МИНИСТЕРСТВО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ УЛЬЯНОВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ В.С.ЩЕКЛЕИН МОДЕЛИРОВАНИЕ ИНФОРМАЦИОННЫХ СИСТЕМ Конспект лекций для студентов направления 652100 «Авиастроение» Ульяновск 2002 2 УДК 621.9.06-229(035) ББК Щ Рецензент: Одобрены секцией методических пособий научно-методического сове- та университета Щеклеин В.С. Щ Моделирование информационных систем: конспект лекций/ В.С.ЩЕКЛЕИН. - Ульяновск: УлГТУ, 2002. - с. Конспект лекций представляет собой подборку материала, использо- ванного в 1999/2000 учебном году при проведении занятий по дисциплине "Моделирование информационных систем". Предназначен для студентов специализаций: 130107 «Программная обработка конструкционных мате- риалов» и 130111 «Проектный менеджмент авиационного производства». Это пособие не является завершенным, в него планируется включать новый разработанный материал, подборка и оформление которого осуществляется в соответствии с утвержденной программой дисциплины. 3 СОДЕРЖАНИЕ ВВЕДЕНИЕ ……………………………………………………………... 4 1. ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ МОДЕЛИРОВАНИЯ ………... 4 2. СУЩНОСТЬ МЕТОДА СТАТИСТИЧЕСКИХ ИСПЫТАНИЙ И ЕГО РЕАЛИЗАЦИИ С ПОМОЩЬЮ КОМПЬЮТЕРА …………… 7 3. ОБОБЩЕННЫЕ АЛГОРИТМЫ СТАТИСТИЧЕСКОГО МОДЕЛИ- РОВАНИЯ ………………………………………………………… 9 4. МОДЕЛИРОВАНИЕ СЛУЧАЙНЫХ ВЕЛИЧИН С ЗАДАННЫМ ЗАКОНОМ РАСПРЕДЕЛЕНИЯ. МОДЕЛИРОВАНИЕ СЛУЧАЙ- НЫХ СОБЫТИЙ …………………………………………………….. 5. ПОДХОД К МОДЕЛИРОВАНИЮ СИСТЕМ ……………………... 15 6. ЗАДАНИЕ СЛУЧАЙНЫХ ВЕЛИЧИН И СЛУЧАЙНЫХ СОБЫТИЙ В EXCEL ………………………………………………………... 21 7. МОДЕЛИРОВАНИЕ МАРКОВСКИХ ЦЕПЕЙ ……………………. 23 8. МОДЕЛИРОВАНИЕ СИСТЕМ МАССОВОГО ОБСЛУЖИВАНИЯ. 25 9. СТРУКТУРА ИНФОРМАЦИОННО–ВЫЧИСЛИТЕЛЬНЫХ СИС- ТЕМ ……………………………………………………………………… 26 9.1. Понятие процесса ……………………….………………………….. 28 9.2. Рабочая нагрузка …………………………………………………… 29 10. ПОКАЗАТЕЛИ ЭФФЕКТИВНОСТИ ИНФОРМАЦИОННЫХ СИСТЕМ ……………………………………………………………….. 30 11. ОЦЕНКА ПРОИЗВОДИТЕЛЬНОСТИ КОМПОНЕНТОВ СИСТЕ- МЫ …………………………………………………………….…. 31 12. ОЦЕНКА ПРОИЗВОДИТЕЛЬНОСТИ СИСТЕМЫ В ЦЕЛОМ ……. 32 13. ВЛИЯНИЕ РЕЖИМА ОБРАБОТКИ ДАННЫХ …………………….. 35 14. ХАРАКТЕРИСТИКИ НАДЕЖНОСТИ ……………………………… 36 15. ПОСТРОЕНИЕ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ИНФОРМАЦИОННОЙ СИСТЕМЫ …………………………………. 40 БИБЛИОГРАФИЧЕСКИЙ СПИСОК ……………………………………. 46 4 ВВЕДЕНИЕ Полезность математического моделирования для решения практиче- ских задач вообще не вызывает сомнений. Может возникнуть вопрос, а для чего необходимо осваивать моделирование информационных систем (а сей- час эти системы невозможно представить без вычислительной техники) авиа- строителям, ориентированным на технологию производства самолетов? Со- временная технология становится все более и более автоматизированной. Современный авиастроитель, будь он конструктор или технолог должен ис- пользовать компьютеры в своей работе. Существует опасность неадекватной оценки возможностей компьютера при решении инженерных задач. Это мо- жет привести или к отказу от автоматизации того или иного фрагмента тех- нологического процесса, или к неоправданным расходам на средства вычис- лительной техники, возможности которых сильно завышены по сравнению с необходимыми. При этом так называемый здравый смысл может приводить к серьезным ошибкам в оценке. Целью дисциплины является вооружение мо- лодого специалиста аппаратом оценки информационно - вычислительных систем для того, чтобы он мог грамотно вписывать средства автоматизации в контуры производства или управления. Кроме того, моделируя те или иные системы, студенты получают опосредованный опыт оптимизации систем и закрепляют навыки использования компьютера при решении профессио- нальных задач. 1. ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ МОДЕЛИРОВАНИЯ Моделированием называется замещение одного объекта другим с це- лью получения информации о важнейших свойствах объекта – оригинала с помощью объекта – модели. Модель (франц. modele от лат. modulas – мера, образец) : 1) образец для массового изготовления изделия; марка изделия; 2) изделие, с которого снимается форма (шаблоны, лекала, плазы); 3) изображаемый художником человек или предмет; 4) устройство, воспроизводящее строение или действие какого-либо другого устройства; 5) любой образ объекта, процесса или явления, используемый в качестве представителя оригинала (изображение, схема, чертеж, карта); 6) математический аппарат, описывающий объект, процесс или явление; 7) приспособление для получения отпечатка в литейной форме. В дальнейшем, если это не будет оговорено особо, под моделью будем понимать математический аппарат. Всем моделям присуще наличие некоторой структуры (статической или динамической, материальной или идеальной), которая подобна структуре объекта – оригинала. В процессе работы модель выступает в роли относи- тельно самостоятельного квазиобъекта, позволяющего получить при иссле- довании некоторые знания о самом объекте. Если результаты такого иссле- 5 дования (моделирования) подтверждаются и могут служить основой для про- гнозирования в исследуемых объектах, то говорят, что модель адекватна объ- екту. При этом адекватность модели зависит от цели моделирования и при- нятых критериев. Процесс моделирования предполагает наличие: - объекта исследования; - исследователя, имеющего конкретную задачу; - модели, создаваемой для получения информации об объекте, необходимой для решения задачи. По отношению к модели исследователь является экспериментатором. Надо иметь в виду, что любой эксперимент может иметь существенное зна- чение в конкретной области науки и техники только при специальной обра- ботке его результатов. Одним из наиболее важных аспектов моделирования систем является проблема цели. Любую модель строят в зависимости от це- ли, которую ставит перед ней исследователь, поэтому одна из основных про- блем при моделировании – это проблема целевого назначения. Подобие про- цесса, протекающего в модели, реальному процессу, является не самоцелью, а условием правильного функционирования модели. В качестве цели должна быть поставлена задача изучения какой-либо стороны функционирования объекта. Если цели моделирования ясны, то возникает следующая проблема, проблема построения модели. Это построение оказывается возможным, если имеется информация или выдвинуты гипотезы относительно структуры, ал- горитмов и параметров исследуемого объекта. Следует подчеркнуть роль ис- следователя в процессе построения модели, этот процесс является творче- ским, базирующимся на знаниях, опыте, эвристике. Формальные методы, по- зволяющие достаточно точно описать систему или процесс являются непол- ными или просто отсутствуют. Поэтому выбор той или иной аналогии полно- стью основывается на имеющемся опыте исследователя, и ошибки исследо- вателя могут привести к ошибочным результатам моделирования. Когда модель построена, то следующей проблемой можно считать про- блему работы с ней, реализацию модели. Здесь основные задачи – минимиза- ция времени получения конечных результатов и обеспечение их достоверно- сти. Для правильно построенной модели характерным является то, что она выявляет лишь те закономерности, которые нужны исследователю, и не рас- сматривает свойства системы – оригинала, несущественные в данный мо- мент. Классификация видов моделирования систем приведена на рис. 1.1. Математическое моделирование – это построение и использование матема- тических моделей для исследования поведения систем (объектов) в различ- ных условиях, для получения (расчета) тех или иных характеристик оригина- ла без проведения измерений или с небольшим их количеством. В рамках ма- тематического моделирования сложились два подхода: - аналитический; - имитационный. 6 Моделирование систем Детермини- Стохастическое рованное Статическое Динамическое Дискретное Дискретно- Непрерывное непрерывное Абстрактное Материальное Наглядное Символическое Математическое Натурное Физическое Аналитическое Комбинирован. Имитационное Рис. 1.1. Аналитический подход основывается на построении формульных зави- симостей, связывающих параметры и элементы системы. Такой подход дол- гое время и был собственно математическим подходом. Однако при рассмот- рении сложных систем строгие математические зависимости весьма сложны, требуется большое количество измерений для получения требуемых значе- ний параметров. Анализ характеристик процессов функционирования сложных систем с помощью только аналитических методов исследования наталкивается на зна- чительные трудности, приводящие к необходимости существенного упроще- ния моделей либо на этапе их построения, либо в процессе работы с моде- лью, что снижает достоверность результатов. Имитационный (статистический) подход в моделировании базируется на использовании предельной теоремы Чебышева при вероятностном пред- ставлении параметров системы. На основе предварительного изучения моде- лируемой системы достаточно просто определяются виды и значения законов распределения случайных величин параметров. В рамках имитационного подхода используются аналитические зависимости между параметрами эле- ментов системы, однако эти зависимости имеют более обобщенный, упро- щенный характер. Они значительно проще, нежели зависимости в рамках аналитического подхода. 7 Математическое моделирование систем, в том числе и информацион- ных, имеет целью оптимизацию структуры систем, выбор наиболее опти- мальных режимов функционирования систем, определение требуемых харак- теристик аппаратурного оборудования и программного обеспечения. Математическое моделирование технологических процессов, в том числе и информационных, имеет основными целями нахождение оптималь- ных или приемлемых характеристик самого объекта, нахождение оптималь- ных режимов обработки, обучение персонала, обеспечение определенных функций управления. В любом случае моделирование должно отвечать следующим требова- ниям: - модели должны быть адекватны соответствующим системам или техноло- гическим задачам; - должна обеспечиваться необходимая точность; - должно обеспечиваться удобство работы пользователя – специалиста по технологии или по обработке информации (управлению): - понятный интерфейс управления моделированием; - достаточная скорость работы; - наглядность результатов; - приемлемая стоимость разработки и использования средств моделиро- вания. 2. СУЩНОСТЬ МЕТОДА СТАТИСТИЧЕСКИХ ИСПЫТАНИЙ И ЕГО РЕАЛИЗАЦИИ С ПОМОЩЬЮ КОМПЬЮТЕРА Метод статистического моделирования заключается в воспроизведении исследуемого процесса при помощи вероятностной математической модели и вычислении характеристик этого процесса. Основан метод на многократном проведении испытаний построенной модели с последующей статистической обработкой полученных данных с целью определения характеристик рас- сматриваемого процесса в виде статистических оценок его параметров. Рассмотрим уравнение: у = f (x, t , ξ) , (2.1) где y - параметр системы, требующий определения, x - фазовая переменная, t - время, ξ - случайный параметр, закон распределения которого нам известен. Если функция f существенно нелинейна, то для решения данной зада- чи нет универсальных методов решения, и достаточно полно отработанные регулярные методы поиска оптимальных решений можно применить только поставив во главу угла видимость использования математики, упрощения приведут к серьезной потери точности. Математическая модель станет не- 8 адекватной исследуемой системе, и моделирование будет только формой за- блуждения. Однако, если удается построить функцию y = ϕ (ξ) и датчик случайных чисел ξ 1 , ξ 2 , ... , ξ N с заданным законом распределения, то значение y может быть вычислено как y = ∑ ϕ (ξ i) N , (2.2) где ϕ (ξ 1) - значение i -ой реализации. Если f (x, t , ξ) является аналитической моделью процесса преобразова- ния информации или технологического процесса обработки детали, то ϕ (ξ) будет статистической моделью. Некоторые принципы и приемы построения статистических моделей будут рассмотрены позднее. Важно то, что при по- строении функции y = ϕ (ξ) и датчика случайных чисел ξ 1 , ξ 2 , ... , ξ N на бумаге в подавляющем большинстве случаев достаточно легко реализовать их на ЭВМ в рамках соответствующего программного обеспечения. При этом ре- зультаты будут содержать ошибку, но эта ошибка меньше, нежели ошибки из-за допущений в аналитической модели. Кроме того, ошибка из-за приме- нения статистической модели может быть количественно оценена. Этот прием распространяется и на более сложные случаи, когда урав- нение (2.1) содержит не только случайные параметры, но и случайные функ- ции. После получения на ЭВМ N реализаций следует этап обработки стати- стики, позволяющий рассчитать, наряду с математическим ожиданием (2.2) и другие параметры ϕ (ξ) , например дисперсию D = 1 N * ∑ x.i − 1 N 2* (∑ x.i) . В методе статистических испытаний для получения достаточно на- дежных результатов необходимо обеспечивать большое число реализаций N , кроме того, с изменением хотя бы одного исходного параметра задачи необ- ходимо производить серию из N испытаний заново. При сложных моделях неоправданно большая величина N может стать фактором, задерживающим получение результата. Поэтому важно правильно оценить необходимое чис- ло результатов. Доверительный интервал ε , доверительная вероятность α , дисперсия D и число реализаций N связаны соотношением ε = D NФ −1 (α) , где Ф −1 (α) - функция, обратная функции Лапласа. На практике можно воспользоваться соотношением N ≤ D ε 2 * 6,76 для α ≥ 0,99 принимая, с целью надежности, наибольшее значение N из соот- ношения (). Оценка дисперсии D может быть получена предварительно с помощью той же статистической модели при числе реализаций n , n << 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-
Понятие модели является ключевым в общей теории систем. Моделирование как мощный - а часто и единственный - метод исследования подразумевает замещение реального объекта другим - материальным или идеальным.
Важнейшими требованиями к любой модели являются ее адекватность изучаемому объекту в рамках конкретной задачи и реализуемость имеющимися средствами.
В теории эффективности и информатике моделью объекта (системы, операции) называется материальная или идеальная (мысленно представимая) система, создаваемая и/или используемая при решении конкретной задачи с целью получения новых знаний об объекте-оригинале, адекватная ему с точки зрения изучаемых свойств и более простая, чем оригинал, в остальных аспектах .
Классификация основных методов моделирования (и соответствующих им моделей) представлена на рис. 3.1.1.
При исследовании экономических информационных систем (ЭИС) находят применение все методы моделирования, однако в этом разделе основное внимание будет уделено семиотическим (знаковым) методам.
Напомним, что семиотикой (от греч. semeion - знак, признак) называют науку об общих свойствах знаковых систем, т. е. систем конкретных или абстрактных объектов (знаков), с каждым из которых сопоставлено некоторое значение . Примерами таких систем являются любые языки
Рис. 3.1.1. Классификация методов моделирования
(естественные или искусственные, например, языки описания данных или моделирования), системы сигнализации в обществе и животном мире и т. п.
Семиотика включает три раздела: синтактика; семантика; прагматика.
Синтактика исследует синтаксис знаковых систем безотносительно к каким-либо интерпретациям и проблемам, связанным с восприятием знаковых систем как средств общения и сообщения.
Семантика изучает интерпретацию высказываний знаковой системы и с точки зрения моделирования объектов занимает в семиотике главное место.
Прагматика исследует отношение использующего знаковую систему к самой знаковой системе, в частности - восприятие осмысленных выражений знаковой системы.
Из множества семиотических моделей в силу наибольшего распространения, особенно в условиях информатизации современного общества и внедрения формальных методов во все сферы человеческой деятельности, выделим математические, которые отображают реальные системы с помощью математических символов. При этом, учитывая то обстоятельство, что мы рассматриваем методы моделирования применительно к исследованию систем в различных операциях, будем использовать общеизвестную методологию системного анализа, теории эффективности и принятия решений.
Еще по теме 3. ТЕХНОЛОГИЯ МОДЕЛИРОВАНИЯ ИНФОРМАЦИОННЫХ СИСТЕМ Методы моделирования систем:
- Имитационные модели экономических информационных систем Методологические основы применения метода имитационного моделирования
- Раздел III ОСНОВЫ МОДЕЛИРОВАНИЯ СИСТЕМЫ МАРКЕТИНГА УСЛУГ
- ГЛАВА 1. УПРАВЛЯЕМЫЕ ДИНАМИЧЕСКИЕ СИСТЕМЫ КАК ОБЪЕКТ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ
- Основы структурного моделирования маркетинговой системы медицинских услуг
- Раздел IV ПРИМЕР ПРИКЛАДНОГО ИСПОЛЬЗОВАНИЯ МОДЕЛИ СИСТЕМЫ МАРКЕТИНГА В ИМИТАЦИОННОМ МОДЕЛИРОВАНИИ
- Концепция моделирования финансовой сферы маркетинговых систем
Задачи и функции информационной системы.
ИС может решать две группы задач. Первая группа связана с чисто информационным обеспечением основной деятельности (отбор необходимых сообщений, их обработка, хранение, поиск и выдача субъекту основной деятельности с заранее заданной полнотой, точностью и оперативностью в наиболее приемлемой форме). Вторая группа задач связана с обработкой полученной информации/данных в соответствии с теми или иными алгоритмами с целью подготовки решений задач, стоящих перед субъектом основной деятельности. Для решения таких задач ИС должна обладать необходимой информацией о предметной области. Для решения таких задач ИС должна обладать определенным искусственным или естественным интеллектом. Информационная система - система поддержки и автоматизации интеллектуальных работ - поиска, администрирования, экспертиз и экспертных оценок или суждений, принятия решений, управления, распознавания, накопления знаний, обучения. Задачи первой группы - это задачи информатизации общества "вширь".
Задачи второй группы - задачи информатизации
общества "вглубь".
Для решения поставленных задач ИС должна выполнять следующие функции:
отбор сообщений из внутренней и внешней среды, необходимых для реализации основной деятельности;
ввод информации в ИС;
хранение информации в памяти ИС, ее актуализация и поддержание целостности;
обработка, поиск и выдача информации в соответствии с заданными СОД требованиями. Обработка может включать и подготовку вариантов решения пользовательских прикладных задач.
Информационная система (ИС) - взаимосвязанная совокупность средств, методов и персонала, используемых для хранения, обработки и выдачи информации в интересах достижения поставленной цели. Современное понимание информационной системы предполагает использование персонального компьютера в качестве основного технического средства переработки информации. ИС является средой, составляющими элементами которой являются компьютеры, компьютерные сети, программные продукты, БД, люди, различного рода технические и программные средства связи и т.д. Хотя сама идея ИС и некоторые принципы их организации возникли задолго до появления компьютеров, однако компьютеризация в десятки и сотни раз повысила эффективность ИС и расширила сферы их применения.
Функциональная структура информационной системы.
В ИС целесообразно выделять три самостоятельных функциональных подсистемы.
Подсистема отбора информации. Информационная система может обрабатывать/перерабатывать только ту информацию, которая в нее введена. Качество работы ИС определяется не только ее способностью находить и перерабатывать нужную информацию в собственном массиве и выдавать ее пользователю, но и способностью отбирать релевантную информацию из внешней среды. Такой отбор осуществляет подсистема отбора информации, которая накапливает данные об информационных потребностях пользователей ИС (внутренних и внешних), анализирует и упорядочивает эти данные, образуя информационный профиль ИС.
Подсистема ввода, обработки/переработки и хранения информации осуществляет преобразования входной информации и запросов, организацию их хранения и переработки с целью удовлетворения информационных потребностей абонентов ИС.
Реализация функций данной подсистемы предполагает наличие аппарата описания информации (систем кодирования, языка описания данных (ЯОД) и т. д.), организации и ведения информации (логическая и физическая организация, процедуры ведения и защиты информации и т. д.), аппарата обработки и переработки информации (алгоритмы, модели и т. д.).
Подсистема подготовки и выдачи информации непосредственно реализует удовлетворение информационных потребностей пользователей ИС (внутренних и внешних). Для выполнения этой задачи подсистема проводит изучение и анализ информационных потребностей, определяет формы и методы их удовлетворения, оптимальный состав и структуру выходных информационных продуктов, организует сам процесс информационного обеспечения и сопровождения.
Выполнение указанных функций требует наличия аппарата описания и анализа информационных потребностей и их выражения на языке ИС (в том числе ЯОД, ИПЯ, языке индексирования и т. д.), а также аппарата непосредственно информационного обеспечения (процедуры поиска и выдачи информации, языки манипулирования данными и т. д.). Многие функции подсистем ИС дублируются или пересекаются, что является предметом оптимизации при проектировании ИС. Автоматизация ИС в связи с этим сопровождается перераспределением элементов ИС.
Автоматизация предполагает формализованное представление (структуризацию) как функций ИС, так и самой обрабатываемой в ИС информации, которое и позволяет осуществлять ввод, обработку/переработку, хранение и поиск информации с использованием ЭВМ. Любая формализация характеризуется тем или иным уровнем адекватности создаваемого образа реальной действительности (модели) самой действительности. Причем, адекватность модели реальной действительности определяется как свойствами самой действительности, так и возможностями используемого аппарата ее формализованного представления.
С этой точки зрения "уровень автоматизации" ИС тесно связан со "степенью структурируемости" информации. Различают три уровня структурируемости информации: Жесткоструктурируемая информация (данные)- информация, формализованное представление которой современными средствами ее структурирования (в частности, языками описания данных) не приводит к потере адекватности модели информации самой исходной
информации. Слабоструктурируемая информация - информация, формализованное представление которой приводит к значительным потерям адекватности модели информации самой исходной информации.
Неструктурируемая информация - информация, для которой в настоящее время не существует средств ее формализованного представления с приемлемым на практике уровнем адекватности. Средства представления такой информации должны обладать высокими смысловыразительными способностями. Разработка таких средств в настоящее время идет по линии создания языков описания знаний и ИПЯ с высокой семантической силой.
Методологии построения информационных систем.
Индустрия разработки автоматизированных информационных систем управления зародилась в 1950-х - 1960-х годах и к концу века приобрела вполне законченные формы.
На первом этапе основным подходом в проектировании ИС был метод «снизу-вверх», когда система создавалась как набор приложений, наиболее важных в данный момент для поддержки деятельности предприятия. Такой подход отчасти сохраняется и сегодня. В рамках «лоскутной автоматизации» достаточно хорошо обеспечивается поддержка отдельных функций, но практически полностью отсутствует стратегия развития комплексной системы автоматизации
Следующий этап связан с осознанием того факта, что существует потребность в достаточно стандартных программных средствах автоматизации деятельности различных учреждений и предприятий. Из всего спектра проблем разработчики выделили наиболее заметные: автоматизацию ведения бухгалтерского аналитического учета и технологических процессов. Системы начали проектироваться «сверху-вниз», т.е. в предположении, что одна программа должна удовлетворять потребности многих пользователей.
Сама идея использования универсальной программы накладывает существенные ограничения на возможности разработчиков по формированию структуры базы данных, экранных форм, по выбору алгоритмов расчета. Заложенные «сверху» жесткие рамки не дают возможности гибко адаптировать систему к специфике деятельности конкретного предприятия Таким образом, материальные и временные затраты па внедрение системы и ее доводку под требования заказчика обычно значительно превышают запланированные показатели.
Согласно статистическим данным, собранным Standish Group (СШЛ), из 8380 проектов, обследованных в СШЛ в 1994 году, неудачными оказались более 30% проектов, общая стоимость которых превышала 80 миллиардов долларов. При этом оказались выполненными в срок лишь 16% от общего числа проектов, а перерасход средств составил 189% от запланированного бюджета.
В то же время, заказчики ИС стали выдвигать все больше требований, направленных на обеспечение возможности комплексного использования корпоративных данных в управлении и планировании своей деятельности. Таким образом, возникла насущная необходимость формирования повой методологии построения информационных систем.
Согласно современной методологии, процесс создания ИС представляет собой процесс построения и последовательного преобразования ряда согласованных моделей на всех этапах жизненного цикла (ЖЦ) ИС. На каждом этапе ЖЦ создаются специфичные для него модели - организации, требований к
ИС. проекта ИС. требований к приложениям и т.д. Обычно выделяют следующие этапы создания ИС: формирование требований к системе, проектирование, реализация, тестирование, ввод в действие, эксплуатация и сопровождение.
Начальным этапом процесса создания ИС является моделирование бизнес-процессов, протекающих в организации и реализующих ее цели задачи. Модель организации, описанная в терминах бизнес-процессов бизнес- функций, позволяет сформулировать основные требования к ИС.
В основе проектирования ИС лежит моделирование предметной области. Для того чтобы получить адекватный предметной области проект ИС в виде системы правильно работающих программ, необходимо иметь целостное, системное представление модели, которое отражает все аспекты функционирования будущей информационной системы. При этом под моделью предметной области понимается некоторая система, имитирующая структуру или функционирование исследуемой предметной области и отвечающая основному требованию - быть адекватной этой области.
Предварительное моделирование предметной области позволяет сократить время и сроки проведения проектировочных работ и получить более эффективный и качественный проект. Без проведения моделирования предметной области велика вероятность допущения большого количества ошибок в решении стратегических вопросов, приводящих к экономическим потерям и высоким затратам на последующее перепроектирование системы. Вследствие этого все современные технологии проектирования ИС основываются на использовании методологии моделирования предметной области.
К моделям предметных областей предъявляются следующие требования:
Формализация, обеспечивающая однозначное описание структуры предметной области;
Понятность для заказчиков и разработчиков на основе применения графических средств отображения модели;
Реализуемость, подразумевающая наличие средств физической реализации модели предметной области и ИС;
Обеспечение опенки эффективности реализации модели предметной области на основе определенных методов и вычисляемых показателей.
Функциональное моделирование IDEF0: основные определения и положения.
Программа интегрированной компьютеризации производства ICAM (ICAM - Integrated Computer Aided Manufacturing) направлена на увеличение эффективности промышленных предприятий посредством широкого внедрения компьютерных (информационных) технологий. В США это обстоятельство было осознано еще в конце 70-ых годов, когда ВВС США предложили и реализовали
Методология IDEF (ICAM Definition), позволяет исследовать структуру, параметры и характеристики производственно-технических и организационно- экономических систем (в дальнейшем, там, где это не вызывает недоразумений – систем). Общая методология IDEF состоит из трех частных методологий моделирования, основанных на графическом представлении систем:
IDEF0 используется для создания функциональной модели, отображающей структуру и функции системы, а также потоки информации и материальных объектов, связывающие эти функции.
IDEF1 применяется для построения информационной модели, отображающей структуру и содержание информационных потоков, необходимых для поддержки функций системы;
IDEF2 позволяет построить динамическую модель меняющихся во времени поведения функций, информации и ресурсов системы.
К настоящему времени наибольшее распространение и применение имеют методологии IDEF0 и IDEF1 (IDEF1X), получившие в США статус федеральных стандартов. Методология IDEF0, особенности и приемы применения которой описываются в настоящем Руководящем документе (РД), основана на подходе, разработанном Дугласом Т. Россом в начале 70–ых годов и получившем название SADT (Structured Analysis & Design Technique - метод структурного анализа и проектирования). Основу подхода и, как следствие, методологии IDEF0, составляет графический язык описания (моделирования) систем, обладающий следующими свойствами.
Для правильного отображения взаимодействий компонентов ИС важно осуществлять совместное моделирование таких компонентов, особенно с содержательной точки зрения объектов и функций.
Методология структурного системного анализа существенно помогает в решении таких задач.
Структурным анализом принято называть метод исследования системы, которое начинается с ее общего обзора, а затем детализируется, приобретая иерархическую структуру с все большим числом уровней. Для таких методов характерно: разбиение на уровни абстракции с ограниченным числом элементов (от 3 до 7); ограниченный контекст, включающий только существенные детали каждого уровня; использование строгих формальных правил записи; последовательное приближение к результату.
Определим ключевые понятия структурного анализа деятельности предприятия (организации).
Операция - элементарное (неделимое) действие, выполняемое на одном рабочем месте.
Функция - совокупность операций, сгруппированных по определенному признаку.
Бизнес-процесс - связанная совокупность функций, в ходе выполнения которой потребляются определенные ресурсы и создается продукт (предмет, услуга, научное
открытие, идея), представляющая ценность для потребителя.
Подпроцесс - это бизнес-процесс, являющийся структурным элементом некоторого бизнес-процесса и представляющий ценность для потребителя.
Бизнес-модель - структурированное графически описание сети процессов и операций, связанных с данными, документами, организационными единицами и прочими объектами, отражающими существующую или предполагаемую деятельность предприятия. Существуют различные методологии структурного моделирования предметной области, среди которых следует выделить функционально-ориентированные и объектно- ориентированные методологии.
Описание системы с помощью IDEF0 называется функциональной моделью. Функциональная модель предназначена для описания существующих бизнес- процессов, в котором используются как естественный, так и графический языки. Для передачи информации о конкретной системе источником графического языка является сама методология IDEF0.
Методология IDEF0 предписывает построение иерархической системы диаграмм - единичных описаний фрагментов системы. Сначала проводится описание системы в целом и ее взаимодействия с окружающим миром (контекстная диаграмма), после чего проводится функциональная декомпозиция - система разбивается на подсистемы и каждая подсистема описывается отдельно (диаграммы декомпозиции). Затем каждая подсистема разбивается на более мелкие и так далее до достижения нужной степени подробности.
Инструментальная среда BPwin.
Моделирование деловых процессов, как правило, выполняется с помощью case-средств. К таким средствам относятся BPwin (PLATINUM technology), Silverrun (Silverrun technology), Oracle Designer (Oracle), Rational Rose (Rational Software) и др. Функциональные возможности инструментальных средств структурного моделирования деловых процессов будут рассмотрены на примере case- средства BPwin.
BPwin поддерживает три методологии моделирования: функциональное моделирование (IDEF0); описание бизнес- процессов (IDEF3); диаграммы потоков данных (DFD). BPwin имеет достаточно простой и интуитивно понятный интерфейс пользователя. При запуске BPwin по умолчанию появляется основная панель инструментов, палитра инструментов (вид которой зависит от выбранной нотации) и, в левой части, навигатор модели - Model Explorer).
При создании новой модели возникает диалог, в котором следует указать, будет ли создана модель заново или она будет открыта из файла либо из репозитория ModelMart, затем внести имя модели и выбрать методологию, в которой будет построена модель.
Как было указано выше, BPwin поддерживает три методологии - IDEF0, IDEF3 и DFD, каждая из которых решает свои специфические задачи. В BPwin возможно построение смешанных моделей, т. е. модель может содержать одновременно диаграммы как IDEF0, так и IDEF3 и DFD. Состав палитры инструментов изменяется автоматически, когда происходит переключение с одной нотации на другую.
Модель в BPwin рассматривается как совокупность работ, каждая из которых оперирует с некоторым набором данных. Работа изображается в виде прямоугольников, данные - в виде стрелок. Если щелкнуть по любому объекту модели левой кнопкой мыши, появляется контекстное меню, каждый пункт которого соответствует редактору какого-либо свойства объекта.
На начальных этапах создания ИС необходимо понять, как работает организация, которую собираются автоматизировать. Руководитель хорошо знает работу в целом, но не в состоянии вникнуть в детали работы каждого рядового сотрудника. Рядовой сотрудник хорошо знает, что творится на его рабочем месте, но может не знать, как работают коллеги. Поэтому для описания работы предприятия необходимо построить модель, которая будет адекватна предметной области и содержать в себе знания всех участников бизнес-процессов организации.
Наиболее удобным языком моделирования бизнес- процессов является IDEF0, где система представляется как совокупность взаимодействующих работ или функций. Такая чисто функциональная ориентация является принципиальной - функции системы анализируются независимо от объектов, которыми они оперируют. Это позволяет более четко смоделировать логику и взаимодействие процессов организации.
Процесс моделирования системы в IDEF0 начинается с создания контекстной диаграммы- диаграммы наиболее абстрактного уровня описания системы в целом, содержащей определение субъекта моделирования, цели и точки зрения на модель.
Работы(Activity) обозначают поименованные процессы, функции или задачи, которые происходят в течение определенного времени и имеют распознаваемые результаты.
Работы изображаются в виде прямоугольников. Все работы должны быть названы и определены. Имя работы должно быть выражено отглагольным существительным, обозначающим действие (например, "Деятельность компании", "Прием заказа" и т.д.). Работа"Деятельность компании" может иметь, например, следующее определение: "Это учебная модель, описывающая деятельность компании". При создании новой модели (меню File/New) автоматически создается контекстная диаграмма с единственной работой, изображающей систему в целом.
Стрелки (Arrow) описывают взаимодействие работ и представляют собой некую информацию, выраженную существительными.(Например, "Звонки клиентов", "Правила и процедуры", "Бухгалтерская система".)
«Компьютерное математическое моделирование» Задачи изучения раздела. Овладение моделированием как методом познания окружающей действительности (научно-исследовательский характер раздела) - показывается, что моделирование в различных областях знаний имеет схожие черты, зачастую для различных процессов удается получить очень близкие модели; - демонстрируются преимущества и недостатки компьютерного эксперимента по сравнению с экспериментом натурным; - показывается, что и абстрактная модель, и компьютер предоставляют возможность познавать окружающий мир, управлять им в интересах человека. Выработка практических навыков компьютерного моделирования. Дается общая методология компьютерного математического моделирования. На примере ряда моделей из различных областей науки и практики практически реализуются все этапы моделирования от постановки задачи до интерпретации результатов, полученных в ходе компьютерного эксперимента. Содействие профессиональной ориентации учащихся. Выявление склонности ученика к исследовательской деятельности, развитие творческого потенциала, ориентация на выбор профессии, связанной с научными исследованиями. Преодоление предметной разобщенности, интеграция знаний. В рамках курса изучаются модели из различных областей науки с использованием математики. Развитие и профессионализация навыков работы с компьютером. Овладение ППО общего и специализированного назначения, системами программирования.
