Модели информационных процессов и систем

Материал из HNKN
Перейти к навигации Перейти к поиску

Основные понятия[править | править код]

Моделирование - это метод познания окружающего мира, состояний в создании и исследовании моделей.

Моделирование представляет собой исследование каких-либо явлений процессов или систем объектов путём построения и изучения их моделей, а также использование моделей для определения или уточнения соскобов построения вновь создаваемых объектов.

Модель - некий новы объект, который отражает существенные особенности изучаемого объекта или процесса.

Один и тот же объект может иметь множество моделей, а разные объекты могут описываться одной моделью.

Процесс - последовательное изменение состояний системы.

Следует заметить, что одной из важнейших проблем современной науки и техники является разработка и внедрение в практику проектирования систем различного назначения новейших методов и моделей исследования их характеристик, включая сложные информационно-управленческие и информационно-вычислительные системы различных уровней.

Для описания данной проблемы выделим следующие понятия: система, модель системы, информационная система, информационная технология.

Преимущества моделирования:

  1. В модели выбирается лишь часть свойств (только существенные свойства) все свойства оригинала не рассматриваются, поэтому - экономия ресурсов. Обычно при моделировании число факторов велико. К сожалению чем меньше мы знакомы с улучаемым оригиналом, тем больше стараемся учесть факторов, которые как нам представляется, способны влиять на результаты исследования. "Как правило, степень понимания явления обратно пропорциональна числу переменных, фигурирующих в его описании" Большинство исследуемых систем работает в соответствии с принципом Парето - существенны лишь некоторые из множества факторов. Действительно, в большинстве систем 20% факторов определяют 80% свойств системы, а остальные 80% факторов определяют лишь 20% её свойств.
  2. Разрабатываемы модели могут быть систематизированы и храниться в базе. На основе уже разработанных моделей могут быть созданы новые модели, приходит накопление опыта исследователей.

Понятие системы[править | править код]

Система - сложный объект, состоящий из взаимосвязанных частей (элементов.) Всякая система имеет определенное назначение (цель). Кроме того, всякая система определяется не только составом своих частей, но и порядком и способом объединения этих частей в единое целое, т.е. структурой.

Структура - совокупность связей между элементами системы. Структура систем зависит от поставленной цели.

Отметим важный фактор в определении системы - её сложность. В связи с этим, перечислим основные отличительные признаки сложных систем:

  1. Сложность функции, выполняемой системой и направленной на достижение заданной цели функционирования. Заметим, что цель функционирования может быть не одна, а несколько, т.е. целевая функция может оказаться многоцелевой (многокритериальной).
  2. Наличие большого количества связей - взаимно связанных и взаимодействующих между собой элементов.
  3. Возможность разбиения системы на подсистемы, цели функционирования которых подчинённых общей цели функционирования всей системы.
  4. Наличие управления (имеющего, в свою очередь иерархическую структуру), разветвленной информационной сети и интенсивных потоков информации.

Понятие элемента при разбиении системы является относительным. Заметим, что внутренняя структура элемента в этом случае, т.е. при разбиении системы на элементы, не интересна, существенными для элемента являются лишь такие свойства, которые определяют взаимодействие с другими элементами, или влияют на свойства самой системы.

Под "связями" между элементами понимается некоторый виртуальный канал , по которому осуществляется обмен между элементами и внешней средой веществом, энергией информацией.

Очень часто элементы системы объединяют в группы которых называют подсистемами. Отличительными характеристиками подсистемы являются выполнение или самостоятельных функций, которые могут быть использованы в дальнейшем, при изменении структуры системы.

В сложных системах, большое значение играют функции, связанные с управление системой. Управление включает: сбор, переработку информации о системе и принятие решений. Управление может быть централизованным, децентрализованным и иерархическим, при котором имеется несколько уровней управления.

Компьютерная модель[править | править код]

Исследование поведения реальной системы как правило проводится на основе предварительно разработанной модели.


Модель является базовым понимание для любых областей знаний, использующих аппарат математики, поскольку каждая попытка работать в точных терминах с реальным явление должна начинаться с описанием его формальной Модели. Именно Модель представляет Объект исследования и определяет характер формального аппарата, используемого для описания Задачи и выполнения необходимых вычислений.

Модель является наиболее естественной формой спецификации реальной Задачи. Однако, в представленном выше математическом виде модель, как правило оказывается мало востребованной.

Для получения необходимо иметь Метод (как правило численный) и Алгоритм (представляющий собой инструмент, являющийся ключом к используемому компьютеру)


В общем случае связь между исследуемым Объектом любой практической проблемы и компьютером может быть представлена следующей принципиальной схемой.

Object-model-tsk.png

В круг наших интересов при рассмотрении различных Моделей будет входить вся последовательность представленных на данной схеме этапов.

В качестве примера рассмотрим непрерывный производственный процесс, для управления которого выделены специальные параметры управления, участвующие в описании технологической части модели рассматриваемого процесса. В качестве одного из факторов выделенной группы параметров выделим - температуру T, как один из важных параметров для обеспечения регулирования условий протекания производственное процесса. Для описания распределения температуры в сплошной среде известно математическое управление параболического типа:

(8.1)

где U - искомая функция (в рассматриваемом случае - температура),

x,y,z - пространственные координаты,

t - время протекания процесса.

Уравнение (8.1) в нашем представлении будет являться математической Моделью для определения заданного параметра T.

Исходное уравнение (8.1) совместно с словарями однозначности, включающими геометрическое, физическое , граничные и начальные условия, определяют Задачу.

Для решения сформированной Задачи необходимо выбрать численный Метод. В качестве Метода можно выбрать Метод конечных разностей или Метод конечных элементов.

На основе выбранного Метода строиться дискретная модель, приводящая к системе линейных алгебраических уравнений.

Для решения системы полученных уравнений должны быть реализованы Алгоритм в вите программы, либо использована стандартная математическая библиотека.

Следует заметить, что для разработки, приведенной в качестве примера, модели были использованы только детерминированные величины, а сама модель представлена в виде математического управления, для которого можно в простейших случая получить и аналитическое решение. В этом случае модель называется математической.

В данном курсе будут рассмотрены следующие математические модели: - математическое модели на микро уровне, моделирующие процессы непрерывные в пространстве и во времени, включающие уравнения эллиптического, параболического и гиперболического типа, дополненные условиями однозначности, а так-же методы их реализации - метод конечных разностей и метод конечных элементов.

Имитационная модель[править | править код]

В общем виде имитационное моделирование совмещает в себе как особенности экспериментального подхода, так и возможности использования вычислительных средств. По сути, исследователь проводит вычислительные эксперименты с имитационной моделью. Полученные в этом случае результаты требуют специальной статистической обработки. Поэтому при проведении имитационного моделирования важную роль играют также планирование эксперимента с имитационной моделью и статистическая обработка и анализ результатов исследования.

Во многих случая имитационное моделирования является мощным средством исследования поведения реальных систем, дает возможность получить требуемую информацию о поведении реальной системы из анализа работы её компьютерной модели. Полученная таким образом информация используется для проектирования реальной системы выделяя при это проблемные места в системе и предлагая оптимальные решения.

Этапы создания имитационной модели и её реализации, а также управление машинными экспериментами и анализ машинных экспериментов приводятся в лекциях 8-13.

Общие принципы построения моделей[править | править код]

Различают следующие принципы построения моделей:

  1. Феноменологический
  2. Системный

Феномелогический принцип основан на представлении модели в виде "чёрного ящика"

Чёрный ящик.png

В этом случае модель можно предствить в виде:

Y=F(X),

где Y - вектор выходных характеристик,

X - вектор входных характеристик,

F(X) - оператор преобразования входных характеристик в выходные.

Как правило, нахождение оператора F(x) для еномологических моделей основано на методах математической статистики - регрессионный анализ.

Системный принцип построения моделей предполагает построение структуры модели в виде системы.

Важным свойством системы является то, что она обладает интегративным свойством, т.е. таким свойством, которое не является суммой или средним совокупности элементов.

Интегративное свойство имеет информационную природу. Это значит, что система тоже имеет информационную природу. Чтобы совокупность элементов стала системой, она должна структурироваться, т.е. на совокупность элементов должна быть нанесена информация.

Пример. ЭВМ состоит из множества деталей. Объединяя (связывая) эти объекты мы ещё не приходим к интегративному свойству необходима настройка. Ещё более процесс усложняется, если рассматривать вычислительную систему (ВС), включающую аппаратное обеспечение и программное обеспечение. Процесс настройки означает, что на совокупность элементов наносится информация.

Описание системы может быть:

  • внешним - когда исследуются элементы системы и их связи
  • внутренним - когда исследуются функции системы, направленные на достижение заданной цели.

Внешнее описание формирует понятие структурной модели системы, которая даёт описание компонентов системы, системообразующих связей и потоков илущих по этим связям.

Внутрение описание формирует понятие функциональной модели системы, которая даёт описание последовательности действий системы для достижения интегративного свойства. Функциональное описание оценивает функции системы; является менее общим чем структурное описание.

Структурная и функциональная модели - статичны, т.е. являются статическими моделями.

Процессы функционирования описываются динамическими моделями.

Функционирование - переход системы из одного состояния в другое, проявление функции во времени.

Динамическая модель дает описание зависимости свойств системы от времени, а также от начальных и граничных условий, т.е. отображает первично-следственные связи.

Информационная система[править | править код]

В процессе развития вычислительной техники с появлением функций хранения символьных данных и их обработки появляется возможность решения новых задач (кроме чисто вычислительных), связанных с информационными процессами управления производством.

Средства вычислительной техники стали внедряться в решение управленческих задач, а системы, направленные на их решение стали называться информационными. Появляется новое понятие информационная модель предметной области.

На основе данной модели разрабатываются базы данных, позволяющие организовать хранение, обработку и передачу информации в требуемом формате. Данные функции, связанные с организацией хранения, обработки и передачей информации, развиваются в новом нетрадиционном для вычислительной техники направлениях, таких как - телекоммуникации, клиент - серверная технология, интернет технология, корпоративные сети, OLAP - технология, Data mining.

Информационная система представляет собой среду с организованной структурой, в рамках которой осуществляется хранение, обработка и передача информации.

Для решения этих задач и для обеспечения процесса обработки информации необходимо иметь технические средства. Такими техническими средствами являются аппаратное, программное и математическое обеспечение, относящиеся к понятиям, связанным с информационными технологиями, т.е. к понятию - процесса, состоящего из регламентированных правил и действий над данными.

Информационная технология[править | править код]

Выделим следующие информационные технологии, направленные на решение различных задач, связанных с хранением, управлением и анализом информационных ресурсов, а также комплексными задачами информационной поддержкой и управления производством:

OLAP - технология анализа информации,

Data Warehouse - хранилище данных,

Data Mining - анализ данных, установление связей между анализируемыми данными,

MRP и ERP - системы поддержки управления производством,

CALS - информационная поддержка изделия на всех этапах его жизненного цикла.

OLAP (OnLine Analytical Processing) OLAP - это информационная технология, направленная на быстрый доступ к большим данным и проведение многомерного анализа. Следует заметить, что данные являются выборочными и имеют следующую особенность: "набор классификационных атрибутов - число"

База данных OLAP состоит из одного или нескольких кубов, у которых ребра соответствуют заданным атрибутам и каждая метка атрибута имеет своё числовое значение (показатель). Кубы в зависимости от количества атрибутов могут быть одномерными, двумерными или многомерными.

Сам по себе куб (многомерный) для непосредственного анализа не пригоден. Поэтому из многомерного куба аналитик, проводящий анализ данных, извлекает обычные двумерные таблицы, путём разрезания куба по интересующим его меткам.

При проведении анализа данных с помощью OLAP аналитика, как правило интересуют исторические данные, которые отсутствуют в учетных (операциональных) информационных системах. Поэтому в качестве источника данных для OLAP используют не операциональные (учётные) базы данных, ориентированные на обработку транзакций, а используют хранилища данных Data Warehouse.

В настоящее время выпускается большое количество программных продуктов, поддерживающих технологии OLAP. Среди поставщиков этих продуктов - компании Oracle, IMB, Informix.

OLAP (OnLine Analytical Processing) Многомерный анализ данных[править | править код]

Пример использования технологии OLAP на основе программного модуля анализа данных SAP Business Objects

SAP Business Objects представляет аналитический модуль предназначенный для проведения многомерного анализа, формирования интегральной отчетности и подготовки данных для конечного пользователя (руководителя) в удобном виде.

На данном слайде приведён пример построения отчёта в виде круговой диаграммы.

На следующем слайде показано представление результатов в виде круговой диаграммы.

Data warehouse хранилище данных[править | править код]

Хранилище данных (ХД) обеспечивает сбор, хранение и быстрый доступ к ключевой информации, создаваемой в учётных системах (OLTP). Затем на основе собранных таким образом данных осуществляются построение высокоинтерактивных отчётов в анализ данных с помощью OLAP. Как правило, в комплексных решениях обе технологии применяются как неразрывное целое, поэтому их совместное рассмотренное вполне оправдано. Пользователями этих продуктов являются аналитики, от решения которых зависят принятие ключевых направлений по определенному и стратегическому планированию и управлению предприятием.

Задачей ХД является интеграция, актуализация и согласования оперативных данных из разнородных источников для формирования единого непротиворечивого взгляда на объект управления в целом.

На основе ХД возможно составление всевозможной аналитической отчётности, а также проведение оперативной аналитической обработки и получение дополнительно информации с помощью технологии Data Mining.

Data Mining[править | править код]

В основу современной технологии Data Mining положена концепция шаблонов, отражающих закономерности, свойственные подвыборкам данных. Поиск шаблонов производится методами, не использующими никаких априорных предположений об этих подвыборках.

Если при статическом анализе или при применении OLAP обычно формулируются вопросы типо "каково среднее число неоплаченных счетов заказчиками данной услуги?", то применение Data Mining, как правило то подразумевает ответы на вопросы типа "Существует ли типичная категория клиентов, не оплачивающих счета?" При этом именно ответ на второй вопрос нередко обеспечивает более нетривиальных подход к маркетинговой политике и к организации работы с клиентами.

Иными словами, средства Data Mining отличаются от инструментов статистической обработки данных и средств OLAP тем, что вместо проверки заранее предполагаемых пользователями взаимозависимостей они на основании имеющихся данных способны находить такие и строить гипотезы об их характере.

Следует отметить, что применение средств Data Mining не исключает использование статистических инструментов и OLAP- технологий, поскольку результаты обработки данных, с помощью последних, как правило, способствуют лучшему понимаю характера закономерностей, которые следует искать.

Суть и цель технологий Data Mining можно охарактеризовать так: это технология, которая предназначена для поиска в больших объемах данных неочевидных, объективных и полезных на практике закономерностей.

Неочевидных - это значит, что найденные закономерности не обнаруживаются стандартными методами обработки информации или экспертным путём.

Объективных - это значит, что обнаруженные закономерности будут полностью соответствовать действительности, в отличие от экспертного мнения, которое всегда является субъективным.

Практически полезных - это значит, что выводы имеют конкретное значение, которому можно найти практическое применение.

MRP и ERP - системы поддержки управления производством[править | править код]

Вследствие усовершенствования систем MRP и их дальнейшего функционального расширения появляется класс систем ERP.

Системы класса ERP отличает набор следующих свойств:

  • универсальность с точки зрения типов производств
  • поддержка многозвенного производственного планирования
  • более широкая (по сравнению с MRP) сфера интегрированного планирования ресурсов;
  • включение в систему мощного блока планирования и учёта корпоративных финансов;
  • внедрение в систему средств поддержки принятия решений.

CALS[править | править код]

Системная информационная поддержка и сопровождение ЖЦ изделия осуществляется в интегрированной информационной среде (ИвИС) или едином информационном пространстве.

CALS Информационная поддержка изделия на всех этапах жизненного цикла.

ИиИС - совокупность распределенных баз данных, содержащих сведения об изделиях, производственной среде, ресурсах и процессах предприятия, обеспечивающая корректность, актуальность, сохранность и доступность данных тем субъектам производственно-хозяйственной деятельности, участвующим в осуществлении ЖЦИ, которым это необходимо и разрешено.

ИиИС - соответствии с концентрацией CALS, представляет собой многомодульную систему, в которой реализуются следующие базовые принципы

  • прикладные программные средства отделены от данных
  • структуры данных и интерфейс доступа к ним стандартизованы
  • данные об изделии, процессах и ресурсах не дублируются, число ошибок в них минимизируется
  • обеспечивается полнота и целостность информации
  • прикладные средства работы с данными представляют собой, как правило, типовые коммерческое решения различных производителей, что обеспечивает возможность дальнейшего развития информационной среды.

В рамках CALS технология может быть организована работа удалённых предприятия, что позволяет реализовать виртуальное производство и виртуальное предприятие.

Проектирование[править | править код]

Проектирование - один из наиболее важных этапов создания изделия. Автоматизация проектирования осуществляется САПР (Системами автоматизированного проектирования)

CAD (Computer Aided Design) - система автоматизированного проектирования. Предназначена для формирование объёмной геометрической модели изделия на основе которой могут быть созданы чертежи и эскизы изделия. Входит в состав САПР.

По функциональному наполнению CAD-системы делятся на 3 уровня. К нижнему уровню относятся программы реализующие 2D модели в виде чертежей и эскизов. Сюда входят CADMECH и CADMECH LT на базе AutoCAD и AutoCAD LT2000 (интермех), T-FLEX CAD LT (Топ системы), КОМПАС5 (Аскон).

На среднем уровне находятся программы которые озволяют создать 3-х мерную геометрическую модель сравнительно несложного изделия, в основном, методом твердотельного моделирования. К числу этих программ можно отнести AutoCAD 2000 и AMMD (AutoDesk), Solid Works (Solid Works), Solid Edge (Ungraphics Solutions)

На верхнем уровне можно выделить: CATIA5 (Dassault Systems), EUCLID3 (EADS Matra Datavision), UNIGRAPHICS (Unigraphics solutions), Pro/Enguneer (PTC), CAD

CAE (Computer Aided Engineering) - система инженерного анализа.

CAE предназначена для проведения различных расчётов.

С помощью системы CAE выполняются различные виды анализа (задачи линейной и нелинейной стстики, течения вязкой жидкости, устойчивости, теплопередачи, компоновочный расчёт и т.д.) Большинство систем инженерного анализа (CAE) используют метод конечных элементов. Входит в состав САПР.

Ведущими CAE-системами в настоящее время являются ABAQUS, ANSYS, COSMOS/M, LS-DYNA, NASTRAN.

Модели созданные с помощью САПР, обеспечивают

  • сборку на экране сложны компонентов включая электрические и гидравлические магистрали и соединения
  • проверку на конфликты и структурную целостность изделия
  • проверку основных механических, электрических, гидравлических и других параметров изделия
  • моделировани процессов монтажа изделия у заказчика
  • обучение пользователей
  • техническое обслуживание

Литература[править | править код]

  1. В.Н. Волкова, В.Н. Козлов Моделирование систем и процессов - М. Юрайт 2014 591 с.
  2. Советов Б.Я. Яковлев С.А. МОделировани систем: учёб для вузов - 3-е изд. перераб и доп. -М: Высш шк 2001 -343с ид
  3. Самарский А.А, Михайлов А.П. Математическое моделирование: Идеи. Методы. Примеры. 2-е изд испр -М ФИЗМАТЛИТ, 2002. -320 с.
  4. Бусленко Н.П. Моделирование сложных систем Главная редакция физико-математической литературы изд-ва "Наука" М. 1968 356 стр.
  5. Информационные системы и технологии: учебное пособие И.Л. Чудинов, В.В. Осипова: Томский политехнический университет. -Томск: изд Томскго политехнического университета. 2013 - 145 с.