• Гідрологія і Гідрометрія
• Господарське право
• Економіка будівництва
• Економіка природокористування
• Економічна теорія
• Земельне право
• Історія України
• Кримінально виконавче право
• Медична радіологія
• Методи аналізу
• Міжнародне приватне право
• Міжнародний маркетинг
• Основи екології
• Предмет Політологія
• Соціальне страхування
• Технічні засоби організації дорожнього руху
• Товарознавство продовольчих товарів

Технології централізованого та розподіленого оброблення інформації (комп’ютерні мережі, Internet).

Види експертних систем. Складові експертних систем. Розвиток експертних систем. Вартість експертних систем. Використання технологій штучного інтелекту в управлінні організацією. Сучасний погляд на системи штучного інтелекту. Характеристики поведінки систем штучного інтелекту. Основна сфера застосування систем штучного інтелекту.

Методи аналізу «причина-наслідок», кореляційно-регресійний аналіз, аналіз тенденцій, оптимізація. Сфера використання системи підтримки прийняття рішень. Архітектура системи підтримки прийняття рішень.

Системи підтримки прийняття рішень обслуговують частково структуровані завдання, результати яких важко спрогнозувати заздалегідь. Вони мають потужніший аналітичний апарат з декількома моделями. Інформацію одержують з управлінських і операційних інформаційних систем. Використовують ці системи всі, кому необхідно приймати рішення: менеджери, фахівці, аналітики та ін. Наприклад, їхні рекомендації можуть придатися при ухваленні рішення купувати або взяти устаткування в оренду та ін.

Характеристики систем підтримки прийняття рішень:

· забезпечують вирішення проблем, розвиток яких важко прогнозувати;

· оснащені складними інструментальними засобами моделювання і аналізу;

· дозволяють легко міняти постановку розв'язуваних завдань і вхідні дані;

· відрізняються гнучкістю і легко адаптуються до зміни умов по кілька разів на день;

· мають технологію, максимально орієнтовану на користувача.

ІС автоматизованого проектування або САПР – системи автоматизованого проектування (CAD/CAM – Computer Aided Design / Computer Aided Manufacturing) призначені для автоматизації функцій інженерів-проектувальників, конструкторів, архітекторів, дизайнерів при створенні нової техніки або технології. Такі ІС допомагають здійснювати:

· розробку нових виробів і технологій їх виробництва;

· різні інженерні розрахунки (визначення технічних параметрів виробів, витратних норм — трудових, матеріальних і т. ін.);

· створення графічної документації (креслень, схем, планувань);

· моделювання проектованих об'єктів;

· створення програм, що управляють, для верстатів з числовим програмним управлінням.

Системи підтримки прийняття рішень дозволяють вирішувати частково структуровані завдання, результати яких важко наперед спрогнозувати, вони здатні відповідати на питання «що буде, якщо ...?». Вони мають потужній аналітичний апарат з декількома моделями. Інформацію отримують з управлінських і операційних ІС. Використовують СППР всі, кому необхідно ухвалювати рішення: менеджери, фахівці, аналітики і ін. Наприклад, їх рекомендації можуть стати в нагоді при прийнятті рішення: купити устаткування або взяти в оренду, яку ціну встановити на новий товар і ін.

СППР застосовуються не тільки на даному рівні управління. Наприклад, керівники компанії і провідні менеджери можуть користуватися фінансовими модулями, щоб передбачити ефективність використання активів компанії при зміні економічної ситуації в країні. Менеджерам середньої ланки та ж система може бути корисною для оцінки перспективності короткострокових інвестицій за проектами.

СППР мають наступні характеристики:

· забезпечують вирішення проблем, розвиток яких важко прогнозувати;

· оснащені складними засобами моделювання і аналізу;

· дозволяють легко змінювати постановки вирішуваних завдань і вхідні дані;

· відрізняються гнучкістю і легко адаптуються до зміни умов.

Одним з перспективних напрямків розвитку ІС є їх інтелектуалізація, тобто створення ІС орієнтованих на придбання, обробку і використання знань.

Такі системи призначені для роботи в умовах невизначеності (неможливості точного математичного опису) інформації про властивості і характеристики складних об'єктів і середовища їх функціонування.

Технології ШІ включають штучні нейронні мережі (ШНМ), експертні системи (ЕС), нечітку (fuzzy) логіку, генетичні алгоритми та ін. Ідеї, що лежать в їх основі істотно відрізняються від загальноприйнятих методів обчислень, вони імітують «людські» шляхи вирішення проблем. Наприклад, штучні нейронні мережі володіють здібністю до навчання, експертні системи приймають рішення на основі наборів правил і досвіду експертів, а системи з нечіткою логікою оперують такими поняттями, як невизначеність і приблизна істина.

Серед областей застосування штучного інтелекту можна назвати:

· розпізнавання образів і мови (наприклад, розпізнавання відсканованого тексту);

· машинний переклад і обробка текстів на природній мові; ШІ необхідний для врахування контексту при виборі з сукупності можливих значень слів і граматичних конструкцій; ШІ використовують для швидкої тематичної класифікації текстів, наприклад, повідомлень інформагентств, для автоматичного реферування – виділення головних фраз, що дозволяють вирішити, чи витрачати час на детальне ознайомлення з документом;

· виявлення закономірностей у масивах даних. Інтелектуальний аналіз великих баз даних (наприклад, продажів у мережі супермаркетів або розшифрованого генома) іноді виявляє закономірності, яких ніхто не припускав. Ця сфера отримала назву data mining (видобування даних);

· адаптація до поведінки користувача. Програми можуть аналізувати звички користувача і пристосовуватися до нього, заздалегідь готуючись до виконання найбільш вірогідних дій або прибираючи з поля зору зайві деталі;

· багатофакторна оптимізація. Часто виникає питання: як знайти оптимум, коли на результат впливає дуже багато параметрів? ШІ дозволяє значно звузити область пошуку, прискорюючи ухвалення рішень і підвищуючи їх якість;

· оцінка ризиків, прогнозування – оперативна побудова прогнозу з урахуванням попередньої історії, наприклад, на біржі; оцінка ризиків, пов'язаних з різними варіантами поведінки. На біржі використовуються інтелектуальні програми-роботи. Вони самі оцінюють ефективність своїх дій з досягнутих результатів і коректують свою поведінку. Кращі сучасні системи такого типу вже не поступаються трейдеру середньої кваліфікації;

· комп’ютерні ігри;

· діагностика – швидке виявлення захворювань або несправностей за сукупністю ознак.

Експертна система – це ІС, що використовує знання одного або декількох експертів, представлені в деякому формальному вигляді, для ухвалення рішень. Тобто ЕС здатна давати рекомендації з проблем у певній проблемній області з високим ступенем надійності на рівні цих фахівців. ЕС є різновидом систем штучного інтелекту.

ЕС складається з таких компонентів.

1. База знань призначена для зберігання експертних знань про предметну область. База знань містить факти (або твердження) і правила. Факти є короткостроковою інформацією в тому відношенні, що вони можуть змінюватися, наприклад, під час використання системи. Правила відображають інформацію про те, як породжувати нові факти або гіпотези з того, що зараз відоме системі. Для функціонування системи база знань має бути наповнена знаннями. Для цього запрошують висококваліфікованих спеціалістів у тій галузі, для якої розробляється система, вони відіграють роль експертів, завдання яких – описати всі відомі знання для функціонування ЄС.

2. Машина виводу – механізм, який необхідний для побудови логічних обчислень (механізм міркувань, що оперує знаннями і даними з метою отримання нових даних із знань з інших даних, наявних у робочій пам'яті).

3. Модуль придбання знань – це компонент, який автоматизує процес наповнення ЕС знаннями, здійснюваний користувачем-експертом.

4. Інтерфейс користувача – діалоговий компонент, який орієнтований на організацію дружнього спілкування з користувачем як під час вирішення завдань, так і в процесі придбання знань і пояснення результатів роботи.

В економічній сфері експертні системи використовуються не так успішно, як, наприклад, у медицині, геології, конструюванні, хімії. Це можна пояснити складністю, динамічністю і великими обсягами знань, що підлягають відтворенню за допомогою економічних ЕС.

Серед задач управління найбільш перспективними в аспекті застосування ЕС є наступні: управління проектуванням, технологічними процесами і промисловим виробництвом; аналіз ризиків і рейтингів; внутрішній аудит на підприємстві.

До недавнього часу при організації комп’ютерної обробки економічної інформації застосовувався підхід, при якому на основі інформації одного і того ж об'єкту управління (наприклад, матеріальних ресурсів) в залежності від її вигляду (нормативна. розцінкова тощо) і ступеню постійності формувались масиви лінійної структури двох типів: умовно-постійні (з інформацією, яка використовувалась багато разів протягом довгого часу) і умовно-перемінні з фактичною або поточною інформацією). Створення і багаторазове використання масивів з умовно-постійною інформацією має ті переваги, які дозволяють значно спростити первинну документацію шляхом виведення з її складу ряд постійних реквізитів. знизити трудомісткість робіт на стадії заповнення первинних документів, підготовки і вводу фактичної або поточної інформації в ІС. Недоліком таких масивів, які мають лінійну структуру, є то що інформація одного і того я об'єкту управління розосереджується поміж багатьох різних масивів (нормативних, планових та ін.), що неминуче веде до дублювання деяких реквізитів, ускладненню при спільній їх обробці тощо, а головне - не дає змоги реалізувати принцип незалежності від прикладних програм користувача. Лінійні масиви сформовані традиційним способом, ефективні, як правило, а позиції одного застосування.

3 розвитком інформаційного забезпечення систем автоматизованої обробки економічної інформації, прагненням забезпечити виконання нових режимів обробки даних у реальному часі і з мультидоступом до схованих даних позначилась нова тенденція до складення інформаційного забезпечення розподілених баз даних. В умовах використання таких баз створюються комплексні масиви нелінійної структури, які мають усі дані про ту чи іншу предметну область або про керований об'єкт як постійного, так і перемінного характеру.

Взагалі база даних є сукупність даних на машинних носіях, які використовуються при функціонуванні системи обробки інформації, організовані по визначеним правилам, які передбачають загальні принципи описування збереження і маніпулювання ними, а також які незалежні від прикладних програм. В основі організації бази даних є модель даних, яка визначає правила, у відповідності з якими структуруються дані. За допомогою моделі представляється велика кількість даних і описуються взаємно зв’язки між ними. Найбільш поширені такі моделі даних: ієрархічна, сітьова, реляційна.

В ієрархічній моделі зв'язок даних «один до одного» (1:1) означає, що кожному значенню (екземпляру) елемента даних А відповідає одне і тільки одне значення, пов'язаного з ним елемента В. Наприклад, поміж такими елементами пар даних, як код готової продукції і її найменуванням є вищезазначений зв'язок, так як тільки кожному коду продукції відповідає одне її найменування.

Зазначимо, що ієрархічна модель даних будується на основі принципу підпорядкованості поміж елементами даних і представляє собою деревоподібну структуру, яка складається із вузлів (сегментів) і дуг (гілок). Дерево у ієрархічній структурі упорядковане за існуючими правилами розташування його сегментів і гілок: на верхньому рівні знаходиться один, кореневий (вихідний) сегмент, сегмент другого рівня, породжений, залежить від першого, вихідного; доступ до кожного породженого (крім кореневого) здійснюється через його вихідний сегмент; кожний сегмент може мати по декілька екземплярів конкретних значень елементів даних, а кожний елемент породженого сегменту пов’язаний з екземпляром вихідного і створює один логічний запис; екземпляр породженого сегменту не може існувати самостійно, тобто без кореневого сегменту; при вилученні екземпляру кореневого сегмента також вилучаються усі підпорядковані і взаємопов'язані з ним екземпляри породжених сегментів.

В сітьовій моделі зв'язок «один до багатьох» (1:В) означає, що значенню елемента А відповідають багато (більше одного) значень, пов'язанню з ним елементів В. Наприклад, поміж елементами даних «код виробу» (елемент А) і «кодом матеріалів» (елементи В) існує такий взаємозв'язок бо на виготовлення одного виробу використовується багато різних матеріалів.

Сітьова модель даних представляє собою орієнтований граф з пойменованими вершинами і дугами. Вершини графа - записи, які представляють собою по іменовану сукупність логічних взаємозв'язаних елементів даних або агрегатів даних. Під агрегатом даних розуміють пошановану сукупність елементів даних, які є усередині запису. Для кожного типу записів може бути кілька екземплярів конкретних значень його інформаційних елементів Два записи, взаємозв'язані дугою, створюють набір даних. Запис, з якого виходить дуга, називається власником набору, а запис, до якого вона направлена, - членом набору.

В реляційній моделі зв'язок «багатьох до багатьох» (В:В) указує на те, що декільком значенням елементів даних А відповідає декілька значені елементів даних В. Наприклад, поміж елементами даних «код операції технологічного процесу» і «табельний номер працівника» існує зазначені взаємозв'язок, так як багато операцій технологічного процесу можуть виконувати різні працівники (табельні номери) і навпаки.

Реляційна модель даних являє собою набір двомірних плоских таблиць, що складаються з рядків і стовпців. Первинний документ або лінійний масив являє собою плоску двомірну таблицю. Така таблиця називається відношенням, кожний стовбець - атрибутом,сукупність значень одного типу (стовпця) – доменом,а рядка – кортежем. Таким чином,стовпці таблиці являються традиційними елементами даних,а рядки записами. Таблиці (відношення) мають імена. Імена також присвоюються і стовпцям таблиці. Кожний кортеж (запис) відношення має ключ. Ключі є прості і складні. Простий ключ - це ключ, який складається з одного атомарного атрибуту, значення якого унікальне (яке не повторюються). Складний ключ складається з двох і більше атрибутів. Для зв’язків відношень друг з другом в базі даних є зовнішні ключі. Атрибут або комбінація атрибута відношення є зовнішнім ключем, якщо він не є основним (первинним) ключем цього відношення, але являється первинним ключем для другого відношення.

Різновидністю БД, з точки зору їх зберігання і використання,є розподіленні бази даних. Ці БД широко використовуються при організації комплексів взаємопов’язаних АРМ фахівців.

В інформаційно-обчислювальних системах необхідність переходу від традиційних баз даних до розподілених диктується прагнення вирішити суперечки про поміж перевагою розподільного збереження і ведення баз даних і потребою їх інтегрованого використання як цілого.

Розподілена БД - це сукупність логічно зв’язаних баз даних або частин однієї бази, які розпаралелені поміж декількома територіально – розподіленими комп’ютерами і забезпечені відповідними можливостями для управління цими базами або їх частинами. Тобто, розподілена база даних реалізується на різних просторово розосереджених обчислювальних засобах, разом з організаційними, технічними і програмними засобами її створення і ведення.

До основних переваг розподіленої базі даних можна віднести таке: підвищення продуктивності систем за рахунок розпаралелення процесів обробки даних; підвищення ефективності управління даними і поліпшення експлуатаційних характеристик систем управління даними, поліпшення збалансованості навантаження і синхронізації процесів оброки даних; підвищення надійності і живучості системи; поліпшення гнучкості, нарощуваності і модифікованості баз даних; скорочення вартості організації і затрат на експлуатацію баз даних; збільшення обсягу збережених і доступних для обробки даних; зменшення обсягів даних, які пересилаються.

Використовувати розподілені бази даних ефективно і доцільно в предметних областях, які характеризуються: занадто великими обсягами даних, які зберігаються і обробляються; фізичною розосередженістю місць збирання, зберігання і використання даних; наявністю розвинутих засобів обчислювальної техніки і мереж передачі даних; можливістю обробки більшої частини інформації в місцях, де вона виникає або зберігається; необхідністю одночасного виконання масової обробки інформації тощо. Ці особливості властиві промисловим підприємству і для його предметних областей. Предметна область - це уявлення досліджуваної частини реального світу у вигляді об’єктів (сутностей і категорій), відношень (зв’язків і властивостей) і операцій (змін відношень).

За засобом розміщення розподілені бази даних ділять на зосередженні і розосередженні.

Зосередженні (або централізовані) розподілені бази даних фізично розміщені в одному місці. Для обміну інформацією поміж окремими (локальними) підбазами використовуються канали зв’язку прямого доступу. Обмін даними поміж взаємозв’язаними підбазами здійснюється без помітних обмежень на обсяги і характер інформації, що передається. Такі бази даних мають ряд переваг: просту побудову бази даних, зведення до мінімуму дублювання інформації, максимально уніфікацію методів зберігання,коректування і пошуку інформації.

Проте зосереджені бази даних в одному місці – вузлі мережі – мають цілий ряд недоліків: при централізації зберігання значно збільшується час на передачу інформації і за рахунком цього зростає час реакції системи; централізована система обмежена обсягами пам’яті комп’ютера тощо.

Розосереджені (або децентралізовані) розподілені бази даних фізично розміщені в різних місцях – вузлах обчислювальної мережі. Обмін інформацією поміж під базами здійснюються з використанням каналів зв’язку. Як під бази розподіленої бази даних можуть використовуватись зосереджені (централізовані) бази даних і окремі (локальні) під бази. Обмін інформацією поміж взаємозв’язаними під базами здійснюється головним чином результатною (обробленою, узагальненою) інформацією. При виконанні запиту в таких системах використовується декомпозиція запиту на під запит до локальних під баз і паралельне виконання виділених під запитів у різних вузлах обчислювальної мережі. Ці бази даних мають безперечні переваги у порівнянні з централізованими: обсяги пам’яті визначаються не одним комп’ютером, а сумарною пам’яттю комп’ютерів в усіх вузлах мережі; зменшуються затрати на передавання інформації, так як у кожному вузлі знаходиться та інформація, яка необхідна конкретному користувачу і по можливості забезпечує всі його інформаційні потреби. Однак розосереджена база даних призводить до неминучого дублювання деякої інформації, безконтрольності її зростання, а також значно ускладнюється проблема зберігання несуперечності інформації.

Розглянута концепція розподілених баз даних знаходить широке розповсюдження при функціонуванні розподіленої обробки інформації. При цьому організація такої обробки інформації відбувається, як правило, в рамках системної автоматизованої обробки економічної інформації як в окремих структурних ланках, так і по об'єкту управління в цілому.

Організаційною передумовою застосування розподіленої обробки інформації є те, що в умовах ринкової економіки, при якій широко впроваджуються в практику господарського механізму госпрозрахунок, оренда тощо розвиваються процеси децентралізації управління об'єктом.

Технічною передумовою зазначених процесів є те. що одержують розповсюдження комп’ютери, які прості в експлуатації і обслуговуванні, мають відносно низьку вартість і малі габарити тощо. Все це дозволяє наблизити їх до місць виникнення і первинного використання інформації про процеси, які відбуваються в виробничо-господарській діяльності об'єкта управління, а також розподілити їх на всіх рівнях управління цього об'єкта.

В умовах системної обробки інформації, колі концепція розподіленої обробки інформації реалізується на базі локальних мереж, знаходять широке використання АРМ керівників і фахівців різних рівнів об'єкта управління.

Читайте також:

1. D і 3D технології креслення в AutoCAD
2. OLAP-Технології
3. PR-ІНСТРУМЕНТАРІЙ І МАНІПУЛЯТИВНІ ТЕХНОЛОГІЇ
4. PR-технології у виборчій кампанії.
5. PR-технології.
6. Web-технології
7. Алфавітний підхід до вимірювання кількості інформації.
8. Аналіз зовнішньої інформації
9. Аналіз інформації та постановка задачі дослідження
10. Аналіз та інтерпретація інформації
11. Аналіз та узагальнення отриманої інформації.
12. Аналіз якості виробничої інформації

Переглядів: 1683