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. SH സിമുലേഷൻ വിവര സംവിധാനം: 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-

38-ൽ 1

വിഷയത്തെക്കുറിച്ചുള്ള അവതരണം:വിവര സംവിധാനങ്ങളുടെ മോഡലിംഗ്

സ്ലൈഡ് നമ്പർ 1

സ്ലൈഡ് നമ്പർ 2

സ്ലൈഡ് വിവരണം:

പ്രത്യേക വിഷയങ്ങൾ (കമ്പ്യൂട്ടർ സയൻസ്, മാത്തമാറ്റിക്സ്) ആഴത്തിലാക്കുക എന്നതാണ് കോഴ്സിന്റെ ലക്ഷ്യം; വിവര മോഡലിംഗ് മേഖലയിലെ പ്രൊഫഷണൽ പ്രവർത്തനങ്ങൾക്കുള്ള കഴിവുകളുടെ രൂപീകരണം.ഇസി തിരഞ്ഞെടുക്കുമ്പോൾ വിദ്യാർത്ഥികളുടെ പ്രചോദനം. - വിവര മോഡലിംഗ് മേഖലയിലെ വിദ്യാർത്ഥികളുടെ കഴിവുകളും ക്രിയാത്മകവും ഗവേഷണവുമായ പ്രവർത്തനങ്ങളിൽ താൽപ്പര്യവും പരീക്ഷിക്കുക; - ഇൻഫർമേഷൻ മോഡലിംഗ്, കമ്പ്യൂട്ടർ സാങ്കേതികവിദ്യ എന്നിവയുമായി ബന്ധപ്പെട്ട സ്പെഷ്യാലിറ്റികളിൽ ഒരു സർവകലാശാലയിൽ പ്രവേശിക്കുന്നതിനുള്ള തയ്യാറെടുപ്പ്: അപ്ലൈഡ് മാത്തമാറ്റിക്സ്, മോഡലിംഗ്, കമ്പ്യൂട്ടർ സിസ്റ്റങ്ങൾ മുതലായവ.

സ്ലൈഡ് നമ്പർ 3

സ്ലൈഡ് വിവരണം:

സ്ലൈഡ് നമ്പർ 4

സ്ലൈഡ് വിവരണം:

പാഠപുസ്തകത്തിലെ ഉള്ളടക്കം അധ്യായം 1. വിവര സംവിധാനങ്ങളുടെ മോഡലിംഗ് 1.1. ഇൻഫർമേഷൻ സിസ്റ്റങ്ങളും സിസ്റ്റമോളജിയും 1.2. റിലേഷണൽ മോഡലും ഡാറ്റാബേസുകളും (ആക്സസ്) 1.3. സ്പ്രെഡ്ഷീറ്റ് - വിവര മോഡലിംഗ് ടൂൾ 1.4. ആപ്ലിക്കേഷൻ പ്രോഗ്രാമിംഗ് (Excel-നുള്ള VBA ഘടകങ്ങൾ) അധ്യായം 2. കമ്പ്യൂട്ടർ ഗണിത മോഡലിംഗ് 2.1. മോഡലിംഗിലേക്കുള്ള ആമുഖം 2.2. കമ്പ്യൂട്ടർ ഗണിത മോഡലിംഗ് ടൂളുകൾ (Excel, MathCad, VBA, Pascal) 2.3. ഒപ്റ്റിമൽ ആസൂത്രണ പ്രക്രിയകളുടെ മോഡലിംഗ് 2.4. കമ്പ്യൂട്ടർ സിമുലേഷൻ ആപ്ലിക്കേഷനുകൾ

സ്ലൈഡ് നമ്പർ 5

സ്ലൈഡ് വിവരണം:

"വിവര സംവിധാനങ്ങളുടെ മോഡലിംഗും വികസനവും" വിഭാഗം പഠിക്കുന്നതിന്റെ ലക്ഷ്യങ്ങൾ പൊതുവായ വികസനവും വിദ്യാർത്ഥികളുടെ ലോകവീക്ഷണത്തിന്റെ രൂപീകരണവും. കോഴ്സിന്റെ ഈ വിഭാഗത്തിന്റെ ഉള്ളടക്കത്തിന്റെ പ്രധാന പ്രത്യയശാസ്ത്ര ഘടകം ചുറ്റുമുള്ള യാഥാർത്ഥ്യത്തെ വിശകലനം ചെയ്യുന്നതിനുള്ള ചിട്ടയായ സമീപനത്തിന്റെ രൂപീകരണമാണ്. വിവര റഫറൻസ് സിസ്റ്റങ്ങൾ നിർമ്മിക്കുന്നതിനുള്ള രീതികളുടെ അടിസ്ഥാനകാര്യങ്ങൾ മാസ്റ്റേഴ്സ് ചെയ്യുന്നു. വിവരസംവിധാനത്തിന്റെ വികസനത്തിന്റെ ഘട്ടങ്ങളെക്കുറിച്ച് വിദ്യാർത്ഥികൾ മനസ്സിലാക്കുന്നു: ഡിസൈൻ ഘട്ടം, നടപ്പാക്കൽ ഘട്ടം. ഒരു മൾട്ടി-ടേബിൾ ഡാറ്റാബേസിന്റെ നിർമ്മാണം MS ആക്സസ് റിലേഷണൽ DBMS പരിതസ്ഥിതിയിൽ നടക്കുന്നു. ഒരു ഡാറ്റാബേസ്, ആപ്ലിക്കേഷനുകൾ (അന്വേഷണങ്ങൾ, റിപ്പോർട്ടുകൾ), ഇന്റർഫേസ് ഘടകങ്ങൾ (ഡയലോഗ് ബോക്സുകൾ) എന്നിവ നിർമ്മിക്കുന്നതിനുള്ള സാങ്കേതിക വിദ്യകൾ വിദ്യാർത്ഥികൾ മാസ്റ്റർ ചെയ്യുന്നു. കമ്പ്യൂട്ടർ കഴിവുകളുടെ വികസനവും പ്രൊഫഷണലൈസേഷനും. അടിസ്ഥാന കോഴ്സിൽ നേടിയ കഴിവുകൾ കൂടുതൽ വികസിപ്പിച്ചെടുക്കുന്നു. - സിസ്റ്റങ്ങളുടെ ഘടനാപരമായ മോഡലുകൾ നിർമ്മിക്കുമ്പോൾ വെക്റ്റർ ഗ്രാഫിക്സുമായി പ്രവർത്തിക്കുന്നു - എംഎസ് ആക്സസ് ഡിബിഎംഎസിന്റെ കഴിവുകളെക്കുറിച്ചുള്ള ആഴത്തിലുള്ള പഠനം - ഒരു ഡാറ്റാബേസുമായി പ്രവർത്തിക്കുന്നതിനുള്ള ഒരു മാർഗമായി എംഎസ് എക്സൽ ഉപയോഗിക്കുന്നു - ഇന്റർഫേസ് വികസനത്തിനായി എക്സൽ എൻവയോൺമെന്റിൽ വിബിഎയിൽ പ്രോഗ്രാമിംഗ് - പ്രവർത്തിക്കുമ്പോൾ സംഗ്രഹങ്ങളിൽ, ഇന്റർനെറ്റ് ഉറവിടങ്ങൾ ഉപയോഗിക്കാൻ ശുപാർശ ചെയ്യുന്നു; ഒരു അവതരണത്തിന്റെ രൂപത്തിൽ സംരക്ഷണത്തിനുള്ള മെറ്റീരിയൽ തയ്യാറാക്കുക (പവർ പോയിന്റ്)

സ്ലൈഡ് നമ്പർ 6

സ്ലൈഡ് വിവരണം:

പ്രോജക്റ്റ് അധിഷ്ഠിത അധ്യാപന രീതി പ്രശ്നത്തിന്റെ പ്രസ്താവന: വിഷയ മേഖല: സെക്കൻഡറി സ്കൂൾ പ്രോജക്റ്റ് ലക്ഷ്യം: ഒരു വിവര സംവിധാനത്തിന്റെ സൃഷ്ടി "വിദ്യാഭ്യാസ പ്രക്രിയ" വിവര സംവിധാനത്തിന്റെ ഉദ്ദേശ്യം: ഉപയോക്താക്കളെ അറിയിക്കാൻ: ക്ലാസുകളുടെ വിദ്യാർത്ഥി ഘടനയെക്കുറിച്ച് സ്കൂളിലെ അധ്യാപക ജീവനക്കാരെ കുറിച്ച് ടീച്ചിംഗ് ലോഡിന്റെ വിതരണത്തെക്കുറിച്ചും ക്ലാസ് മാനേജ്മെന്റിനെക്കുറിച്ചും വിദ്യാർത്ഥികളുടെ പ്രകടനത്തെക്കുറിച്ച്

സ്ലൈഡ് നമ്പർ 7

സ്ലൈഡ് വിവരണം:

സ്ലൈഡ് നമ്പർ 8

സ്ലൈഡ് വിവരണം:

സ്ലൈഡ് നമ്പർ 9

സ്ലൈഡ് വിവരണം:

സ്ലൈഡ് നമ്പർ 10

സ്ലൈഡ് വിവരണം:

സ്ലൈഡ് നമ്പർ 11

സ്ലൈഡ് വിവരണം:

സ്ലൈഡ് നമ്പർ 12

സ്ലൈഡ് വിവരണം:

ആപ്ലിക്കേഷൻ വികസനം ആപ്ലിക്കേഷനുകൾ: അന്വേഷണങ്ങൾ, റിപ്പോർട്ടുകൾ ടാസ്ക്. കംപ്യൂട്ടർ സയൻസിൽ വാർഷിക ഗ്രേഡുകൾ എ ഉള്ള ഒമ്പതാം ക്ലാസിലെ എല്ലാ പെൺകുട്ടികളുടെയും ഒരു ലിസ്റ്റ് നിങ്ങൾക്ക് ലഭിക്കണം. ഒരു സാങ്കൽപ്പിക അന്വേഷണ ഭാഷ ഉപയോഗിച്ചുള്ള ഒരു സബ്‌സ്‌കീമയുടെ ആശയം. വിദ്യാർത്ഥികൾ തിരഞ്ഞെടുക്കുക. അവസാനത്തെ പേര്, STUDENTS.NAME, STUDENTS.CLASS വിദ്യാർത്ഥികൾക്കുള്ള ക്ലാസ്='9?', ​​STUDENTS.GENDER='f', PERFORMANCE.SUBJECT'= എന്നിവ PERFORMANCE.YEAR=5 തരം വിദ്യാർത്ഥികൾ.SURNAME ആരോഹണം

സ്ലൈഡ് നമ്പർ 13

സ്ലൈഡ് വിവരണം:

സ്ലൈഡ് നമ്പർ 14

സ്ലൈഡ് വിവരണം:

സ്ലൈഡ് നമ്പർ 15

സ്ലൈഡ് വിവരണം:

VBA Private Sub CommandButton1_Click() "വേരിയബിളുകളുടെ വിവരണം Dim i, j, n As Integer Dim Flag as Boolean "ഡാറ്റ ഇനീഷ്യലൈസേഷൻ ഫ്ലാഗ് = തെറ്റ് "സ്കൂളുകളുടെ ലിസ്റ്റിലെ വരികളുടെ എണ്ണം n = Range("A3" എന്നതിൽ നിർണ്ണയിക്കപ്പെടുന്നു. ).CurrentRegion.Rows. എണ്ണുക "'TextBox1" ഇൻപുട്ട് ഫീൽഡിൽ വ്യക്തമാക്കിയ സ്കൂൾ നമ്പറിനായി ലിസ്റ്റ് തിരയുക i = 3 മുതൽ n+2 വരെ സെല്ലുകളാണെങ്കിൽ(i, 1).മൂല്യം = Val(UserForm1.TextBox1.Text) തുടർന്ന് ഫ്ലാഗ് = "തിരയൽ ബട്ടണിൽ ക്ലിക്ക് ചെയ്യുക" ഇവന്റ് പ്രോസസ്സ് ചെയ്യുന്നതിനുള്ള പ്രോഗ്രാമിന്റെ അടുത്ത ഭാഗമാണെങ്കിൽ അവസാനത്തിനായുള്ള യഥാർത്ഥ എക്സിറ്റ്

സ്ലൈഡ് നമ്പർ 16

സ്ലൈഡ് വിവരണം:

"കമ്പ്യൂട്ടർ മാത്തമാറ്റിക്കൽ മോഡലിംഗ്" വിഭാഗം പഠിക്കുന്നതിന്റെ ലക്ഷ്യങ്ങൾ ചുറ്റുമുള്ള യാഥാർത്ഥ്യം (വിഭാഗത്തിന്റെ ശാസ്ത്രീയ ഗവേഷണ സ്വഭാവം) മനസ്സിലാക്കുന്നതിനുള്ള ഒരു രീതിയായി മോഡലിംഗ് മാസ്റ്ററിംഗ് - വിവിധ വിജ്ഞാന മേഖലകളിലെ മോഡലിംഗിന് സമാനമായ സവിശേഷതകൾ ഉണ്ടെന്ന് കാണിക്കുന്നു, ഇത് പലപ്പോഴും നേടാനാകും. വ്യത്യസ്ത പ്രക്രിയകൾക്ക് സമാനമായ മാതൃകകൾ; - ഒരു പൂർണ്ണ തോതിലുള്ള പരീക്ഷണവുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ഒരു കമ്പ്യൂട്ടർ പരീക്ഷണത്തിന്റെ ഗുണങ്ങളും ദോഷങ്ങളും പ്രകടമാക്കുന്നു; - അമൂർത്തമായ മോഡലും കമ്പ്യൂട്ടറും നമുക്ക് ചുറ്റുമുള്ള ലോകത്തെ മനസ്സിലാക്കാനും മനുഷ്യരുടെ താൽപ്പര്യങ്ങൾക്കായി അത് കൈകാര്യം ചെയ്യാനും അവസരം നൽകുന്നുവെന്ന് കാണിക്കുന്നു. പ്രായോഗിക കമ്പ്യൂട്ടർ മോഡലിംഗ് കഴിവുകളുടെ വികസനം. 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. ഗവേഷണ പ്രവർത്തനങ്ങളോടുള്ള വിദ്യാർത്ഥിയുടെ ചായ്‌വ് തിരിച്ചറിയൽ, സൃഷ്ടിപരമായ സാധ്യതകളുടെ വികസനം, ശാസ്ത്രീയ ഗവേഷണവുമായി ബന്ധപ്പെട്ട ഒരു തൊഴിൽ തിരഞ്ഞെടുക്കുന്നതിനുള്ള ഓറിയന്റേഷൻ. വിഷയ അനൈക്യത്തെ മറികടക്കൽ, അറിവിന്റെ സംയോജനം. ഗണിതശാസ്ത്രം ഉപയോഗിച്ച് ശാസ്ത്രത്തിന്റെ വിവിധ മേഖലകളിൽ നിന്നുള്ള മാതൃകകൾ കോഴ്‌സ് പരിശോധിക്കുന്നു. കമ്പ്യൂട്ടർ കഴിവുകളുടെ വികസനവും പ്രൊഫഷണലൈസേഷനും. പൊതുവായതും പ്രത്യേകവുമായ സോഫ്‌റ്റ്‌വെയർ, പ്രോഗ്രാമിംഗ് സിസ്റ്റങ്ങളിൽ വൈദഗ്ദ്ധ്യം.

സ്ലൈഡ് നമ്പർ 17

സ്ലൈഡ് വിവരണം:

സ്ലൈഡ് നമ്പർ 18

സ്ലൈഡ് വിവരണം:

ഒപ്റ്റിമൽ പ്ലാനിംഗ് പ്രക്രിയകളുടെ മോഡലിംഗ് ഒരു സർവീസ് സ്റ്റേഷന്റെ പ്രവർത്തനം ആസൂത്രണം ചെയ്യുന്നതിലെ പ്രശ്നം പ്രശ്നത്തിന്റെ പ്രസ്താവന ഒരു കാർ സർവീസ് സ്റ്റേഷൻ രണ്ട് തരത്തിലുള്ള സേവനം നടത്തട്ടെ: TO-1, TO-2. പ്രവൃത്തി ദിവസത്തിന്റെ തുടക്കത്തിൽ കാറുകൾ സ്വീകരിക്കുകയും അവസാനം ക്ലയന്റുകൾക്ക് കൈമാറുകയും ചെയ്യുന്നു. പാർക്കിംഗ് ഏരിയ പരിമിതമായതിനാൽ, പ്രതിദിനം മൊത്തം 140 കാറുകളിൽ കൂടുതൽ സർവീസ് നടത്താൻ കഴിയില്ല. പ്രവൃത്തി ദിവസം 8 മണിക്കൂർ നീണ്ടുനിൽക്കും. എല്ലാ കാറുകളും TO-1 മാത്രമേ കടന്നുപോയിട്ടുള്ളൂവെങ്കിൽ, സ്റ്റേഷന്റെ ശേഷി പ്രതിദിനം 200 കാറുകൾ സർവീസ് ചെയ്യാൻ അനുവദിക്കും; എല്ലാ കാറുകളും TO-2 മാത്രം കടന്നാൽ, 50. TO-2 ന്റെ (ക്ലയന്റിനുള്ള) ചിലവ് TO-യുടെ ഇരട്ടിയാണ്. -1. വാസ്തവത്തിൽ, ചില കാറുകൾ TO-1-ന് വിധേയമാകുന്നു, ചിലത് അതേ ദിവസം തന്നെ TO-2-ന് വിധേയമാകുന്നു. കമ്പനിക്ക് ഏറ്റവും വലിയ പണമൊഴുക്ക് നൽകുന്നതിന് ദൈനംദിന സേവന പദ്ധതി തയ്യാറാക്കേണ്ടത് ആവശ്യമാണ്.

സ്ലൈഡ് നമ്പർ 19

സ്ലൈഡ് വിവരണം:

ഒപ്റ്റിമൽ ആസൂത്രണ പ്രക്രിയകളുടെ മോഡലിംഗ്, പ്രശ്നത്തിന്റെ ഔപചാരികവൽക്കരണവും ഗണിതശാസ്ത്ര മാതൃകയും ആസൂത്രിത സൂചകങ്ങൾ x - TO-1 നായുള്ള പ്രതിദിന ഉൽപ്പാദന പദ്ധതി; y - TO-2-നുള്ള പ്രതിദിന ഉൽപ്പാദന പദ്ധതി. പ്രശ്നത്തിന്റെ പ്രസ്താവനയിൽ നിന്ന്, അസമത്വങ്ങളുടെ ഒരു സിസ്റ്റം പിന്തുടരുന്നു: ഫംഗ്ഷന്റെ പരമാവധി മൂല്യത്തിൽ ഏറ്റവും വലിയ ലാഭം കൈവരിക്കും. f(x,y) ഫംഗ്ഷനെ ടാർഗെറ്റ് ഫംഗ്ഷൻ എന്നും അസമത്വങ്ങളുടെ സിസ്റ്റത്തെ സിസ്റ്റം എന്നും വിളിക്കുന്നു. നിയന്ത്രണങ്ങളുടെ. ഒരു ലീനിയർ പ്രോഗ്രാമിംഗ് പ്രശ്നം ലഭിച്ചു

സ്ലൈഡ് നമ്പർ 20

സ്ലൈഡ് വിവരണം:

സ്ലൈഡ് നമ്പർ 21

സ്ലൈഡ് വിവരണം:

ഒപ്റ്റിമൽ ആസൂത്രണ പ്രക്രിയകളുടെ മോഡലിംഗ് ലീനിയർ പ്രോഗ്രാമിംഗ് പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിനുള്ള രീതികൾ സിംപ്ലക്സ് രീതി - ലീനിയർ പ്രോഗ്രാമിംഗ് പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിനുള്ള ഒരു സാർവത്രിക മാർഗം Simplex table Basis St.chl. x1 ¼ xi ¼ xr xr+1 ¼ xj ¼ xn x1 b1 1 ¼ 0 ¼ 0 a1,r+1 ¼ a1j ¼ a1n xi bi 0 1 ¼ 0 AI, r+1 ¼ AIj ¼ ain ¼ xr br 0 0 ¼ 1 ar,r+1 ¼ arj ¼ Arn f 0 0 0 ¼ 0 gr+1 ¼ gj ¼ gn

സ്ലൈഡ് നമ്പർ 22

സ്ലൈഡ് വിവരണം:

സ്ലൈഡ് നമ്പർ 23

സ്ലൈഡ് വിവരണം:

സ്ലൈഡ് നമ്പർ 24

സ്ലൈഡ് വിവരണം:

സ്ലൈഡ് നമ്പർ 25

സ്ലൈഡ് വിവരണം:

ഒപ്റ്റിമൽ ആസൂത്രണ പ്രക്രിയകളുടെ മോഡലിംഗ് സ്വകാര്യ സബ് കമാൻഡ് ബട്ടൺ1_Click() Dim d(5, 9) വേരിയന്റ് ഡിം ആയി i, j, r, n, k, m ആയി ഇന്റിജർ ഡിം ആയി p, q, t ആയി സ്ട്രിംഗ് ഡിം ആയി a, b As Double for i = 1 മുതൽ 5 വരെ j = 1 മുതൽ 9 വരെ d(i, j) = റേഞ്ച്("a6:i10").സെല്ലുകൾ(i, j).മൂല്യം അടുത്തത് j അടുത്തത് i n = 7: r = 3 "നിലവിലെ പരിഹാരത്തിന്റെ ഒപ്റ്റിമലിറ്റി വിശകലനം 't = "അടുത്തത്" ചെയ്യുമ്പോൾ t = "അടുത്തത്" Excel-നുള്ള VBA-യിലെ സിംപ്ലക്സ് രീതി പ്രോഗ്രാം (ശകലം)

സ്ലൈഡ് നമ്പർ 28

സ്ലൈഡ് വിവരണം:

സ്ലൈഡ് നമ്പർ 29

സ്ലൈഡ് വിവരണം:

ഒപ്റ്റിമൽ പ്ലാനിംഗ് പ്രക്രിയകളുടെ മോഡലിംഗ് റോഡ് നിർമ്മാണത്തിൽ ജോലികൾ ആസൂത്രണം ചെയ്യുന്നതിലെ പ്രശ്നം രണ്ട് പോയിന്റുകൾ ഉണ്ട് - പ്രാരംഭ എച്ച്, അവസാന കെ; ആദ്യത്തേത് മുതൽ രണ്ടാമത്തേത് വരെ നിങ്ങൾ ഒരു റോഡ് നിർമ്മിക്കേണ്ടതുണ്ട്, അതിൽ ലംബവും സെഗ്മെന്റുകളും ഉൾപ്പെടുന്നു. സാധ്യമായ ഓരോ സെഗ്മെന്റുകളും നിർമ്മിക്കുന്നതിനുള്ള ചെലവ് അറിയപ്പെടുന്നു (ചിത്രത്തിൽ സൂചിപ്പിച്ചിരിക്കുന്നു). വാസ്തവത്തിൽ, റോഡ് H, K എന്നീ പോയിന്റുകളെ ബന്ധിപ്പിക്കുന്ന ചില തകർന്ന ലൈനായിരിക്കും. ഏറ്റവും കുറഞ്ഞ ചിലവുള്ള ഒരു ലൈൻ കണ്ടെത്തേണ്ടത് ആവശ്യമാണ്. ഇതൊരു ഡൈനാമിക് പ്രോഗ്രാമിംഗ് പ്രശ്നമാണ്

സ്ലൈഡ് വിവരണം:

സ്ലൈഡ് നമ്പർ 33

സ്ലൈഡ് വിവരണം:

കമ്പ്യൂട്ടർ സിമുലേഷൻ മോഡലിംഗ് ഗണിതശാസ്ത്ര സ്ഥിതിവിവരക്കണക്കുകളുടെ ഉപകരണം റാൻഡം ഇവന്റുകൾ ഉപയോഗിക്കുന്നു: - രണ്ട് ഇടപാടുകൾക്കിടയിലുള്ള സമയ ഇടവേള - ഇടപാട് സേവന സമയം ക്രമരഹിത സംഭവങ്ങളുടെ പ്രോബബിലിറ്റി സാന്ദ്രത വിതരണ പ്രവർത്തനങ്ങൾ ഏകീകൃത വിതരണം സാധാരണ ഗാസിയൻ വിതരണം വിഷം വിതരണം

സ്ലൈഡ് വിവരണം:

ഇസിയിലെ ആസൂത്രിത പഠന ഫലങ്ങൾ. വിദ്യാർത്ഥികൾ അറിഞ്ഞിരിക്കണം: വിവര സംവിധാനങ്ങളുടെ ഉദ്ദേശ്യവും ഘടനയും; ഒരു കമ്പ്യൂട്ടർ വിവര സംവിധാനം സൃഷ്ടിക്കുന്നതിനുള്ള ഘട്ടങ്ങൾ; സിസ്റ്റമോളജിയുടെ അടിസ്ഥാന ആശയങ്ങൾ, നിലവിലുള്ള തരത്തിലുള്ള സിസ്റ്റം മോഡലുകൾ; ഒരു സബ്ജക്ട് ഏരിയയുടെ ഇൻഫൊോളജിക്കൽ മോഡൽ എന്താണ്; എന്താണ് ഒരു ഡാറ്റാബേസ് (DB); ഡാറ്റാബേസ് വർഗ്ഗീകരണം; റിലേഷണൽ ഡാറ്റാബേസ് (RDB) ഘടന; ഡാറ്റാബേസ് നോർമലൈസേഷൻ; എന്താണ് ഒരു DBMS; ഒരു മൾട്ടി-ടേബിൾ ഡാറ്റാബേസിൽ കണക്ഷനുകൾ എങ്ങനെയാണ് ക്രമീകരിച്ചിരിക്കുന്നത്; ഏത് തരത്തിലുള്ള ഡാറ്റാബേസ് അന്വേഷണങ്ങൾ നിലവിലുണ്ട്; ഡാറ്റ വീണ്ടെടുക്കുന്നതിനും അടുക്കുന്നതിനുമുള്ള അന്വേഷണ കമാൻഡിന്റെ ഘടന എന്താണ്; ഡാറ്റാബേസുകളിൽ പ്രവർത്തിക്കുന്നതിന് ഒരു സ്പ്രെഡ്ഷീറ്റ് പ്രോസസറിന് (MS Excel) എന്ത് കഴിവുകളുണ്ട്? MS Excel-ൽ നിങ്ങൾക്ക് എങ്ങനെ ഒരു മാക്രോ സൃഷ്ടിക്കാനും നടപ്പിലാക്കാനും കഴിയും; എന്താണ് ഒരു ഒബ്ജക്റ്റ് ഓറിയന്റഡ് ആപ്ലിക്കേഷൻ; VBA പ്രോഗ്രാമിംഗ് അടിസ്ഥാനങ്ങൾ; "മോഡൽ", "ഇൻഫർമേഷൻ മോഡൽ", "കമ്പ്യൂട്ടർ മാത്തമാറ്റിക്കൽ മോഡൽ" എന്നീ ആശയങ്ങളുടെ ഉള്ളടക്കം;

സ്ലൈഡ് നമ്പർ 36

സ്ലൈഡ് വിവരണം:

കമ്പ്യൂട്ടർ ഗണിത മോഡലിംഗിന്റെ ഘട്ടങ്ങൾ, അവയുടെ ഉള്ളടക്കം; കമ്പ്യൂട്ടർ ഗണിത മോഡലിംഗ് ഉപകരണങ്ങളുടെ ഘടന; ഗണിത മോഡലിംഗ് നടപ്പിലാക്കുന്നതിൽ Excel സ്പ്രെഡ്ഷീറ്റ് പ്രോസസറിന്റെ കഴിവുകൾ; കമ്പ്യൂട്ടർ ഗണിത മോഡലുകൾ നടപ്പിലാക്കുന്നതിൽ MathCAD സിസ്റ്റത്തിന്റെ കഴിവുകൾ; സാമ്പത്തിക ആസൂത്രണത്തിൽ കമ്പ്യൂട്ടർ ഗണിത മോഡലിംഗിന്റെ പ്രത്യേകതകൾ; കമ്പ്യൂട്ടർ മോഡലിംഗ് വഴി പരിഹരിച്ച സാമ്പത്തിക ആസൂത്രണ മേഖലയിൽ നിന്നുള്ള അർത്ഥവത്തായ പ്രശ്നങ്ങളുടെ ഉദാഹരണങ്ങൾ; ലീനിയർ പ്രോഗ്രാമിംഗ് രീതി ഉപയോഗിച്ച് പരിഹരിച്ച പ്രശ്നങ്ങളുടെ രൂപീകരണം; ഡൈനാമിക് പ്രോഗ്രാമിംഗ് രീതി ഉപയോഗിച്ച് പരിഹരിച്ച പ്രശ്നങ്ങളുടെ രൂപീകരണം; സിമുലേഷൻ മോഡലിംഗ് നടപ്പിലാക്കുന്നതിന് ആവശ്യമായ പ്രോബബിലിറ്റി സിദ്ധാന്തത്തിന്റെ അടിസ്ഥാന ആശയങ്ങൾ: റാൻഡം വേരിയബിൾ, റാൻഡം വേരിയബിളിന്റെ വിതരണ നിയമം, പ്രോബബിലിറ്റി ഡെൻസിറ്റി ഡിസ്ട്രിബ്യൂഷൻ, സ്റ്റാറ്റിസ്റ്റിക്കൽ പഠനത്തിന്റെ ഫലത്തിന്റെ വിശ്വാസ്യത; തന്നിരിക്കുന്ന വിതരണ നിയമം ഉപയോഗിച്ച് ക്രമരഹിത സംഖ്യകളുടെ ക്രമം നേടുന്നതിനുള്ള രീതികൾ; ക്യൂയിംഗ് സിദ്ധാന്തത്തിലെ സിമുലേഷൻ മോഡലിംഗ് വഴി പരിഹരിക്കുന്ന പ്രശ്നങ്ങളുടെ രൂപീകരണം.

സ്ലൈഡ് നമ്പർ 37

സ്ലൈഡ് വിവരണം:

വിദ്യാർത്ഥികൾക്ക് ഇനിപ്പറയുന്നവ ചെയ്യാനാകും: ലളിതമായ വിവരങ്ങളും റഫറൻസ് സംവിധാനവും രൂപകൽപ്പന ചെയ്യുക; ഒരു മൾട്ടി-ടേബിൾ ഡാറ്റാബേസ് രൂപകൽപ്പന ചെയ്യുക; MS ആക്സസ് DBMS പരിതസ്ഥിതിയിൽ നാവിഗേറ്റ് ചെയ്യുക; ഒരു ഡാറ്റാബേസ് ഘടന സൃഷ്ടിച്ച് അതിൽ ഡാറ്റ പൂരിപ്പിക്കുക; ക്വറി ഡിസൈനർ ഉപയോഗിച്ച് എംഎസ് ആക്‌സസിൽ തിരഞ്ഞെടുക്കൽ ചോദ്യങ്ങൾ നടത്തുക; ഫോമുകൾ ഉപയോഗിച്ച് പ്രവർത്തിക്കുക; സംഗ്രഹ ഡാറ്റ ലഭിക്കുന്നതിന് അന്വേഷണങ്ങൾ നടത്തുക; റിപ്പോർട്ടുകൾ സ്വീകരിക്കുക; MS Excel-ൽ സിംഗിൾ-ടേബിൾ ഡാറ്റാബേസുകൾ (ലിസ്റ്റുകൾ) സംഘടിപ്പിക്കുക; ലിസ്റ്റുകളിൽ ഡാറ്റ തിരഞ്ഞെടുത്ത് അടുക്കുക; ഫിൽട്ടർ ഡാറ്റ; പിവറ്റ് പട്ടികകൾ സൃഷ്ടിക്കുക; ഒരു മാക്രോ റെക്കോർഡർ ഉപയോഗിച്ച് MS Excel-നായി മാക്രോകൾ റെക്കോർഡ് ചെയ്യുക; VBA-യിൽ ലളിതമായ ഇവന്റ് പ്രോസസ്സിംഗ് പ്രോഗ്രാമുകൾ എഴുതുക. കമ്പ്യൂട്ടർ ഗണിത മോഡലിംഗിന്റെ ആവശ്യകത ഉയർന്നുവരുന്ന അർത്ഥവത്തായ പ്രശ്നങ്ങൾ പരിഹരിക്കുമ്പോൾ ഒരു കമ്പ്യൂട്ടർ പരീക്ഷണ പദ്ധതി പ്രയോഗിക്കുക; പഠനത്തിന് കീഴിലുള്ള സിസ്റ്റത്തിന്റെ സ്വഭാവത്തെ സ്വാധീനിക്കുന്ന ഘടകങ്ങൾ തിരഞ്ഞെടുത്ത് ഈ ഘടകങ്ങളെ റാങ്ക് ചെയ്യുക;

സ്ലൈഡ് നമ്പർ 38

സ്ലൈഡ് വിവരണം:

പഠിക്കുന്ന പ്രക്രിയകളുടെ മാതൃകകൾ നിർമ്മിക്കുക; നിർമ്മിച്ച മോഡലുകൾ പഠിക്കാൻ സോഫ്റ്റ്വെയർ ഉപകരണങ്ങൾ തിരഞ്ഞെടുക്കുക; ലഭിച്ച ഫലങ്ങൾ വിശകലനം ചെയ്യുക, അതിരുകളോ നിർണായകമോ ഉൾപ്പെടെ വിവിധ പാരാമീറ്ററുകൾക്കായി ഗണിതശാസ്ത്ര മാതൃക പര്യവേക്ഷണം ചെയ്യുക; ലളിതമായ ഒപ്റ്റിമൈസേഷൻ സാമ്പത്തിക മാതൃകകൾ ഉപയോഗിക്കുക; ക്യൂയിംഗ് സിസ്റ്റങ്ങളുടെ ലളിതമായ മാതൃകകൾ നിർമ്മിക്കുകയും ലഭിച്ച ഫലങ്ങൾ വ്യാഖ്യാനിക്കുകയും ചെയ്യുക. ഒരു കമ്പ്യൂട്ടറിൽ ലളിതമായ ഗണിത മോഡലുകൾ നടപ്പിലാക്കുക, വിഷ്വൽ ബേസിക്കിൽ അൽഗോരിതങ്ങളും പ്രോഗ്രാമുകളും സൃഷ്ടിക്കുക; ലളിതമായ ഗണിതശാസ്ത്ര കണക്കുകൂട്ടലുകൾ നടത്തുന്നതിനും ഗ്രാഫുകളും ബാർ ചാർട്ടുകളും ഉപയോഗിച്ച് ഗണിത മോഡലിംഗിന്റെ ഫലങ്ങൾ ചിത്രീകരിക്കുന്നതിനും ടിപി എക്സലിന്റെ കഴിവുകൾ ഉപയോഗിക്കുക; ലീനിയർ, നോൺ-ലീനിയർ പ്രോഗ്രാമിംഗ് പ്രശ്നങ്ങൾ പരിഹരിക്കാൻ TP Excel-ന്റെ "സൊല്യൂഷൻ തിരയൽ" ഉപകരണം ഉപയോഗിക്കുക; ലളിതമായ ഗണിതശാസ്ത്ര കണക്കുകൂട്ടലുകൾ നടത്തുന്നതിനും മോഡലിംഗ് ഫലങ്ങൾ ഗ്രാഫിക്കായി ചിത്രീകരിക്കുന്നതിനും MathCAD സിസ്റ്റം ഉപയോഗിക്കുക; ലീനിയർ, നോൺലീനിയർ ഒപ്റ്റിമൈസേഷൻ പ്രശ്നങ്ങൾ പരിഹരിക്കാൻ MathCAD സിസ്റ്റം ഉപയോഗിക്കുക.

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.

"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; - ഒരു പൂർണ്ണ തോതിലുള്ള പരീക്ഷണവുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ഒരു കമ്പ്യൂട്ടർ പരീക്ഷണത്തിന്റെ ഗുണങ്ങളും ദോഷങ്ങളും പ്രകടമാക്കുന്നു; - അമൂർത്തമായ മോഡലും കമ്പ്യൂട്ടറും നമുക്ക് ചുറ്റുമുള്ള ലോകത്തെ മനസ്സിലാക്കാനും മനുഷ്യരുടെ താൽപ്പര്യങ്ങൾക്കായി അത് കൈകാര്യം ചെയ്യാനും അവസരം നൽകുന്നുവെന്ന് കാണിക്കുന്നു. പ്രായോഗിക കമ്പ്യൂട്ടർ മോഡലിംഗ് കഴിവുകളുടെ വികസനം. 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. ഗവേഷണ പ്രവർത്തനങ്ങളോടുള്ള വിദ്യാർത്ഥിയുടെ ചായ്‌വ് തിരിച്ചറിയൽ, സൃഷ്ടിപരമായ സാധ്യതകളുടെ വികസനം, ശാസ്ത്രീയ ഗവേഷണവുമായി ബന്ധപ്പെട്ട ഒരു തൊഴിൽ തിരഞ്ഞെടുക്കുന്നതിനുള്ള ഓറിയന്റേഷൻ. വിഷയ അനൈക്യത്തെ മറികടക്കൽ, അറിവിന്റെ സംയോജനം. ഗണിതശാസ്ത്രം ഉപയോഗിച്ച് ശാസ്ത്രത്തിന്റെ വിവിധ മേഖലകളിൽ നിന്നുള്ള മാതൃകകൾ കോഴ്‌സ് പരിശോധിക്കുന്നു. കമ്പ്യൂട്ടർ കഴിവുകളുടെ വികസനവും പ്രൊഫഷണലൈസേഷനും. പൊതുവായതും പ്രത്യേകവുമായ സോഫ്‌റ്റ്‌വെയർ, പ്രോഗ്രാമിംഗ് സിസ്റ്റങ്ങളിൽ വൈദഗ്ദ്ധ്യം.