Информационные системы

Размещено на http://www.allbest.ru/

Содержание

1. Классификация ИС в менеджменте

2. Искусственный интеллект. Экспертные системы

3. Нейронные сети. Виртуальная реальность

4. Этапы разработки и внедрения информационно-аналитической системы

5. Конструирование многотабличных запросов

1. Классификация ИС в менеджменте

Информационные системы, предназначенные для обеспечения менеджеров информацией для поддержки принятия эффективных решений, называются управленческими информационными системами (management information systems - MIS).

Наиболее важны для нас три основных типа управленческих информационных систем: системы генерации отчетов, системы поддержки принятия решений, системы поддержки принятия стратегических решений.

Системы генерации отчетов (information reporting systems - IRS) - наиболее распространенная форма управленческих информационных систем. Они обеспечивают управленческих конечных пользователей информацией, которая необходима для удовлетворения их ежедневных потребностей при принятии решений. Они производят и оформляют различные виды отчетов, информационное содержание которых определенно заранее самими менеджерами так, чтобы в них была только необходимая для них информация. Системы генерации отчетов выбирают необходимую информацию о процессах внутри фирмы из баз данных, подготовленных производственными информационными системами, и информацию об окружении из внешних источников.

Результаты работы систем генерации отчетов могут предоставляться менеджеру по требованию, периодически или в связи с каким-либо событием.

Системы поддержки принятия решений (decision support systems - DSS) - естественное развитие систем генерации отчетов и систем обработки транзакций. Системы поддержки принятия решений - интерактивные компьютерные информационные системы, которые используют модели решений и специализированные базы данных для помощи менеджерам в принятии управленческих решений. Таким образом, они отличаются от систем обработки транзакций, которые предназначены для сбора исходных данных. Они также отличаются от систем генерации отчетов, которые сосредоточиваются на обеспечении менеджеров специфической информацией.

Вместо этого системы поддержки принятия решений обеспечивают управленческих конечных пользователей информацией в интерактивном режиме и только по требованию. DSS предоставляют менеджерам возможности аналитического моделирования, гибкие инструменты поиска необходимых данных, богатство форм разнообразного представления информации. Менеджеры имеют дело с информацией, необходимой для принятия менее структурированных решений в интерактивном режиме. Например, электронные таблицы или другие виды программного обеспечения поддержки принятия решений позволяют менеджеру задать ряд вопросов "что если?" и получить интерактивные ответы на них.

Таким образом, информация, полученная с помощью DSS, отличается от заранее сформулированных форм отчетов, получаемых от систем генерации отчетов. При использовании DSS менеджеры исследуют возможные альтернативы и получают пробную информацию, основанную на наборах альтернативных предположений. Следовательно, менеджерам нет необходимости определять свои информационные потребности заранее. Взамен, DSS в интерактивном режиме помогают им найти информацию, в которой они нуждаются.

Системы поддержки принятия стратегических решений (executive information systems - EIS) - управленческие информационные системы, приспособленные к стратегическим информационным потребностям высшего руководства. Высшее руководство получает информацию, в которой оно нуждается из многих источников, включая письма, записи, периодические издания и доклады, подготовленные вручную и компьютерными системами. Другие источники стратегической информации - встречи, телефонные звонки, и общественная деятельность. Таким образом, большая часть информации исходит из некомпьютерных источников.

Цель компьютерных систем поддержки принятия стратегических решений состоит в том, чтобы обеспечить высшее руководство непосредственным и свободным доступом к информации относительно ключевых факторов, являющихся критическими при реализации стратегических целей фирмы. Следовательно, EIS должны быть просты в эксплуатации и понимании. Они обеспечивают доступ к множеству внутренних и внешних баз данных, активно используя графическое представление данных.

2. Искусственный интеллект

Искусственный интеллект (англ. Artificial intelligence (AI))-- раздел информатики, изучающий возможность обеспечения разумных рассуждений и действий с помощью вычислительных систем и иных искусственных устройств. При этом в большинстве случаев заранее неизвестен алгоритм решения задачи.

Файл:HONDA ASIMO.jpg

Интеллектуальный гуманоидный робот от Honda

Теорией явно не определено, что именно считать необходимыми и достаточными условиями достижения интеллектуальности. Хотя на этот счёт существует ряд гипотез, например, гипотеза Ньюэлла-Саймона. Обычно к реализации интеллектуальных систем подходят именно с точки зрения моделирования человеческой интеллектуальности. Таким образом, в рамках искусственного интеллекта различают два основных направления:

символьное (семиотическое, нисходящее) основано на моделировании высокоуровневых процессов мышления человека, на представлении и использовании знаний;

нейрокибернетическое (нейросетевое, восходящее) основано на моделировании отдельных низкоуровневых структур мозга (нейронов).

Таким образом, сверхзадачей искусственного интеллекта является построение компьютерной интеллектуальной системы, которая обладала бы уровнем эффективности решений неформализованных задач, сравнимым с человеческим или превосходящим его. В качестве критерия и конструктивного определения интеллектуальности предложен мысленный эксперимент, известный как тест Тьюринга. В современной постановке можно рассматривать эту задачу как задачу приближения сингулярности в её сверхинтеллектуальном понимании.

На данный момент не существует систем искусственного интеллекта, однозначно отвечающих основным задачам, обозначенным выше. Успехи в исследовании аналоговых и обратимых вычислений позволят совершить большой шаг вперёд в построении систем искусственного интеллекта.

Наиболее часто используемые при построении систем искусственного интеллекта парадигмы программирования -- функциональное программирование и логическое программирование. От традиционных структурного и объектно-ориентированного подходов к разработке программной логики они отличаются нелинейным выводом решений и низкоуровневыми средствами поддержки анализа и синтеза структур данных.

Экспертные системы

Экспертные системы, базовые понятия

Об экспертных системах (ЭС) можно говорить много и сложно. Но наш разговор очень упростится, если мы будем исходить из следующего определения экспертной системы. Экспертная система -- это программа (на современном уровне развития человечества), которая заменяет эксперта в той или иной области.

Отсюда вытекает простой вывод -- все, что мы изучаем в курсе "Основы проектирования систем с ИИ", конечной целью ставит разработку ЭС. В этой главе мы остановимся только на некоторых особенностях их построения, которые не затрагиваются в остальных главах.

ЭС предназначены, главным образом, для решения практических задач, возникающих в слабо структурированной и трудно формализуемой предметной области. ЭС были первыми системами, которые привлекли внимание потенциальных потребителей продукции искусственного интеллекта.

С ЭС связаны некоторые распространенные заблуждения.

Заблуждение первое: ЭС будут делать не более (а скорее даже менее) того, чем может эксперт, создавший данную систему. Для опровержения данного постулата можно построить самообучающуюся ЭС в области, в которой вообще нет экспертов, либо объединить в одной ЭС знания нескольких экспертов, и получить в результате систему, которая может то, чего ни один из ее создателей не может.

Заблуждение второе: ЭС никогда не заменит человека-эксперта. Уже заменяет, иначе зачем бы их создавали?

Экспертные системы, методика построения

В настоящее время сложилась определенная технология разработки ЭС, которая включает следующие шесть этапов: идентификация, концептуализация, формализация, выполнение, тестирование и опытная эксплуатация.

Рисунок 1 Методика (этапы) разработки ЭС

3. Нейронные сети. Виртуальная реальность

Нейронные сети - это одно из направлений исследований в области искусственного интеллекта, основанное на попытках воспроизвести нервную систему человека. А именно: способность нервной системы обучаться и исправлять ошибки, что должно позволить смоделировать, хотя и достаточно грубо, работу человеческого мозга.

Нейронная сеть или нервная система человека - это сложная сеть структур человека, обеспечивающая взаимосвязанное поведение всех систем организма.

Биологический нейрон - это специальная клетка, которая структурно состоит из ядра, тела клетки и отростков. Одной из ключевых задач нейрона является передача электрохимического импульса по всей нейронной сети через доступные связи с другими нейронами. Притом, каждая связь характеризуется некоторой величиной, называемой силой синаптической связи. Эта величина определяет, что произойдет с электрохимическим импульсом при передаче его другому нейрону: либо он усилится, либо он ослабится, либо останется неизменным.

Биологическая нейронная сеть обладает высокой степенью связности: на один нейрон может приходиться несколько тысяч связей с другими нейронами. Но, это приблизительное значение и в каждом конкретном случае оно разное. Передача импульсов от одного нейрона к другому порождает определенное возбуждение всей нейронной сети. Величина этого возбуждения определяет реакцию нейронной сети на какие-то входные сигналы. Например, встреча человека со старым знакомым может привести к сильному возбуждению нейронной сети, если с этим знакомым связаны какие-то яркие и приятные жизненные воспоминания. В свою очередь сильное возбуждение нейронной сети может привести к учащению сердцебиения, более частому морганию глаз и к другим реакциям. Встреча же с незнакомым человеком для нейронной сети пройдет практически незаметной, а значит и не вызовет каких-либо сильных реакций.

Можно привести следующую сильно упрощенную модель биологической нейронной сети:

Нейронная сеть

Каждый нейрон состоит из тела клетки, которое содержит ядро. От тела клетки ответвляется множество коротких волокон, называемых дендритами. Длинные дендриты называются аксонами. Аксоны растягиваются на большие расстояния, намного превышающее то, что показано в масштабе этого рисунка. Обычно аксоны имеют длину 1 см (что превышает в 100 раз диаметр тела клетки), но могут достигать и 1 метра.

В 60-80 годах XX века приоритетным направлением исследований в области искусственного интеллекта были экспертные системы. Экспертные системы хорошо себя зарекомендовали, но только в узкоспециализированных областях. Для создания более универсальных интеллектуальных систем требовался другой подход. Наверное, это привело к тому, что исследователи искусственного интеллекта обратили внимание на биологические нейронные сети, которые лежат в основе человеческого мозга.

Нейронные сети в искусственном интеллекте - это упрощенные модели биологических нейронных сетей.

На этом сходство заканчивается. Структура человеческого мозга гораздо более сложная, чем описанная выше, и поэтому воспроизвести ее хотя бы более менее точно не представляется возможным.

У нейронных сетей много важных свойств, но ключевое из них - это способность к обучению. Обучение нейронной сети в первую очередь заключается в изменении «силы» синаптических связей между нейронами. Следующий пример наглядно это демонстрирует. В классическом опыте Павлова, каждый раз непосредственно перед кормлением собаки звонил колокольчик. Собака достаточно быстро научилась ассоциировать звонок колокольчика с приемом пищи. Это явилось следствием того, что синаптические связи между участками головного мозга, ответственными за слух и слюнные железы, усилились. И в последующем возбуждение нейронной сети звуком колокольчика, стало приводить к более сильному слюноотделению у собаки.

На сегодняшний день нейронные сети являются одним из приоритетных направлений исследований в области искусственного интеллекта.

Виртуальная реальность

Определение виртуальной реальности

Первые определения термина "виртуальная реальность" приходятся приблизительно на 1989 г. Предложенный в этом году термин "виртуальная реальность" обозначал искусственный трехмерный мир - киберпространство, созданное с помощью компьютера и воспринимаемое человеком посредством специальных устройств (Кондратьев, 1997).

"Латинское слово "virtus" означает "доблесть, необычайное качество" и в античной литературе употребляется для обозначения боевой доблести. Как и в латинском, в санскрите глагол "vrtti" означает мгновенную беспрепятственную актуализацию психического акта в психике йогина, и в старославянском глагол "верьти" означает "кипеть, бурлить", имея в виду, в частности, кипение родника. Корень "vrt" обозначает событие творимое, порождаемое сейчас, в данный момент чей-то активностью: воина ли, йогина ли, воды ли" (Носов, 1994). В. Дмитриева и Ю. Святец выдвигают две версии этимологии термина "виртуальный": латинскую (virtualis - возможный, предполагаемый, мнимый, такой, который может или должен проявиться (1) и английскую (virtual - фактический, действительный, являющийся чем-либо по существу, реально (2) (Дмитриева, Святец, document HTML).

По определению Джерона Ланье, Виртуальная реальность -- это иммерсивная и интерактивная имитация реалистичных и вымышленных сред, т.е. некий иллюзорный мир, в который погружается и с которым взаимодействует человек, причем создается этот мир имитационной системой, способной формировать соответственные стимулы в сенсорном поле человека и воспринимать его ответные реакции в моторном поле в реальном времени (Иванов, document HTML).

Есть и другие определения термина "виртуальная реальность". Это понятие связывают и с технологиями "multimedia", трехмерной графики и анимации, позволяющими объединить в едином информационном носителе всевозможные формы кодирования информации (вербальную, иконографическую, идеографическую, фонографическую и т.п.), что в свою очередь позволяет моделировать на компьютере процессы и объекты реальной жизни, создавать объемное компьютерное познавательное пространство с ощущением и восприятием его реальности за счет активного участия пользователя компьютера в "событиях", предлагаемых информационной системой (Дмитриева, Святец, document HTML).

С термином виртуальная реальность связано понятие "киберпространство". Киберпространство - это большая электронная сеть, в которой как бы свернуты виртуальные реальности. Киберпространство, или интернет, смысловой вариант виртуальной реальности, где доминирующее положение занимают логико-языковые апперцептивные структуры информации (Дацюк, document HTML). Впервые киберпространство описал в 1985 г. Уильям Гибсон в научно-фантастическом романе "Нейромантик" как "единую, согласованную галлюцинацию миллиардов людей" (она же - глобальная многопользовательская виртуальная среда).

Виртуальные миры допускают наличие Аватар - электронных двойников людей (Сигунов, 1999). Напомним, Аватара - в индийской мифологии частичное или полное воплощение божества в живое существо. Управляемые человеком, эти фантомы могут жить в виртуальном мире, общаться со своими "коллегами", выполнять различные действия, совместно строить и развивать свой виртуальный мир.

Использование в системе виртуальной реальности аватар позволяет классифицировать нам ее как сценическую, при которой человек, находясь как бы внутри виртуального мира, является одним из его объектов (Автоматизация проектирования №2, 1998).

4. Этапы разработки и внедрения информационно-аналитической системы

Согласно ГОСТ 34.601-90 «Автоматизированные системы. Стадии создания» выделяют следующие основные стадии создания и этапы разработки автоматизированной системы (АС):

Формирование требований к АС.

Разработка концепции АС.

Техническое задание.

Эскизный проект.

Технический проект.

Рабочая документация.

Ввод в действие.

Сопровождение АС.

Как правило, этапы стадий формирования требований к автоматизированной системе объединяют с этапами разработки технического задания, а этапы разработки концепции - с этапами эскизного проектирования. Также к приведенным стадиям создания АС добавляют стадию подготовки к началу проекта.

Ниже представлены стадии создания информационно-аналитической системы -корпоративного хранилища данных. Также дана оценка длительности каждого из этапов внедрения системы.

Стадия I. Организация проекта

Стадия II. Формирование требований и разработка технического задания

Стадия III. Эскизный проект

Стадия IV. Технический проект

Стадия V. Рабочая документация

Стадия VI. Ввод в действие

Стадия VII. Сопровождение

Степень ответственности каждого члена проектной команды за выполнение той или иной задачи на каждом из этапов проекта определяется матрицей ответственности.

интеллектуальный нейронный виртуальный

5. Конструирование многотабличных запросов в Microsoft Access

База данных СУБД Access является реляционной базой данных и состоит из взаимосвязанных реляционных таблиц. Логические связи каждой пары таблиц реализуются за счет одинаковых полей в связываемых таблицах - ключа связи. Ключом связи всегда является уникальный ключ главной таблицы. Значения уникального (первичного) ключа не могут повторяться в записях таблицы. Строки таблицы однозначно идентифицируются значением ключа. Ключ может быть простым или составным. Связи между таблицами дают возможность совместного использования данных из разных таблиц. Появляется возможность конструирования многотабличных форм, запросов и отчетов, обеспечивается требование целостности данных.

Реляционная база данных состоит из нормализованных таблиц, соответствующих следующим требованиям нормализации:

* Информационный объект (таблица) должен содержать уникальный идентификатор (ключ).

* Все описательные поля должны быть взаимонезависимыми.

* Все поля, входящие в составной ключ, должны быть также взаимонезависимы.

* Каждое описательное поле должно функционально - полно зависеть от ключа, т.е. каждому значению ключа соответствует только одно значение описательного поля.

* При составном ключе описательные поля должны зависеть целиком от всей совокупности полей, образующих ключ.

* Каждое описательное поле не может зависеть от ключа транзитивно, т.е. через другое промежуточное поле.

Выполнение требований нормализации обеспечивает построение реляционной БД без дублирования, в которой обеспечивается однократный ввод данных при первоначальной загрузке и корректировках.

В процессе создания БД сначала осуществляется конструирование таблиц, а затем создается схема данных, в которой фиксируются существующие логические связи между таблицами. Схема данных является графическим образом БД. Если поле, по которому устанавливается связь, является уникальным ключом как в главной таблице, так и в подчиненной, Access устанавливает связь один-к-одному (1:1). Такие таблицы легко могут быть объединены в одну. Если поле связи, является уникальным ключом в главной таблице, а в подчиненной таблице является не ключевым или входит в составной ключ, Access устанавливает связь один-ко-многим (1:М) от главной таблицы к подчиненной. При выборе в качестве поля связи в главной таблице не ключевого поля Access сообщает, что тип отношения не может быть определен. В этом случае между таблицами возможно только связи - объединения.

Если модель данных разработана в соответствии с требованиями нормализации, в схеме данных могут быть заданы параметры обеспечения целостности базы данных, а именно

* В подчиненную таблицу не может быть добавлена запись с несуществующим в главной таблице значением ключа связи.

* В главной таблице нельзя удалить запись, если не удалены связанные с ней записи в подчиненной таблице.

* Изменение значение ключа связи главной таблицы должно приводить к изменению соответствующих значений в записях подчиненной таблице.

Установление между двумя таблицами связи типа 1:1 или 1:М и задание параметров целостности данных возможно только при следующих условиях:

* Связываемые поля имеют одинаковый тип данных, при этом имена полей могут быть различны.

* Таблицы хранятся в одной БД.

* Главная таблица связывается с подчиненной по первичному простому или составному ключу главной таблицы.

Access не позволяет создавать связи с параметрами целостности, если ранее введенные в таблицы данные не отвечают требованиям целостности. При вводе некорректных данных в связанные таблицы Access выводит сообщение. Если для выбранной связи обеспечивается поддержание целостности, можно задать режим каскадного обновления и удаления связанных записей. Если условия целостности установлены, то при попытке внесения изменений в данные, которые могут нарушить условие целостности, Access отображает диалоговое окно, препятствующее внесению этих изменений. Если таблица с данными содержит поля с повторяющимися значениями (не нормализована), то расходуется дополнительная память, не может быть обеспечен однократный ввод и корректировка данных в этих полях, велика вероятность возникновения ошибок. С помощью Мастера Access позволяет автоматически или вручную выполнить анализ таблицы и разделить ее на несколько взаимосвязанных таблиц, в которых данные не будут дублироваться. Для полученных таблиц Мастер анализа таблиц автоматически создает схему данных, в которой устанавливаются связи 1:М и определяются параметры обеспечения целостности. После процедуры анализа для исходной таблицы будут получены нормализованные взаимосвязанные таблицы. Однако Мастер анализа таблиц далеко не во всех случаях может правильно выделить повторяющиеся данные в отдельную таблицу. Предусматривается участие пользователя в корректировке предложений мастера по разделению таблицы, особенно если в таблице имеется несколько полей с повторяющимися значениями.

Порядок выполнения работы:

1. Выполните нормализацию таблицы, созданной в лабораторной работе №1. Для этого

* Откройте свою БД.

* Проанализируйте и разбейте таблицу БД в соответствиями с правилами нормализации. Запишите в тетрадь структуры и схему данных для новых взаимосвязанных таблиц.

* Для выполнения автоматизированной нормализации таблиц воспользуйтесь командой меню Сервис!Анализ!Таблица. В третьем окне диалога выберите имя таблицы, для которой будет осуществляться анализ.

* В следующем окне диалога выберете автоматический способ формирования таблиц. Далее проверьте правильность распределение полей по таблицам, созданных Мастером, сравните со своим вариантом нормализации и внесите коррективы в список полей взаимосвязанных таблиц путем перетаскивания полей из одной таблицы в другую, а при необходимости создайте еще одну таблицу или поменяйте ключевые поля.

* Переименуйте таблицы, дважды щелкнув мышью на имени таблицы.

* Окончательно определите уникальные ключи таблиц.

* В последнем окне на вопрос о необходимости создать запрос, который бы объединил полученные таблицы в одну, соответствующие исходной, выберите "Нет".

* Откройте таблицы и ознакомьтесь с их содержимым.

* Просмотрите структуру полученных таблиц в режиме конструктора.

Обратите внимание, что Мастер анализа в подчиненной таблице по умолчанию определяет свойство Тип элемента управления закладки Подстановка равным значению Поле со списком. В качестве источника строк этого поля мастер выбирает запись главной таблицы со всеми полями. При просмотре в режиме таблицы в этом поле содержатся значения всех полей из соответствующей записи главной таблицы. Измените в строке Тип элемента управления значение Поле со списком на значение Поле, а в общих свойствах введите новое значение в строке Подпись поля . Посмотрите на результаты внесенных изменений в табличном режиме.

* На панели инструментов нажмите кнопку Схема данных, а затем на панели окна схемы данных щелкните по кнопке Показать все связи. Эту же команду можно выполнить через главное меню Сервис!Схема данных. Проанализируйте полученные данные.

* Щелкните правой мышью на линии связи между двумя таблицами и удалите связь.

* Восстановите удаленную связь. Для этого выделите в главной таблице уникальное ключевое поле, по которой устанавливается связь, а затем при нажатой кнопке мыши протащите курсор в соответствующее поле подчиненной таблицы.

* В открывшемся окне Связи установите параметры целостности, каскадное обновление связанных полей и каскадное удаление связанных записей. Эти же параметры можно задать командой меню Связи!Изменить связь или через контекстное меню Изменить связь.

* Закройте окно схемы данных.

2. Создайте два варианта запроса на выборку по связанным таблицам, в который включите поля каждой из таблиц. Для построения первого варианта запроса воспользуйтесь Мастером создания запросов, для второго варианта - Конструктором.

3. Создайте запрос на обновление данных в связанных таблицах. Поля, требующие обновления и поля, по которым задаются условия отбора, выберите произвольно, но так чтобы они принадлежали разным таблицам.

4. Удалите записи из связанных таблиц, согласно произвольно выбранному критерию.

5. Предварительно просмотрите в режиме таблицы список удаляемых записей, а затем запустите запрос. Удалять записи можно непосредственно из таблицы.

6. Завершите работу с БД Access.

Размещено на Allbest.ru