ്യ എന്റിറ്റികൾ ഫർണിച്ചർ ഉപഭോക്താക്കൾ, മെറ്റീരിയൽ വിതരണക്കാർ, ഒരു വെയർഹൗസ്, മറ്റ് ചില ഡൊമെയ്ൻ വസ്തുക്കൾ എന്നിവയായിരിക്കും. അവരുടെ ഗ്രാഫിക് ചിത്രങ്ങളുടെ ഉദാഹരണങ്ങൾ:

DFD മോഡലിൽ രൂപകല്പന ചെയ്ത IS-ന്റെ പ്രവർത്തനങ്ങൾ ചില അൽഗോരിതങ്ങൾക്കനുസൃതമായി ഇൻപുട്ട് ഡാറ്റ സ്ട്രീമുകളെ ഔട്ട്പുട്ട് ആയി പരിവർത്തനം ചെയ്യുന്ന പ്രക്രിയകളുടെ രൂപത്തിൽ അവതരിപ്പിക്കണം. ഡാറ്റാ ഫ്ലോകൾ സ്വയം ചില ഉറവിടങ്ങളിൽ നിന്ന് ഒരു റിസീവറിലേക്ക് (സിസ്റ്റത്തിന്റെ ഒരു ഭാഗത്ത് നിന്ന് മറ്റൊന്നിലേക്ക്) വിവരങ്ങൾ കൈമാറുന്ന ഒരു സംവിധാനമാണ്. ഒരു ഡയഗ്രാമിലെ ഡാറ്റയുടെ ഒഴുക്ക്, ഒഴുക്കിന്റെ ദിശ കാണിക്കുന്ന ഒരു അമ്പടയാളത്തിൽ അവസാനിക്കുന്ന ഒരു വരിയാണ് പ്രതിനിധീകരിക്കുന്നത്. ഓരോ ഡാറ്റ സ്ട്രീമിനും അതിന്റെ ഉള്ളടക്കം പ്രതിഫലിപ്പിക്കുന്ന ഒരു പേര് ഉണ്ടായിരിക്കണം.

ഉദാഹരണത്തിന്, ഫർണിച്ചറുകൾക്കായി ഒരു ഓർഡർ സൃഷ്ടിക്കുന്നതിനും അതിന്റെ നിർമ്മാണത്തിനുള്ള ഒരു കരാർ അവസാനിപ്പിക്കുന്നതിനും ഉദ്ദേശിച്ചുള്ള ഒരു IS ഫംഗ്ഷൻ ഡയഗ്രാമിൽ "ഓർഡറിംഗ് ഫർണിച്ചറുകൾ" വഴി പ്രതിനിധീകരിക്കാം. ഈ പ്രക്രിയ, ഇൻപുട്ട് ഡാറ്റ എന്ന നിലയിൽ, ഒരു കരാർ അവസാനിപ്പിക്കുന്നതിന് ആവശ്യമായ ഉപഭോക്താവിനെക്കുറിച്ചുള്ള വിവരങ്ങളും അവൻ ഓർഡർ ചെയ്യുന്ന ഫർണിച്ചറുകളെക്കുറിച്ചുള്ള വിവരങ്ങളും (തരം, വിവരണം, അളവുകൾ മുതലായവ) സ്വീകരിക്കണം. ഈ പ്രക്രിയയുടെ ഒരു ഗ്രാഫിക്കൽ പ്രാതിനിധ്യവും അനുബന്ധ ഡാറ്റ ഫ്ലോകളും:

എപ്പോൾ വേണമെങ്കിലും ഡ്രൈവിൽ സ്ഥാപിക്കാനും കൂടുതൽ ഉപയോഗത്തിനായി വീണ്ടെടുക്കാനും കഴിയുന്ന വിവരങ്ങൾ സംഭരിക്കുന്നതിനുള്ള ഒരു അമൂർത്ത ഉപകരണമാണ് ഡാറ്റ ഡ്രൈവ് (സംഭരണം). ഡ്രൈവിലെ വിവരങ്ങൾ ബാഹ്യ എന്റിറ്റികളിൽ നിന്നും പ്രക്രിയകളിൽ നിന്നും വരാം; അവർക്ക് ഡ്രൈവിൽ സംഭരിച്ചിരിക്കുന്ന വിവരങ്ങളുടെ ഉപഭോക്താക്കളും ആകാം. ഡ്രൈവിന്റെ ഗ്രാഫിക് പ്രാതിനിധ്യം:

സന്ദർഭ ഡയഗ്രം

ഒരു ഐഎസിന്റെ പ്രധാന പ്രക്രിയകളും ഉപസിസ്റ്റങ്ങളും ബാഹ്യ എന്റിറ്റികളുമായുള്ള (സിസ്റ്റത്തിന്റെ ഇൻപുട്ടുകളും ഔട്ട്‌പുട്ടുകളും) അവയുടെ കണക്ഷനുകളും ക്യാപ്‌ചർ ചെയ്യുന്ന ശ്രേണിയുടെ ഉയർന്ന തലത്തിലുള്ള ഒരു ഡയഗ്രം ഒരു സന്ദർഭ ഡയഗ്രം എന്ന് വിളിക്കുന്നു. സാധാരണഗതിയിൽ, താരതമ്യേന ലളിതമായ ഐസികൾ രൂപകൽപ്പന ചെയ്യുമ്പോൾ, ഒരു സ്റ്റാർ ടോപ്പോളജി ഉപയോഗിച്ച് ഒരൊറ്റ സന്ദർഭ ഡയഗ്രം നിർമ്മിക്കുന്നു, അതിന്റെ മധ്യഭാഗത്ത് സിങ്കുകളുമായും വിവരങ്ങളുടെ ഉറവിടങ്ങളുമായും (ഉപയോക്താക്കളും മറ്റ് ബാഹ്യ സിസ്റ്റങ്ങളും) ബന്ധിപ്പിച്ചിരിക്കുന്ന പ്രധാന പ്രക്രിയയാണ്. ഒരു സന്ദർഭ ഡയഗ്രം നിസ്സാരമെന്ന് തോന്നാമെങ്കിലും, അതിന്റെ നിസ്സംശയമായ പ്രയോജനം അത് വിശകലനം ചെയ്യപ്പെടുന്ന സിസ്റ്റത്തിന്റെ അതിരുകൾ സ്ഥാപിക്കുകയും സിസ്റ്റത്തിന്റെ പ്രധാന ലക്ഷ്യം നിർവചിക്കുകയും ചെയ്യുന്നു എന്നതാണ്. ലോവർ ലെവൽ ഡയഗ്രമുകൾ അവയുടെ പ്രോസസ്സുകൾ, ത്രെഡുകൾ, ഡ്രൈവുകൾ എന്നിവ നിലനിൽക്കുന്ന സന്ദർഭം ഇത് സജ്ജമാക്കുന്നു.

മുകളിൽ വിവരിച്ച ഉദാഹരണത്തിന്റെ സന്ദർഭ ഡയഗ്രം ചിത്രം 4 ൽ കാണിച്ചിരിക്കുന്നു.

വിദ്യാഭ്യാസ ആവശ്യങ്ങൾക്കായി, സിസ്റ്റം മോഡലുകളുടെ ലളിതമായ പതിപ്പ് ചുവടെ പരിഗണിക്കപ്പെടുന്നു, അതിൽ കമ്പനിയുടെ പ്രവർത്തനങ്ങളുടെ സാമ്പത്തിക വശവുമായി ബന്ധപ്പെട്ട ഡാറ്റാ ഫ്ലോകളും പ്രക്രിയകളും അവതരിപ്പിക്കപ്പെടില്ല. തീർച്ചയായും, ഏതൊരു കമ്പനിക്കും, അതിന്റെ സാമ്പത്തിക സ്ഥിതിയെക്കുറിച്ചുള്ള സമയോചിതവും പൂർണ്ണവും വിശ്വസനീയവുമായ വിവരങ്ങൾ പ്രധാനമാണ്. ഈ ഉദാഹരണത്തിൽ, സന്ദർഭ ഡയഗ്രാമിൽ അവതരിപ്പിച്ചിരിക്കുന്ന എല്ലാ ബാഹ്യ എന്റിറ്റികളുമായുള്ള കമ്പനിയുടെ ഇടപെടലിൽ "സാമ്പത്തിക ഘടകം" വ്യക്തമായും ഉണ്ട്.

ഈ ഡയഗ്രാമിൽ അവതരിപ്പിച്ചിരിക്കുന്ന ബാഹ്യ എന്റിറ്റികൾ കമ്പനിയുടെ IS-ൽ സംഭരിക്കുകയും പ്രോസസ്സ് ചെയ്യുകയും ചെയ്യുന്ന വിവരങ്ങളുടെ ഉറവിടങ്ങളായും ഈ വിവരങ്ങളുടെ ഉപഭോക്താക്കളായും പ്രവർത്തിക്കുന്നു. ഈ മോഡലിൽ, രണ്ട് "ക്ലയന്റ്" എന്റിറ്റികൾ തിരിച്ചറിഞ്ഞിട്ടുണ്ട്, അവ കമ്പനിയുടെ യഥാർത്ഥ ക്ലയന്റുകളുടെ ചിത്രങ്ങളാണ്: "ഉപഭോക്താവ്", "വാങ്ങുന്നയാൾ", കാരണം അവർ ഐഎസുമായി കൈമാറ്റം ചെയ്യുന്ന വിവരങ്ങളുടെ ഉള്ളടക്കത്തിൽ കാര്യമായ വ്യത്യാസങ്ങളുണ്ട്.

"ക്ലയന്റ്-ഉപഭോക്താവിന്", "കാറ്റലോഗ്" ഡാറ്റ സ്ട്രീം എന്നത് കമ്പനി നിർമ്മിക്കുന്ന സാധാരണ ഫർണിച്ചറുകളുടെ വിവരണമാണ്. "ഓർഡർ" ഡാറ്റ സ്ട്രീമിൽ കാറ്റലോഗിൽ നിന്ന് തിരഞ്ഞെടുത്ത ഫർണിച്ചറുകൾ ഓർഡർ ചെയ്യുന്നതിനെക്കുറിച്ചുള്ള വിവരങ്ങളും കൂടാതെ/അല്ലെങ്കിൽ കാറ്റലോഗിൽ ഇല്ലാത്ത ഫർണിച്ചറുകളുടെ ഉപഭോക്താവിന്റെ വിവരണവും ഉപഭോക്താവ് കമ്പനിക്ക് വിൽക്കുന്ന പഴയ ഫർണിച്ചറുകളെക്കുറിച്ചുള്ള വിവരങ്ങളും ഉൾപ്പെട്ടേക്കാം.

"ക്ലയന്റ്-വാങ്ങുന്നയാൾ", ഡാറ്റാ ഫ്ലോ "പഴയ ഫർണിച്ചറുകളുടെ കാറ്റലോഗ്" എന്നത് ഉപഭോക്താക്കളിൽ നിന്ന് ലഭിച്ച ലഭ്യമായ പഴയ ഫർണിച്ചറുകളെക്കുറിച്ചുള്ള വിവരമാണ്. "പഴയ ഫർണിച്ചറുകളുടെ വാങ്ങൽ/വാടക" എന്നത് ക്ലയന്റ് തിരഞ്ഞെടുത്ത പഴയ ഫർണിച്ചറുകളെക്കുറിച്ചുള്ള വിവരമാണ്, അത് വാങ്ങാനോ വാടകയ്‌ക്കെടുക്കാനോ ആഗ്രഹിക്കുന്നു.

അതേ സമയം, പ്രായോഗികമായി, "ക്ലയന്റ്-ഉപഭോക്താവ്", "ക്ലയന്റ്-വാങ്ങുന്നയാൾ" എന്നിവ ഒരേ വ്യക്തിയായിരിക്കുമ്പോൾ സാഹചര്യങ്ങൾ സാധ്യമാണ്.