Автор

Лобач А.С.

Аннотация

B статье приведены peзyльтaты aнaлизa методов моделирования, применяемых при анализе сложных задач и пpoeктиpoвaнии автоматизированных систем: ER-диагpаммы, метод IDEF1, концeптyальное моделирование (этап в методологии автоматизации интеллектуального труда). Для построения модели сложной задачи или автоматизированной системы в результате сравнительного анализа был выбран метод концептуального моделирования, позволяющий формировать семантические (концептyaльныe) модели.

Ключевые слова

Кoнцeптyaльнoe мoделирование, семантическое моделирование, метод моделирования.

Статья

УДК​​ 658.2

 

ИССЛЕДОВАНИЕ МЕТОДОВ МОДЕЛИРОВАНИЯ, ПРИМЕНЯЕМЫХ ПРИ АНАЛИЗЕ СЛОЖНЫХ ЗАДАЧ И ПРОЕКТИРОВАНИИ АВТОМАТИЗИРОВАННЫХ СИСТЕМ

 

Лобач А.С.

 

Московский​​ гoсударствeнный тexнoлoгичecкий​​ yнивeрcитeт «CTAHKИH»

 

B статье приведены peзyльтaты aнaлизa методов моделирования, применяемых при анализе сложных задач и пpoeктиpoвaнии автоматизированных систем: ER-диагpаммы, метод IDEF1, концeптyальное моделирование (этап в методологии автоматизации​​ интеллектуального труда). Для построения модели сложной задачи или автоматизированной системы в результате сравнительного анализа был выбран метод концептуального моделирования, позволяющий формировать семантические (концептyaльныe) модели.​​ 

 

Kлючeвыe слова:​​ кoнцeптyaльнoe мoделирование, семантическое моделирование, метод моделирования.

 

Meтoд мoдeлирoвaния является основным пpи изyчeнии cлoжных cиcтeм и процессов, которые лежат в ocнoвe пpoeктиpoвaния прикладных автоматизированных систем. Его суть cocтoит​​ в тoм, что cтpoится модель исследуемой системы, с помощью которой и изучается процесс функционирования реальной системы.​​ 

Выбор метода моделирования и необходимая детализация моделей существенно зависят от этапа разработки сложной системы.​​ 

На предпроектном этапе выполняют исследование предметной задачи – процесса ее решения и используемых данных. В результате изучения должна формироваться модель, ее правильность и полнота будут отображать качество работы проектируемой автоматизированной системы (АС). Прототип модели может помочь сформулировать задачу, требования к системе, сроки проектирования и разработки сложной системы. При разработке модели отдельно формируют информационную и функциональную составляющие, некоторые методы позволяют показать их увязку [1].​​ 

К сложным системам относят также АС, позволяющие осуществлять расчеты при проектировании технических объектов (проектные задачи). Информационная составляющая таких автоматизированных систем имеет сложную структуру. В дальнейшем при реализации АС в вычислительной среде (ВС) часто используют базы данных.

Потребность проектировщиков баз данных определила необходимость в более подходящих и мощных средствах моделирования предметной области. Это повлекло появление направления, связанного с построением семантических моделей данных. Семантическое моделирование описывает моделирование структуры данных, которое опирается на смысл этих данных.​​ 

На практике наиболее часто семантическое моделирование применяется на ранней стадии проектирования. При этом в терминах семантической модели формируется концептуальная схема данных, которая затем вручную или автоматизировано преобразуется к какой-либо (часто реляционной) модели данных. Этот процесс реализовывается с помощью методик, в которых достаточно четко оговорены все этапы преобразования [4].

В статье представлены результаты исследования методов семантического моделирования, которое проводилось в соответствии со следующими критериями.

  • Тип модели – информационная, семантическая, синтаксическая. Определяет результат метода​​ работы с информацией на определенном этапе разработки АС и зависит от ее класса.​​ 

Информационная модель – отображает статическую структуру предметной области или задачи – объекты, их свойства и связи между объектами.​​ 

Семантическая модель – способствует​​ изучению информации с точки зрения смыслового содержания некоторых элементов, устанавливает способы языкового соответствия (язык ЭВМ, язык человека) при однозначном определении вводимых в систему сообщений.

Синтаксическая модель – определяет важнейшие параметры информационных потоков, включая необходимые количественные характеристики, для выбора комплекса технических средств сбора, регистрации, передачи, обработки, накопления, хранения и защиты информации.

  • Уровень представления данных – уровень абстракции представления структуры данных конкретной предметной области. В связи с этим принято различать логическую и физическую модели.

Логический уровень – это абстрактное выражение на данные, на нем данные представлены так, как выглядят в реальном мире, и могут называться так, как они называются в реальном мире. Объекты в модели, представляемые на данном уровне, называются сущностями и атрибутами

Физический уровень – уровень представления данных, учитывающий способ организации данных на машинном носителе в виде бит, байт и их структур. Если в логической модели не имеет значения, какой конкретно тип данных имеет атрибут, то в физической модели важно описать всю информацию о конкретных физических объектах – таблицах, колонках, индексах.

  • Основные понятия – базовые концепции, из которых строятся более сложные объекты по заранее определенным правилам.

  • Под структурированностью и детализацией будем понимать возможность выделить элементы и установить между ними связи.​​ 

  • Под логичностью будем понимать четкость действий, которые зафиксированы в функциональной составляющей модели и порядок их выполнения.

  • Под гибкостью будем понимать возможность адаптации к изменениям требований к решаемой задаче. «Хороший» алгоритм должен допускать модификацию.

  • Представление – одна из основных целей моделирования состоит в том, чтобы результаты анализа предметной области были отражены в простом, наглядном, но в то же время формализованном и достаточно информативном виде.

  • Класс проектируемых задач – область, в которой применяется данный метод, исходя из цели, сложности структуры и специфики поставленной задачи. Одна из задач исследования заключалась в определении подходящего метода семантического моделирования для проектирования сложных систем и анализа сложных задач.

В ходе исследования были рассмотрены следующие методы:

  • Метод Чена, позволяющий строить ER-диаграммы.​​ 

  • Метод моделирования IDEF1.

  • Метод концептуального моделирования, выполняемый в рамках методологии автоматизации интеллектуального труда (МАИТ).​​ 

 

Метод Чена: ER-диаграмма

 

Метод Чена является методом семантического моделирования и позволяет создавать семантические модели – описание связей объектов предметной области. Часто относят к логическому уровню. Отдельно используют для анализа и проектирования​​ предметной области, либо для построения структуры данных для дальнейшей реализации в ВС (база данных).

ER-диаграмма ​​ включает данные о сущностях системы и способах их взаимодействия, включает их идентификацию (важных для предметной области объектов), свойств этих сущностей (атрибутов) и их отношений с другими сущностями (связей). Во многих случаях информационная модель очень сложна.

ER-диаграммы удобны тем, что процесс выделения сущностей, атрибутов и связей является итерационным. После разработки первого приближенного варианта диаграммы, их уточняют, опрашивая консультантов предметной области. Сами ER-диаграммы являются документацией, в которой фиксируются результаты опросов. Диаграммы «сущность-связь» позволяют использовать отчетливые графические представления для моделирования сущностей и их​​ взаимосвязей. Данный метод является примером концептуальной диаграммы.

ER-диаграммы используют при построении систем средней сложности и часто используют при разработке структуры базы данных.

Преимущества:

  • Модeль на основе мeтода Чена разрабатываeтся на​​ основe здравого смысла и не требует знаний основ теории реляционных баз данных.

  • Метод построен на использовании небольшого количества правил, которые помогают конструировать результирующие отношения (таблицы базы данных).

Простота алгоритма дает возможность использовать данный метод в программных средствах автоматизации проектирования, например, таких как IBM Rational Rose XDE, AllFusion ERwin Data Modeler и других.

Недостатки:

  • В большинстве случаев возникает необходимость в разбиении схемы на подсхемы в результирующей декомпозиции.​​ 

  • Необходимо проведение анализа результирующего набора отношений на предмет «сильных» нормальных форм, а это требует построения множества функциональных зависимостей, правда неполного, а только для атрибутов отдельных отношений.​​ 

  • При выполнении свойства соединения информация может нести потери в результирующем наборе декомпозиционных подсхем. Это вынуждает разработчика строить полное множество функциональных зависимостей для проверки выполнимости этого свойства.

  • Правила в среде автоматизированного проектирования баз данных могут выполняться не совсем «по правилам», поэтому необходимо вручную дорабатывать результирующие модели.​​ 

 

Метод IDEF1

 

IDEF1 – метод моделирования информационных потоков внутри системы, позволяющий строить модели – отображать структуру системы, а именно ее элементы (сущности), их свойства (атрибуты) и взаимосвязи (отношения) между ними. Метод IDEF1 делит элементы структуры информационной области, их свойства и взаимосвязи на классы. Наиболее значительным понятием​​ метода IDEF1 определено понятие сущности. Класс сущностей являет собой набор информации, собранной и хранящейся в рамках организации и соответствующей определенному объекту или группе объектов реального мира. Метод IDEF1 относят к логическому уровню.

Методу характерно обеспечение строго структурированного и последовательного процесса анализа информационного массива. IDEF1 свойственна развитая гибкость, что дает возможность эффективно определять и вносить правки для полноты и точности существующей структуры​​ информации на всем протяжении этапа моделирования.

Подробная информация, которая получена в процессе моделирования, позволяет обнаружить «узкие места» в анализируемом объекте и является основой для принятия решений об улучшении структуры системы и информационных потоков, осуществления правильной политики управления информацией.

На основе наглядных графических диаграмм метода возможно моделировать информационные потоки. Простые модели IDEF1 являются базисом для построения гибкой и мощной информационной системы.

Преимущества:

  • Понятная методика сбора информации и данных о процессе.

  • Наглядная графическая нотация.​​ 

  • Возможность моделирования информационных связей между реальными объектами.

Главной целью применения метода IDEF1 все же остается изучение принципов управления информацией и движения потоков на первоначальном этапе процесса проектирования общекорпоративной аналитическо-информационной системы, которая должна поддерживать более эффективное использование информационного пространства.​​ 

 

Метод концептуального моделирования в МАИТ

 

В рамках МАИТ концептуальное моделирование предметных задач дает возможность фиксировать систему знаний предметной области в виде формализованных моделей, обеспечивая общий смысл (семантику) всех последующих формально-языковых​​ представлений задач. Данный метод позволяет строить семантические модели, которые относят к логическому уровню представления данных [2].

В данном методе основные понятия – предметные категории и связи между ними. Процедуры формирования множества предметных​​ категорий и бинарных связей между ними выполняются на основе закономерностей формирования системы знаний предметной области.

Детализация и структурированность отражается в концептуальной структуре которая показывает многоуровневость элементов информации для предметной области.

В данной методике сформулирована четкая последовательность действий по формированию концептуальной модели, формы представления модели для статической и динамической составляющих, и их увязки. Результаты представлены в виде диаграммы​​ и спецификаций [3].

Преимущeства:

  • Формальное описание модели.​​ 

  • Полный набор компонентов модели и их увязка в модельном представлении на любой стадии разработки автоматизированной системы.

  • Существование закономерностей формирования семантических моделей на​​ трех уровнях абстрагирования.​​ 

  • Возможность моделирования АС для сложных проектных задач.

Недостатки:

  • Сложность формирования модели, для построения которой необходим опытный узкопрофильный специалист.

Результаты сравнительного анализа методов семантического​​ моделирования приведены в таблице 1.

 

 

Таблица 1.​​ Результаты сравнительного анализа методов семантического моделирования

 

ER-диаграмма

Метод IDEF1

Концептуальное моделирование

МАИТ

Тип модели

Семантическая

Информационная

Семантическая

Уровень​​ представления

Логический

Логический

Логический

Основные понятия

+

+

+

Детализация/ Структурированность

+

+

+

Логичность

+

±

+

Гибкость

+

-

+

Наличие графического представления

+

+

+

Возможность применения для проектирования сложных систем

-

-

+

Возможность последовательного создания модели на логическом и физическом уровнях

±

-

+

Класс проектируемых задач

БД систем средней сложности

Управление предприятиями

Проектные задачи и сложные системы

 

При выборе метода моделирования важными​​ характеристиками является отображение всех составляющих модельного представления и возможность переходить на другой уровень представления данных, а также степень детализации моделей, которые зависят от этапа разработки сложной системы.​​ 

В результате анализа было выявлено, что такую возможность может предоставить ER-диаграмма Чена и метод концептуального моделирования. Необходимо учесть тот факт, что первый метод требует повторного построения модели для физического уровня и имеет дублирование данных, что является серьезным недостатком. Решить проблему дублирования данных средствами системы управления базой данных не представляется возможным.​​ 

Стандарт IDEF1 является методом изучения и анализа информации на начальном этапе и помогает управлять массивами данных, и при этом не может быть применен при проектировании сложных систем, автоматизирующих проектные задачи.

Это возможно сделать с помощью метода концептуального моделирования в рамках МАИТ. К недостаткам концептуального моделирования можно отнести сложность​​ построения модели – это связано с тем, что требуется обладать профессиональными знаниями и навыками при работе с данным методом.

 

 

Список литературы

 

  • Волкова Г.Д. ​​ Методология автоматизации проектно-конструкторской деятельности в машиностроении: Учеб.пос.​​ – M.:MГTУ «СTАНКИН», 2000 – 159 с.

  • Волкова Г. Д. Методология автоматизации интеллектуального труда. - M.: Янус-К, 2013. - 101 с.​​ 

  • Волкова Г.Д., Новоселова О.В., Григорьев О.Г. Исследование методологий и методов проектирования автоматизированных систем различного назначения // Электронные информационные системы. Научный журнал / Зеленоград: Издатель ЗАО «НТЦ ЭЛИНС», 2014 г., № 2 (2) – с. 57-69.

  • Волкова Г.Д., Нoвoceлова O.B., Григорьев O.Г. Исследование методологий, методов и подходов, применяемых при создании прикладных автоматизированных систем // Mежотраслевая информационная служба: научно-методический журнал – M.: ФГУП «ВИМИ», 2014 г., № 4 (169) – с. 19-31.

  • Мишенин А. И.. Теория экономических информационных систем. URL: https://uchebnikfree.com/sistemyi-ekonomike-informatsionnyie/semanticheskie-modeli-dannyih-8068.html (дата обращения 22.06.2019)

© А.С. Лобач, 2019

 

СВЕДЕНИЯ​​ О​​ НАУЧНОМ​​ РУКОВОДИТЕЛЕ

 

Научный руководитель​​ -​​ Новоселова О.В., к.т.н., доцент кафедры «Информационных технологий и вычислительных систем» МГТУ «СТАНКИН»​​ 

 

Скачать PDF

Выходные данные

Лобач А.С. Исследование методов моделирования, применяемых при анализе сложных задач и проектировании автоматизированных систем.[Электронный ресурс] // Вестник современных исследований. — Электрон. журн. — 2019. — № 8. — Режим доступа: https://orcacenter.ru

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *