Главная Случайная страница


Полезное:

Как сделать разговор полезным и приятным Как сделать объемную звезду своими руками Как сделать то, что делать не хочется? Как сделать погремушку Как сделать так чтобы женщины сами знакомились с вами Как сделать идею коммерческой Как сделать хорошую растяжку ног? Как сделать наш разум здоровым? Как сделать, чтобы люди обманывали меньше Вопрос 4. Как сделать так, чтобы вас уважали и ценили? Как сделать лучше себе и другим людям Как сделать свидание интересным?


Категории:

АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника






Представление данных в витринах данных





К четвертому уровню архитектуры ИАС относятся источники данных, называемые витринами данных (data marts), предназначенные для проведения целевого делового анализа. Витрины данных строятся, как правило, на основе информации из хранилища данных, но могут также формироваться из данных, взятых непосредственно из транзакционных систем, когда хранилище данных в организации по каким-либо причинам не реализовано.
По типу хранения информации витрины подразделяются на реляционные и многомерные. Витрины первого типа организуются в виде реляционной базы данных со схемой "звезда", где центральная таблица, таблица фактов, предназначенная в основном для хранения количественной информации, связана с таблицами-справочниками.
Многомерные витрины организуются в виде многомерных баз данных OLAP (Online Analytical Processing), где справочная информация представляется в виде измерений, а количественная - в виде показателей. Информация в многомерной витрине данных представляется в терминах бизнеса в виде, максимально доступном конечным пользователям, что позволяет существенно снизить время на получение требуемой для принятия решений информации.
С точки зрения пользователя, отличие витрин данных от хранилища данных заключается в том, что хранилище данных соответствует уровню всей организации, а каждая витрина обычно обслуживает уровень не выше отдельного подразделения и иногда может создаваться для индивидуального использования, отличаясь достаточно узкой целевой специализацией.
Отличие витрин данных от транзакционных баз данных заключается в том, что первые служат для удовлетворения потребностей конечных пользователей, не являющихся профессиональными программистами: аналитиков, менеджеров разных уровней, решающих различные задачи бизнеса. Транзакционные же базы данных используются в основном операторами, отвечающими за ввод и обработку первичной информации, а не за ее анализ, нацеленный на поддержку принятия решений.
Применение витрин данных, многомерных и реляционных, в сочетании с современными инструментами делового анализа данных позволяет превратить просто данные в полезную информацию, на основе которой можно принимать эффективные решения.

Анализ данных

К следующему уровню архитектуры ИАС организации относятся современные программные средства, именуемые инструментами интеллектуального или делового анализа данных (Business Intelligence Tools), или BI-инструменты.
BI-инструменты позволяют управленческому звену организации проводить всесторонний анализ информации, помогают успешно ориентироваться в больших объемах данных, анализировать информацию, делать на основе анализа объективные выводы и принимать обоснованные решения, строить прогнозы, сводя риски принятия неверных решений к допустимому минимуму.
Инструменты интеллектуального анализа данных используются конечными пользователями для доступа к информации, ее визуализации, многомерного анализа и формирования как предопределенных по форме и составу, так и произвольных отчетов, создаваемых управленцем или аналитиком (без программиста). Как уже было сказано, в качестве входной информации для делового анализа выступают не столько "сырые" данные из транзакционных систем, сколько заранее обработанные данные из хранилища или представленные в витринах данных.

Web-портал

В настоящее время российские компании, вслед за западными коллегами, все активнее начинают внедрять у себя различные Интернет-технологии. Уже сегодня все больше специалистов, работающих не только в сфере информационных технологий, начинают понимать выгоду от использования этих решений в целях повышения эффективности своего бизнеса. Проведение интеллектуального анализа данных с применением программных решений не только в локальной среде, но и в среде интранет и Интернет, открывает аналитикам новые возможности работы с данными.
Современные тенденции развития архитектуры информационно-аналитической системы базируются на применении Интернет-технологий. Традиционный вид архитектуры ИАС в недавнем прошлом дополнился Web-порталом, постепенно приобретающим все более весомую роль в архитектуре ИАС. Возможность доступа к информации через привычный Web-браузер позволяет экономить на затратах, связанных с закупкой и поддержкой настольных аналитических приложений для большого числа клиентских мест. Реализация Web-портала позволяет снабжать аналитической информацией как пользователей внутри офиса, так и мобильных пользователей-аналитиков в любой точке мира, подключенных к порталу через Интернет.

Компоненты КИС

КИС зависят от множества входящих в них компонентов, их структурного взаимодействия, динамичности, сложности внутренний и внешних связей. С помощью эффективной корпоративной информационной системы можно упростить процессы контроля и управления на предприятии любого уровня. Этот процесс начинается с анализа деятельности предприятия и заканчивается внедрением разработанной системы, с учетом компонентов, входящих в КИС, которые подходят для предприятия.

· Финансовый модуль (решения для финансов компании состоят из базовых модулей: бухгалтерии, системы консолидации, управления кредиторами и дебиторами, планирование движения денежных средств, управление основными средствами, работа с лизингом, казначейство, внутренний контроль, управление рисками);

· Производственный модуль (благодаря интеграции с модулями логистики и маркетинга изменения в спросе сразу оказываются доступны всем участникам цепочки материальных потоков, и это способствует более точной обработке заказов);

· Модуль логистики (управление потоками, запасами и складами, транспортировкой, кадрами и оборудованием; отслеживание состояния запасов; координация системы поставок; обеспечение доступности информации);

· Специализированные модули (создание внедренческих решений для конкретного типа деятельности или разработка специальных модулей для объединения с основными модулями);

· Общие для всей системы модули (модули, используемые предприятиями вне зависимости от специализации);

· Мобильные приложения (позволяют обеспечить доступ к корпоративным информационным каналам в любое время в любом месте);

· Корпоративные порталы (web-сайты, осуществляющие анализ, обработку и доставку информации и предоставляющие доступ к разнообразным сервисам);

· Системы совместной работы – Collaboration Suite (обеспечение формирования продуктивной среды для совместной работы больших групп участников бизнеса).

Также, к компонентам КИС можно отнести:

· Сервис электронной почты (e-mail) – сервис, предоставляющий работникам возможность вести внутрикорпоративную и деловую переписку по электронной почте, что ускоряет бизнес-процессы и принятие решений.

· СЭД – Система Электронного Документооборота – сервис, позволяющий оперативно создавать, согласовывать и утверждать (через электронную подпись) документы. Упрощает и ускоряет «бумажную волокиту», где возможны потери документов и т.д. Ко второму сотруднику в маршрутном листе не может прийти документ в СЭД, пока его не согласовал первый сотрудник.

 

Вопрос 3

 

этот алгорим + он же тольео для минимального знаения и в итоге 1 -2 алгоритм

 


Билет 8

Вопрос 1

Решений, принимаемых в условиях абсолютной определенности, в реальной жизни быть не может. Однако существуют ситуации, когда решение принимается в условиях почти полной определенности. Например, решение о вложении нераспределенной прибыли в ценные бумаги государства. В данном случае менеджер точно знает размер вкладываемой суммы, может выбрать сроки вложения, рассчитать доходность и может точно подсчитать планируемую прибыль от данного вложения и сроки ее получения.

Решения, принимаемые в условиях риска, занимают весомую часть всего множества решений, принимаемых менеджерами. Руководство должно учитывать уровень риска при принятии решений в качестве важнейшего фактора.

На практике решения, принимаемые в условиях полной неопределенности, практически не встречаются. Это происходит потому, что в любом случае можно либо собрать некоторую дополнительную релевантную информацию и еще раз проанализировать ситуацию, либо принять решение на основе суждений, интуиции, анализа накопленного опыта руководителя, что также уменьшает неопределенность.

1.3 Модели и методы принятия решений

Для принятия оптимальных решений необходимо использовать научный метод. В науке управления научный метод подразумевает наличие определенной структуры процесса принятия решений (Приложение 2) и использование различных методов и моделей принятия решений.

Модели принятия решений. Моделирование широко используется для принятия решений. Модель – это представление объекта, системы или процесса в форме отличной от оригинала, но сохраняющей основные его характеристики.

В науке управления используются следующие модели:

· теория игр;

· модели теории очередей;

· модели управления запасами;

· модель линейного программирования;

· транспортные задачи;

· имитационное моделирование;

· сетевой анализ;

· экономический анализ.

Теория игр. Данный метод служит для моделирования оценки воздействия принятого решения на конкурентов.

Модели теории очередей - используются для определения оптимального числа каналов обслуживания по отношению к потребности в них (резервирование билетов по телефону, обслуживание клиентов в банке, количество разгрузочных площадок на складах и т.д.).

Модели управления запасами используются для определения времени размещения заказов на ресурсы и их количества, а также массы готовой продукции на складах.

Модели линейного программирования применяют для определения оптимального способа распределения дефицитных ресурсов при наличии конкурирующих потребностей.

Транспортные задачи – это задачи, с помощью которых оптимизируется доставка ресурсов при наличии нескольких пунктов отправки и нескольких пунктов получения при различной стоимости доставки в различные пункты.

Имитационное моделирование означает процесс создания модели и ее экспериментальное использование для определения изменений реальной ситуации.

Сетевой анализ. Из сетевого анализа в основном используется теория графов. Теория графов позволяет составлять оптимальные графики осуществления различных проектов.

Экономический анализ - Экономический анализ включает в себя анализ безубыточности, определение прибыли на инвестированный капитал, величину чистой прибыли на данный момент времени и т.д.

Методы принятия решений. При принятии решения вне зависимости от применяемых моделей существуют некоторые правила принятия решений. Правило принятия решения – это критерий, по которому выносится суждение об оптимальности данного конкретного исхода. Существует два типа правил. К первому типу относятся следующие правила принятия решений:

1. Максимаксное решение – это решение, при котором принимается решение по максимизации максимально возможных доходов. Данный метод очень оптимистичен, то есть не учитывает возможные потери и, следовательно, самый рискованный.

2. Максиминное решение – это решение, при котором максимизируется минимально возможный доход. Данный метод в большей степени учитывает отрицательные моменты различных исходов и является более осторожным подходом к принятию решений.

3. Минимаксное решение – это решение, при котором минимизируются максимальные потери. Это наиболее осторожный подход к принятию решений и наиболее учитывающий все возможные риски.

4. Критерий Гурвича. Данный критерий является компромиссом между максиминным и максимаксным решениями и является одним из самых оптимальных.

Ко второму типу принятия решений относятся решения, при которых кроме самих возможных доходов и потерь учитываются вероятности возникновения каждого исхода.

А для принятия оптимальных решений применяются следующие методы:

¨ платежная матрица;

¨ дерево решений;

¨ методы прогнозирования.

Платежная матрица – один из методов статистической теории решений, оказывающий помощь руководителю в выборе одного из нескольких вариантов.

Дерево решений – метод науки управления – схематичное представление проблемы принятия решений – используется для выбора наилучшего направления действий из имеющихся вариантов.(Приложение 3).

Методы прогнозирования. Прогнозирование – метод, в котором используется как накопленный в прошлом опыт, так и текущие допущения насчет будущего с целью его определения. Результат качественного прогнозирования может служить основой планирования.

 

Вопрос 2

Объявление класса в среде VS.Net. создание экземпляра класса. Пространство имен. Конструкторы. Методы. Свойства как средства ограничения доступа к полям класса.

 


Билет 9

Вопрос 1

За последние десять лет развитие телекоммуникационных технологий привело к возникновению концепций кросс-плат- форменных, распределенных и интеллектуальных программных систем. Такие системы могут быть реализованы разными способами, но именно многоагентные системы концентрируют все необходимые для таких технологий свойства с наибольшей выразительностью и полнотой.

Одним из основных понятий теории многоагентных систем (MAC) является понятие агента. Агент — это аппаратная или программная сущность, способная действовать в интересах достижения целей, поставленных пользователем. Агенты описываются рядом свойств, которые характеризуют понятие агента8: •

реактивность (reactivity) — свойство агента адекватно реагировать на изменения окружающей среды; •

автономность (autonomy) — агент работает как самостоятельная программа, независимо от владельца выполняя действия для достижения целей; •

адаптивность (adaptivity) — агент обладает способностью обучаться и развивать свои знания; •

коллаборативность (collaborative behavior) — агент может взаимодействовать с другими агентами несколькими способами, например, играя роль поставщика и/или потребителя информации; •

активность {pro-activity) — способность генерировать цели и выполнять действия для достижения целей; •

коммуникативность (communication ability или «Knowledge- Level» communication ability) — способность агентов общаться друг с другом, причем на языке, более напоминающем человеческие «разговорные акты», чем символьные программные протоколы; •

способность к рассуждениям (inferential capability) — агенты могут обладать частичными знаниями или механизмами вывода, например, знаниями, как приводить данные из различных источников к одному виду. Агенты могут специализироваться на конкретной предметной области.

В соответствии со своими свойствами отдельные агенты могут характеризоваться своими целями (goals), убеждениями (beliefs), желаниями (desires), обязательствами (commitments) и намерениями (intentions) перед другими агентами.

Термин «многоагентные системы» (MAC) используется для обозначения систем, состоящих из множества автономных агентов, которые взаимодействуют друг с другом. В таких системах взаимодействие агентов реализуется платформой, обеспечивающей их асинхронную работу. Принято выделять три основных класса архитектур: •

делиберативную (deliberative); •

реактивную (reactive); •

гибридную (hybrid).

Архитектуру или агентов, которые используют только точное представление картины мира в символьной форме, а решения (например, о действиях) принимают на основе формальных рассуждений и использования методов сравнения по образцу, принято определять как делиберативные. Примерами реализации подобного подхода являются системы Integrated Planning, Execution and Monitoring (IPEM), PHEONIX, HOMER, Grate и др.

Принципы реактивной архитектуры возникли как альтернативный подход к делиберативной архитектуре. Идея реактивных агентов впервые возникла в работах Брукса (Brooks). Брукс выдвинул идею, что интеллектуальное поведение может быть реализовано без символьного представления, принятого в классическом искусственном интеллекте. Реактивные агенты не имеют какой-либо символьной внутренней модели мира, они работают по правилам типа «ситуация — действие», выбирая из них наиболее подходящие действия к конкретной ситуации. При этом под ситуацией понимается потенциально сложная комбинация внутренних и внешних состояний. Классическим примером реактивной архитектуры является архитектура Брукса («subsumption architecture»).

Многие исследователи считают, что ни классический, ни другие подходы не дают оптимального результата при разработке агентов и MAC.

Попытки соединить классический делиберативный и реактивный подходы привели к появлению разнообразных гибридных архитектур. На принципах гибридной архитектуры реализованы следующие системы: TOURINGMACHINE, INTRRAP, PRS, OASIS, CIRCA и др.

Организация MAC по принципу делиберативной архитектуры имеет преимущество с точки зрения удобства символьного представления знаний. Но в то же время создание точной и полной модели представления мира, процессов и механизмов рассуждения в нем представляют здесь определенные трудности. Реактивный подход позволяет наилучшим образом использовать множество образцов поведения для реакции агента на определенные стимулы для конкретной предметной области. Применение этого подхода ограничивается необходимостью полного ситуационного определения всех возможных активностей агентов. Реактивные агенты довольно просты и взаимодействуют с другими агентами несложным образом. Недостатком гибридных архитектур является их специфичность для приложений, под которые они разрабатывались, однако гибкость комбинирования делиберативных и реактивных архитектур позволяет считать их перспективными.

Под многоагентным подходом можно понимать такой подход при построении ИС, при котором все функции системы распределяются между взаимодействующими интеллектуальными агентами, целью которых является качественное выполнение возложенных функций. Можно отметить следующие преимущества систем, построенных на основе многоагентного подхода9: •

распределение вычислительной нагрузки между множеством агентов; •

гибкость и масштабируемость за счет децентрализованности; •

повышение качества выполнения функций за счет поиска оптимальных вариантов при переговорах агентов; •

применение знаний и вывода на знаниях.

Недостатком является невозможность описания алгоритма

работы системы в целом, что рождает некоторую неопределенность. При решении задач интеллектуализации агентов важнейшим вопросом является вопрос представления знаний, а также вопросы, связанные с выводом на знаниях.

7.3. ОБЛАСТИ ПРИМЕНЕНИЯ МНОГОАГЕНТНЫХ СИСТЕМ

На данный момент индустрия агентных систем находится в зачаточном состоянии. Существующие системы изолированы от других систем, однако наблюдается существенное повышение внимания к таким системам, применение которых возможно во многих областях. Агенты в таких системах могут иметь различное назначение: •

агенты управления системами и сетями выполняют такие задачи, как баланс нагрузки, предупреждение сбоев, анализ существующих проблем и синтез информации; •

агенты поддержки принятия решений используются для синтеза информации и принятия решений; системы, построенные на основе таких агентов, могут предупреждать лицо, принимающее решение (ЛПР), о возможной проблеме и выдавать вариант ее комплексного решения. Такие системы часто используются в логистике; •

агенты-помощники (user assistance agents) действуют на уровне пользовательского интерфейса и помогают пользователям более эффективно добиваться своих целей. Ярким примером таких агентов являются анимированные характеры в Microsoft Office; •

агенты, используемые для поиска информации, применяются, например, в поисковых системах интернета.

Миниатюрность и автономность реактивных агентов можно использовать при реализации функций контроля процессов, что увеличит его эффективность по сравнению с централизованным контролем. Особое значение агентные системы могут иметь в производстве.

Можно рассмотреть модель системы производства, основанную на агентном подходе и предложенную Д. Гринштейном (David Greenstein). Эта система призвана решать проблемы современного производства, она носит название AMIS (Agile Manufacturing Information System — подвижная информационная система производства). Система построена на основе агентов и учитывает быстро меняющуюся обстановку рынка, делая производство эффективным и конкурентоспособным.

Традиционные системы производства основаны на жестких низкоуровневых структурах, AMIS же использует свободную интеграцию программных агентов для представления сущностей производственного процесса. Например, агенты ресурсов (resource agents) представляют возможности и емкости различных доступных ресурсов — технику, людей, компьютеры. Все работы выполняются посредством рабочих агентов (job agents). В малых системах взаимодействие агентов ресурсов и рабочих агентов определяется процессом производства. В системах, выполняющих большое число работ, взаимодействие должно осуществляться посредством ИС. Здесь ресурсные агенты группируются в ячейки (cells). Каждая такая ячейка (рис. 7.2) является производственным бизнес-модулем, причем каждая из них должна получать прибыль (доход); в случае если она неприбыльная, ячейка распадается и освобождает занятые ресурсы. Каждая ячейка представляет набор физических ресурсов, людей, машин. Ячейка работает в целях обеспечения своей прибыльности и конкурентоспособности на рынке.

Обычные функциональные агенты (common function agents), взаимодействуя с агентами ресурсов и с другими агентами, предлагают набор функций, необходимых для работы ячейки как независимого модуля. Некоторые из них содержат информацию о ресурсах внутри ячейки, такую, как возможности ресурсов, другие предлагают интерфейс для персонала, работающего с ячейкой, планировщиков процесса и операторов ЭВМ.

Планировщик процесса (process planner) определяет, сможет ли ячейка в зависимости от своих возможностей принять заказ, если да, то планировщик процесса генерирует спецификацию процесса работ, которая будет использована для выполнения заказа. Менеджер возможностей (характеристик) (capability manager) проверяет по данной спецификации, сможет ли конкретная ячейка выполнить задание. Проверка основана на сопоставлении информации, содержащейся в спецификации потока работ — времени, качества и стоимости выполнения работы, — и информации о возможностях рабочих агентов в ячейке. Если ни одна из ячеек не обладает такими возможностями, то задание возвращается планировщику процесса на корректировку.

Агенты переговоров (negotiate agents) реализуют интерфейс между внешним миром и ячейкой, их задача — общение с брокерами, пересылка предложений на спрос и т.д.

Агенты ресурсов (resource agents) представляют физические ресурсы, описывают их возможности и координируют использование ресурса производственной ячейкой. В процессе ресурсы содержат список прикрепленных к ним работ, которые ресурс «выиграл». Каждая работа описывается ее типом, временными рамками и стоимостью. Главная стратегия агентных ресурсов — увеличить прибыль посредством использования своих ресурсов в максимальном количестве работ. Если ресурс долгое время не приносит прибыль, то ячейка может продать его другой ячейке.

Рабочие агенты (job agents) представляют заказчика посредством заказа, помещенного в систему. Рабочий агент определяет процессы, необходимые для изготовления готового продукта в соответствии с заказом. Каждое звено в потоке работ является «подработой» (subjob) и управляется агентом, каждая «подрабо- та» характеризуется информацией о специфике процесса, времени настройки, выполнения и стоимости. Рабочий агент контролирует выполнение «подработ» и в случае отклонений генерирует предупреждения оператору.

Еще одним типом агентов в такой системе являются агенты брокеры (broker agent), которые помогают заказчикам найти службы сервисов и продукты. В системе AMIS каждая служба регистрирует своего брокера, специфицируя свои сервисы и предлагаемые продукты. Так, например, покупатели автомобилей не обращаются непосредственно к каждому производителю автомобилей, а посылают атрибуты необходимого автомобиля (цвет, цена, доставка) брокеру. Брокер в свою очередь опрашивает все производственные ячейки, которые зарегистрированы брокером. Заказчик определяет дату, по достижении которой все ячейки должны предоставить свои предложения. Брокер собирает все предложения и отсылает их заказчику, который выбирает лучшее и сообщает об этом брокеру. «Проигравшие» ячейки могут видеть атрибуты выигравшего предложения, чтобы улучшить свои условия в будущем. По своей географии агенты-брокеры могут быть локальными (в пределах ячейки), региональными и глобальными. Следует отметить, что в системе AMIS большое внимание уделяется адаптации, обучению и эволюции агентов.

Система использует семиступенчатый процесс от формулировки предложений до формирования готового продукта: 1.

Запрос предложений {Requestfor Quotes — RFQ) заказчиком; 2.

Получение предложений (Receive Quotes) заказчиком; 3.

Выбор победителя (Select Winner) заказчиком; 4.

Подтверждение предложения (Winner Confirms) ячейкой; 5.

Оформление заказа (Issue Purchase Order) заказчиком; 6.

Изготовление продукта (Generating Product) ячейкой; 7.

Расплата (Make Payment) заказчиком.

Основные преимущества использования системы AMIS по сравнению со стандартными решениями: •

улучшение качества использования ресурсов путем лучшего распределения нагрузок; •

увеличение производительности путем изготовления лучших продуктов за нужное время; •

уменьшение числа просроченных работ посредством лучшего планирования и мониторинга; •

система имеет гибкую и динамичную архитектуру, которая своевременно отвечает на быстро изменяющийся рынок; •

возможность использования оценки стоимости, основанной на процессах (activity-based costing — ABC).

Помимо систем производства агентные системы используются в службах контроля за воздушным трафиком (Air-traffic control). Одна из таких систем (OASIS) работает в Сиднейском аэропорту.

MAC начинают занимать свою нишу в приложениях электронной коммерции, особенно в 525-приложениях, приложениях, основанных на распределенных вычислениях, а также в приложениях менеджмента бизнес-процессов.

Внедрение технологий многоагентных систем в различные области деятельности человека неслучайно и обусловлено тем, что системы на базе агентов обладают гибкостью, динамичностью и адаптивностью к изменениям внешнего окружения.

 

Динамические модели — модели, описывающие процессы изменения и развития системы с течением времени. В физике примером динамической модели может быть движение тел, в химии — процессы происхождения химических реакций, в биологии — развитие организмов.
По способу представления:

Материальные — воспроизводят геометрические, физические и др. свойства объектов в материальной форме. Они основаны на чем-то существующем независимо от человеческого сознания. Физические модели: авто- и авиамодели, глобус, здания и т. д.
Аналоговые модели основаны на процессах, аналогичных изучаемым процессам. Например, электрическая цепь как аналогия химических, социальных цепей.

Информационная модель — описание реального объекта, процесса или явления на одном из языков (разговорном или формальном).

Образные информационные модели — это зрительные образы (рисунки, фотографии), зафиксированные на каком-либо носителе информации (бумаге, пленке и прочем). Они широко используются в образовании и науках, где требуется классификация объектов по их внешним признакам.

Знаковые информационные модели строятся с использованием различных языков. Знаковая информация может быть представ- лена в виде текста, формул, таблиц и т. д.

Геометрические модели — модели, представленные в виде объемных конструкций или графических форм.

Словесные модели — модели, выраженные устно или письменно.

Математические модели — модели, записанные с помощью уравнений, математических формул, неравенств, систем и т. п.

Структурные модели — схемы, графики, таблицы и т. п.

Логические модели — модели, в которых принимаются решения на основе анализа различных условий.

Специальные модели — ноты, химические формулы и т. п.

Компьютерные модели — модели, реализованные на компьютере с помощью программного обеспечения.

Формализация — процесс построения информационной модели.

Дискретно-событийное моделирование

В немрассматриваются системы с дискретными со­бытиями. Для создания имитационной модели такой системы моделируемая система приводится к потоку заявок, которые обрабатываются активными приборами. Например, для моделирования процесса обслуживания физических лиц в банке физические лица представляются в виде потока заявок, а работники банка, обслуживающие их представляются активными приборами. Идеология дискретно-событийного моделирования была сформулирована более 40 лет назад и реализована в среде моделирования GPSS, которая с некоторыми модификациями до сих пор используется для обучения имитационному моделированию.

 

Вопрос 2

Управление жц продукта (PLM). Вехи. Фундамент. Основные задачи. Результат внедрения решения.

 

 

Вопрос 3

Разработать структуру БД для учета товаров на складе продуктового магазина.


 

Date: 2016-06-07; view: 684; Нарушение авторских прав; Помощь в написании работы --> СЮДА...



mydocx.ru - 2015-2024 year. (0.006 sec.) Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав - Пожаловаться на публикацию