Koncept modela je ključan u opštoj teoriji sistema. Modeliranje kao moćna – i često jedina – metoda istraživanja uključuje zamjenu stvarnog objekta drugim – materijalnim ili idealnim.
Najvažniji zahtjevi za svaki model su njegova adekvatnost predmetu koji se proučava u okviru određenog zadatka i njegova izvodljivost raspoloživim sredstvima.
U teoriji efikasnosti i računarstvu, model objekta (sistema, operacije) je materijalni ili idealni (mentalno zamisliv) sistem koji je kreiran i/ili korišten u rješavanju određenog problema kako bi se došlo do novih saznanja o originalnom objektu, adekvatnih za u smislu osobina koje se proučavaju i više, jednostavnije od originala u drugim aspektima.
Klasifikacija glavnih metoda modeliranja (i njihovih odgovarajućih modela) prikazana je na Sl. 3.1.1.
Prilikom proučavanja ekonomskih informacionih sistema (EIS) koriste se sve metode modeliranja, ali će u ovom dijelu glavna pažnja biti posvećena semiotičkim (znakovnim) metodama.
Podsjetimo, semiotika (od grčkog semeion - znak, atribut) je nauka o općim svojstvima znakovnih sistema, odnosno sistema konkretnih ili apstraktnih objekata (znakova), sa svakim od kojih je povezano određeno značenje. Primjeri takvih sistema su bilo koji jezici
Rice. 3.1.1. Klasifikacija metoda modeliranja
(prirodni ili vještački, na primjer, jezici opisa podataka ili modeliranja), alarmni sistemi u društvu i životinjskom svijetu, itd.
Semiotika uključuje tri sekcije: sintaktiku; semantika; pragmatika.
Sintaksa proučava sintaksu znakovnih sistema bez obzira na bilo kakva tumačenja i probleme povezane sa percepcijom znakovnih sistema kao sredstava komunikacije i poruke.
Semantika proučava interpretaciju iskaza znakovnog sistema i, sa stanovišta modeliranja objekata, zauzima glavno mjesto u semiotici.
Pragmatika ispituje odnos korisnika znakovnog sistema prema samom znakovnom sistemu, posebno percepciju smislenih izraza znakovnog sistema.
Od brojnih semiotičkih modela, zbog njihove najveće rasprostranjenosti, posebno u uslovima informatizacije savremenog društva i uvođenja formalnih metoda u sve sfere ljudske delatnosti, izdvojićemo matematičke, koji reflektuju realne sisteme korišćenjem matematičkih simbola. Istovremeno, uzimajući u obzir činjenicu da razmatramo metode modeliranja u odnosu na proučavanje sistema u različitim operacijama, koristićemo dobro poznatu metodologiju analize sistema, teorije efikasnosti i donošenja odluka.
Više o temi 3. TEHNOLOGIJA ZA MODELIRANJE INFORMACIJSKIH SISTEMA Metode za modeliranje sistema:
- Simulacijski modeli ekonomskih informacionih sistema Metodološke osnove za primenu simulacionog metoda
- Odjeljak III OSNOVE MODELIRANJA SISTEMA MARKETINGA USLUGA
- POGLAVLJE 1. UPRAVLJANI DINAMIČKI SISTEMI KAO OBJEKAT RAČUNARSKE SIMULACIJE
- Osnove strukturalnog modeliranja marketinškog sistema medicinskih usluga
- Odjeljak IV PRIMJER PRIMIJENJENE UPOTREBE MODELA MARKETINŠKOG SISTEMA U SIMULACIJSKOM MODELIRANJU
- Koncept modeliranja finansijske sfere marketing sistema
MINISTARSTVO OBRAZOVANJA RUSKE FEDERACIJE ULJANOVSK DRŽAVNI TEHNIČKI UNIVERZITET V.S. SHCHEKLEIN MODELIRANJE INFORMACIONIH SISTEMA Bilješke sa predavanja za studente smjera 652100 “Airion Engineering” Ulyanovsk 2002-2 UDC.526K Recenzija:526K S.962 Odobreno od strane sekcije metodoloških pomoć naučnog i metodološkog vijeća Univerziteta Shcheklein V.S. Š Modeliranje informacionih sistema: zapisi sa predavanja / V.S.SHCHEKLEIN. - Uljanovsk: Državni tehnički univerzitet Uljanovsk, 2002. - str. Bilješke sa predavanja su izbor materijala korištenog u školskoj 1999/2000. godini prilikom izvođenja nastave iz discipline „Modeliranje informacionih sistema“. Namenjen studentima smerova: 130107 „Softverska obrada konstruktivnih materijala“ i 130111 „Projektno upravljanje proizvodnjom aviona“. Ovaj priručnik nije potpun, planirano je da obuhvati novorazvijeni materijal, čiji se odabir i dizajn vrši u skladu sa odobrenim programom discipline. 3 SADRŽAJ UVOD ………………………………………………………………………… 4 1. OSNOVNI POJMOVI TEORIJE MODELIRANJA ………... 4 2. SUŠTINA STATISTIČKE METODA ISPITIVANJA I NJENA IMPLEMENTACIJA KORIŠĆENJEM RAČUNARA …………… 7 3. GENERALIZOVANI ALGORITMI ZA STATISTIČKO MODELIRANJE ……………………………………………………… 9 4. MODELIRANJE SLUČAJNIH Varijabli sa ODREĐENI ZAKON DISTRIBUCIJE. MODELIRANJE SLUČAJNIH DOGAĐAJA ………………………………………………………….. 5. PRISTUP SISTEMIMA MODELIRANJA …………………… 15 6. POSTAVLJANJE SLUČAJNIH Varijabli I SLUČAJNI DOGAĐAJI U EXCEL-u ………………………………………………………… 21 7. MODELIRANJE MARKOVSKIH LANACA ……………………. 23 8. MODELIRANJE SISTEMA REDOVA. 25 9. STRUKTURA INFORMACIONO RAČUNARSKIH SISTEMA ……………………………………………………………………………………………… 26 9.1. Koncept procesa…………………………………………………………….. 28 9.2. Obim posla …………………………………………………………………… 29 10. INDIKATORI EFIKASNOSTI INFORMACIONOG SISTEMA ……………………………………………………… … ……….. 30 11. PROCJENA PERFORMANSE KOMPONENTI SISTEMA …………………………………………………………………………………………….…. 31 12. OCJENA PERFORMANSE SISTEMA U CJELINI……. 32 13. UTICAJ NAČINA OBRADE PODATAKA …………………….. 35 14. KARAKTERISTIKE POUZDANOSTI ……………………………… 36 15. KONSTRUKCIJA MATEMATIČKOG MODELA INFORMACIONOG SISTEMA ……… …………… ……………. 40 BIBLIOGRAFSKI LIST …………………………………………………. 46 4 UVOD Nesumnjivo je korisnost matematičkog modeliranja za rješavanje praktičnih problema. Može se postaviti pitanje: zašto je potrebno da konstruktori aviona fokusirani na tehnologiju proizvodnje aviona ovladaju modeliranjem informacionih sistema (a sada se ovi sistemi ne mogu zamisliti bez kompjuterske tehnologije)? Moderna tehnologija postaje sve više automatizirana. Savremeni proizvođač aviona, bilo da je dizajner ili tehnolog, mora da koristi kompjutere u svom radu. Postoji opasnost od neadekvatne procene sposobnosti računara prilikom rešavanja inženjerskih problema. To može dovesti ili do odbijanja automatizacije jednog ili drugog fragmenta tehnološkog procesa, ili do neopravdanih troškova za kompjutersku opremu, čije su mogućnosti znatno napuhane u odnosu na ono što je potrebno. Međutim, takozvani zdrav razum može dovesti do ozbiljnih grešaka u procjeni. Cilj discipline je opremiti mladog specijalistu aparatom za procjenu informacionih i kompjuterskih sistema kako bi mogao kompetentno integrirati alate za automatizaciju u konture proizvodnje ili upravljanja. Osim toga, modeliranjem određenih sistema studenti stiču indirektno iskustvo u optimizaciji sistema i jačaju svoje vještine korištenja računara pri rješavanju profesionalnih problema. 1. OSNOVNI KONCEPTI TEORIJE MODELIRANJA Modeliranje je zamjena jednog objekta drugim kako bi se dobila informacija o najvažnijim svojstvima objekta – originala pomoću objekta – modela. Model (francuski modele od lat. modulas - mjera, uzorak): 1) uzorak za masovnu proizvodnju proizvoda; brend proizvoda; 2) proizvod sa kojeg se skida kalup (šabloni, šare, placi); 3) lice ili predmet koji je umetnik prikazao; 4) uređaj koji reprodukuje strukturu ili rad nekog drugog uređaja; 5) svaka slika predmeta, procesa ili pojave koja se koristi kao reprezent originala (slika, dijagram, crtež, mapa); 6) matematički aparat koji opisuje predmet, proces ili pojavu; 7) uređaj za dobijanje otiska u kalupu za livenje. U nastavku, osim ako nije drugačije navedeno, model će se shvatiti kao matematički aparat. Sve modele karakteriše prisustvo neke strukture (statičke ili dinamičke, materijalne ili idealne), koja je slična strukturi originalnog objekta. U procesu rada model se ponaša kao relativno nezavisan kvazi-objekat, koji omogućava da se tokom istraživanja stekne određena saznanja o samom objektu. Ako se rezultati takvog istraživanja (modeliranja) potvrde i mogu poslužiti kao osnova za predviđanje u objektima koji se proučavaju, onda se kaže da je model adekvatan objektu. U ovom slučaju, adekvatnost modela zavisi od svrhe modeliranja i prihvaćenih kriterijuma. Proces modeliranja pretpostavlja prisustvo: - predmeta proučavanja; - istraživač sa određenim zadatkom; - model kreiran za dobivanje informacija o objektu koji su potrebni za rješavanje problema. U odnosu na model, istraživač je eksperimentator. Mora se imati na umu da svaki eksperiment može imati značajan značaj u određenoj oblasti nauke i tehnologije samo uz posebnu obradu njegovih rezultata. Jedan od najvažnijih aspekata modeliranja sistema je problem svrhe. Svaki model se gradi u zavisnosti od svrhe koju mu istraživač postavlja, pa je jedan od glavnih problema u modeliranju problem svrhe. Sličnost procesa koji se odvija u modelu sa stvarnim procesom nije sama sebi svrha, već uslov za ispravno funkcionisanje modela. Cilj bi trebao biti proučavanje bilo kojeg aspekta funkcionisanja objekta. Ako su ciljevi modeliranja jasni, onda se javlja sljedeći problem, problem izgradnje modela. Ova konstrukcija je moguća ako su dostupne informacije ili su postavljene hipoteze u vezi sa strukturom, algoritmima i parametrima objekta koji se proučava. Treba istaći ulogu istraživača u procesu izgradnje modela, koji je kreativan, zasnovan na znanju, iskustvu i heuristici. Formalne metode koje omogućavaju dovoljno tačan opis sistema ili procesa su nekompletne ili jednostavno odsutne. Stoga je izbor jedne ili druge analogije u potpunosti zasnovan na postojećem iskustvu istraživača, a greške istraživača mogu dovesti do pogrešnih rezultata modeliranja. Kada je model izgrađen, sljedeći problem se može smatrati problemom rada s njim, implementacijom modela. Glavni zadaci su minimiziranje vremena za postizanje konačnih rezultata i osiguranje njihove pouzdanosti. Ono što je karakteristično za pravilno konstruisan model jeste da otkriva samo one obrasce koji su potrebni istraživaču, a ne uzima u obzir svojstva originalnog sistema koja u ovom trenutku nisu značajna. Klasifikacija tipova modeliranja sistema prikazana je na Sl. 1.1. Matematičko modeliranje je konstrukcija i upotreba matematičkih modela za proučavanje ponašanja sistema (objekata) u različitim uslovima, za dobijanje (izračunavanje) određenih karakteristika originala bez merenja ili sa malim brojem njih. U okviru matematičkog modeliranja pojavila su se dva pristupa: - analitički; - imitacija. 6 Modeliranje sistema Deterministički Stohastički Statički Dinamički Diskretni Diskretni Kontinuirani Kontinuirani Apstraktni Materijal Vizuelni Simbolični Matematički Prirodni Fizički Analitički Kombinovani. Simulacija Sl. 1.1. Analitički pristup zasniva se na konstrukciji formulaičkih zavisnosti koje povezuju parametre i elemente sistema. Dugo vremena je ovaj pristup bio stvarni matematički pristup. Međutim, kada se razmatraju složeni sistemi, stroge matematičke zavisnosti su veoma složene; potreban je veliki broj merenja da bi se dobile tražene vrednosti parametara. Analiza karakteristika procesa funkcionisanja složenih sistema primenom samo analitičkih metoda istraživanja nailazi na značajne poteškoće, što dovodi do potrebe da se modeli značajno pojednostave bilo u fazi njihove izgradnje ili u procesu rada sa modelom, što smanjuje pouzdanost modela. rezultati. Simulacijski (statistički) pristup modeliranju zasniva se na korišćenju Čebiševljeve granične teoreme u probabilističkom prikazu parametara sistema. Na osnovu preliminarnog proučavanja simuliranog sistema, vrlo jednostavno se određuju vrste i vrijednosti zakona raspodjele slučajnih varijabli parametara. U okviru simulacionog pristupa koriste se analitičke zavisnosti između parametara elemenata sistema, ali su te zavisnosti generalizovanije, pojednostavljene prirode. One su mnogo jednostavnije od zavisnosti u okviru analitičkog pristupa. 7 Matematičko modeliranje sistema, uključujući informacione sisteme, ima za cilj optimizaciju strukture sistema, odabir najoptimalnijih režima rada sistema i određivanje potrebnih karakteristika hardvera i softvera. Matematičko modeliranje tehnoloških procesa, uključujući i informacione, ima za glavne ciljeve pronalaženje optimalnih ili prihvatljivih karakteristika samog objekta, pronalaženje optimalnih načina obrade, obuku kadrova i obezbjeđivanje određenih upravljačkih funkcija. U svakom slučaju, modeliranje mora ispunjavati sljedeće zahtjeve: - modeli moraju biti adekvatni relevantnim sistemima ili tehnološkim zadacima; - mora se osigurati potrebna tačnost; - treba osigurati pogodnost korisnika - stručnjaka za tehnologiju ili obradu informacija (kontrolu): - jasan interfejs za upravljanje modeliranjem; - dovoljna brzina rada; - jasnoća rezultata; - prihvatljivi troškovi razvoja i upotrebe alata za modeliranje. 2. SUŠTINA METODE STATISTIČKOG ISPITIVANJA I NJEGOVA IMPLEMENTACIJA POMOĆU RAČUNARA Metoda statističkog modeliranja sastoji se u reprodukciji procesa koji se proučava korištenjem vjerovatnog matematičkog modela i izračunavanju karakteristika ovog procesa. Metoda se zasniva na ponovljenom testiranju konstruisanog modela sa naknadnom statističkom obradom dobijenih podataka u cilju određivanja karakteristika procesa koji se razmatra u vidu statističkih procena njegovih parametara. Razmotrimo jednačinu: y = f (x, t, ξ), (2.1) gdje je y sistemski parametar koji zahtijeva određivanje, x je fazna varijabla, t je vrijeme, ξ je slučajni parametar, čiji je zakon distribucije nama poznato. Ako je funkcija f značajno nelinearna, onda ne postoje univerzalne metode rješenja za rješavanje ovog problema, a dovoljno potpuno razvijene regularne metode za pronalaženje optimalnih rješenja mogu se primijeniti samo tako što se u prvi plan stavlja pojava korištenja matematike; pojednostavljenja će dovesti do ozbiljan gubitak tačnosti. Matematički model će postati neadekvatan za sistem koji se proučava, a modeliranje će biti samo oblik zablude. Međutim, ako je moguće konstruisati funkciju y = ϕ (ξ) i generator slučajnih brojeva ξ 1, ξ 2, ..., ξ N sa datim zakonom raspodjele, tada se vrijednost y može izračunati kao y = ∑ ϕ (ξ i) N, (2.2) gdje je ϕ (ξ 1) vrijednost i-te implementacije. Ako je f (x, t, ξ) analitički model procesa pretvaranja informacije ili tehnološkog procesa obrade dijela, onda će ϕ (ξ) biti statistički model. O nekim principima i tehnikama za konstruisanje statističkih modela biće reči kasnije. Bitno je da je pri konstruisanju funkcije y = ϕ (ξ) i generatora slučajnih brojeva ξ 1, ξ 2, ..., ξ N na papiru, u velikoj većini slučajeva prilično lako implementirati ih na računar u okviru odgovarajućeg softvera. U ovom slučaju, rezultati će sadržavati grešku, ali je ta greška manja od grešaka zbog pretpostavki u analitičkom modelu. Osim toga, greška zbog primjene statističkog modela može se kvantifikovati. Ova tehnika se takođe proširuje na složenije slučajeve, kada jednačina (2.1) sadrži ne samo slučajne parametre, već i slučajne funkcije. Nakon prijema N implementacija na računaru, slijedi faza obrade statistike koja omogućava izračunavanje, uz matematičko očekivanje (2.2), i drugih parametara ϕ (ξ), na primjer, varijanse D = 1 N * ∑ x.i − 1 N 2* (∑ x.i) . U metodi statističkog testiranja, da bi se dobili dovoljno pouzdani rezultati, potrebno je obezbijediti veliki broj implementacija N, osim toga, uz promjenu barem jednog početnog parametra problema, potrebno je izvršiti niz N testova opet. U složenim modelima, nerazumno velika vrijednost N može postati faktor koji odgađa dobijanje rezultata. Stoga je važno pravilno procijeniti potreban broj rezultata. Interval povjerenja ε, vjerovatnoća povjerenja α, varijansa D i broj realizacija N povezani su relacijom ε = D NF −1 (α), gdje je F −1 (α) inverzna funkcija Laplaceove funkcije. U praksi možete koristiti relaciju N ≤ D ε 2 * 6,76 za α ≥ 0,99, uzimajući, radi pouzdanosti, najveću vrijednost N iz relacije (). Procjena varijanse D može se dobiti unaprijed koristeći isti statistički model za broj realizacija n, n<< N . 9 При построении статистических моделей информационных систем ис- пользуется общий и прикладной математический аппарат. В качестве приме- ра можно привести аппарат систем массового обслуживания. Система массо- вого обслуживания (СМО) - система, предназначенная для выполнения пото- ка однотипных требований случайного характера. Статистическое моделиро- вание СМО заключается в многократном воспроизведении исследуемого процесса (технического, социального и т.д.) при помощи вероятностной ма- тематической модели и соответствующей обработке получаемой при этом статистики. Существуют пакеты программ статистического моделирования СМО, однако они требуют определенных усилий для их освоения и не всегда доступны. Поэтому в рамках дисциплины предлагается достаточно простой подход, позволяющий с наименьшими затратами моделировать простые СМО. При этом предполагается, что пользователь ознакомлен с теорией мас- сового обслуживания и имеет навыки работы на компьютере. Следует пом- нить, что массовое обслуживание - важный, но далеко не единственный предмет статистического моделирования. На основе этого метода решаются, например, задачи физики (ядерной, твердого тела, термодинамики), задачи оптимизации маршрутов, моделирования игр и т.п. 3. ОБОБЩЕННЫЕ АЛГОРИТМЫ СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ Существуют две схемы статистического моделирования: - моделирование по принципу особых состояний; - моделирование по принципу ∧ t . Порядок моделирования по принципу особых состояний заключается в выполнении следующих действий: 1) случайным образом определяется событие с минимальным временем - бо- лее раннее событие; 2) модельному времени присваивается значение времени наступления наибо- лее раннего события; 3) определяется тип наступившего события; 4) в зависимости от типа наступившего события осуществляется выполнение тех или иных блоков математической модели; 5) перечисленные действия повторяются до истечения времени моделирова- ния. В процессе моделирования производится измерение и статистическая обработка значений выходных характеристик. Эта схема моделирования хо- рошо подходит для систем массового обслуживания в традиционном их опи- сании. Обобщенный алгоритм моделирования по принципу особых состоя- ний представлен схемой на рис. 3.1. 10 н Определение времени наступления очередного события Корректировка текущего модельного времени Опр.типа соб Блок реакции 1 Блок реакции К нет Конец модел Да Рис. к Моделирование по принципу ∧ t осуществляется следующим образом: 1) устанавливаются начальные состояния, в т. ч. t = 0 ; 2) модельному времени дается приращение t = t + ∧t ; 3) на основе вектора текущих состояний элементов модели и нового значения времени рассчитываются новые значения этих состояний; за ∧ t может на- ступить одно событие, несколько событий или же может вообще не проис- ходить событий; пересчет состояния всех элементов системы – более тру- доемкая процедура, нежели любой из блоков реакции модели, построенной по принципу особых состояний; 4) если не превышено граничное время моделирования, предыдущие пункты повторяются. В процессе моделирования производится измерение и статистическая обработка значений выходных характеристик. Эта схема моделирования применима для более широкого круга систем, нежели моделирование по принципу особых событий, однако есть проблемы с определением ∧ t . Если задать его слишком большим - теряется точность, слишком малым - возрас- тает время моделирования. На основе базовых схем моделирования можно строить комбинирован- ные и диалоговые схемы, в которых моделирование идет под контролем опе-
“Kompjutersko matematičko modeliranje” Ciljevi nastave u sekciji. Ovladavanje modeliranjem kao metodom razumijevanja okolne stvarnosti (naučnoistraživačka priroda sekcije) - pokazuje se da modeliranje u različitim oblastima znanja ima slične karakteristike, te je često moguće dobiti vrlo slične modele za različite procese; - demonstrira prednosti i nedostatke kompjuterskog eksperimenta u odnosu na eksperiment u punoj veličini; - pokazuje se da i apstraktni model i kompjuter pružaju mogućnost razumijevanja svijeta oko nas i upravljanja njime u interesu ljudi. Razvoj praktičnih vještina kompjuterskog modeliranja. Daje se opća metodologija za kompjutersko matematičko modeliranje. Na primjeru niza modela iz različitih oblasti nauke i prakse, praktično su implementirane sve faze modeliranja od formulacije problema do interpretacije rezultata dobijenih tokom kompjuterskog eksperimenta. Promovisanje karijernog vođenja za učenike. Identifikacija studentskih sklonosti istraživačkim aktivnostima, razvoj kreativnih potencijala, orijentacija na izbor zanimanja vezanog za naučnoistraživački rad. Prevazilaženje predmetne nejedinstva, integracija znanja. Predmet ispituje modele iz različitih oblasti nauke koristeći matematiku. Razvoj i profesionalizacija rada na računaru. Ovladavanje opštim i specijalizovanim softverom, sistemima za programiranje.
Prilikom idejnog projektovanja IS-a koristi se niz opisa specifikacija (zahtjeva, uslova, ograničenja, itd.), među kojima centralno mjesto zauzimaju modeli transformacije, skladištenja i prijenosa informacija. Modeli dobijeni tokom proučavanja predmetne oblasti menjaju se tokom procesa razvoja IS-a i postaju modeli projektovanog IS-a.
Postoje funkcionalni, informacioni, bihevioralni i strukturalni modeli. Funkcionalni model sistema opisuje skup funkcija koje sistem obavlja. Informacijski modeli odražavaju strukture podataka – njihov sastav i odnose. Bihevioralni modeli opisuju informacijske procese (dinamiku funkcioniranja), uključuju kategorije kao što su stanje sistema, događaj, prijelaz iz jednog stanja u drugo, uvjeti tranzicije i slijed događaja. Strukturni modeli karakterišu morfologiju sistema (njegovu konstrukciju) – sastav podsistema, njihove odnose.
Postoji više načina za konstruisanje i predstavljanje modela, različiti za različite tipove modela. Osnova je strukturna analiza - metoda proučavanja sistema koja počinje sa njegovim opštim pregledom, a zatim ide u detalje, formirajući hijerarhijsku strukturu sa sve većim brojem nivoa.
U ovom priručniku ćemo razmotriti metodologiju za konstruisanje strukturno-funkcionalnih i informacionih modela IS-a i na osnovu njih dizajnirati relacione baze podataka, ilustrujući ovaj proces konkretnim obrazovnim primerom sledećeg sadržaja.
U vezi sa diverzifikacijom aktivnosti, od rukovodstva Bezenchuk and Associates je primljen nalog za razvoj informacionog sistema u cilju poboljšanja efikasnosti upravljanja.
Preduzeće se bavi proizvodnjom i prodajom nameštaja. Postoji katalog standardnog namještaja koji proizvodi kompanija. Kupac može odabrati namještaj iz kataloga i/ili naručiti prema vlastitom opisu. Nakon narudžbe sastavlja se ugovor. Firma preuzima stari namještaj od kupaca novog namještaja, čija se cijena odbija od cijene narudžbe. Prihvaćeni stari namještaj se prodaje ili se može iznajmiti. Nakon određenog vremena, stari namještaj koji nije tražen se predaje u skladište drva. Održava se arhiva sa informacijama o izvršenim narudžbama. Klijenti koji su ranije sklopili ugovore sa kompanijom ostvaruju popust pri sklapanju novog ugovora. Preduzeće nabavlja materijale i komponente potrebne za proizvodnju namještaja od dobavljača.
Funkcionalno IC modeliranje
Postoji nekoliko različitih metoda i alata za razvoj strukturnih i funkcionalnih modela IS. Jedna od široko korišćenih metoda zasniva se na konstruisanju dijagrama toka podataka (DFD - Data Flow Diagrams)
Dijagram toka podataka
DFD je metoda strukturne analize koja koristi koncepte „toka podataka“ i „procesa“ da opiše sistem kao skup funkcionalnih komponenti (procesa) povezanih tokovima podataka. U skladu sa osnovnim principom strukturne analize, opis sistema se zasniva na sekvencijalnim detaljima njegovih funkcija, koje se prikazuju u obliku hijerarhijski organizovanog skupa grafičkih slika (dijagrama).
Glavni elementi dijagrama toka podataka su: eksterni entiteti; procesi; Uređaji za pohranu podataka; tokovi podataka. Svaki takav element ima standardnu grafičku sliku.
Eksterni entitet je objekt koji je izvor ili primatelj informacija, na primjer, kupci, osoblje, dobavljači, klijenti, skladište. Definisanje objekta ili sistema kao eksternog entiteta ukazuje na to da je izvan granica projektovanog IS-a.
Eksterni entiteti u gornjem primjeru će biti kupci namještaja, dobavljači materijala, skladište i neki drugi objekti domene. Primjeri njihovih grafičkih slika:
Funkcije projektovanog IS-a u DFD modelu moraju biti predstavljene u obliku procesa koji konvertuju ulazne tokove podataka u izlazne u skladu sa određenim algoritmima. Sami tokovi podataka su mehanizam koji modelira prijenos informacija od nekog izvora do primaoca (od jednog dijela sistema do drugog). Tok podataka na dijagramu je predstavljen linijom koja se završava strelicom koja pokazuje smjer toka. Svaki tok podataka mora imati ime koje odražava njegov sadržaj.
Na primjer, IS funkcija namijenjena generiranju narudžbe namještaja i sklapanju ugovora za njegovu proizvodnju može se na dijagramu prikazati procesom „naručivanje namještaja“. Ovaj proces, kao ulazni podatak, mora dobiti informacije o kupcu potrebne za sklapanje ugovora i podatke o namještaju koji naručuje (vrsta, opis, dimenzije i sl.). Grafički prikaz ovog procesa i odgovarajućih tokova podataka:
Pogon podataka (skladištenje) je apstraktni uređaj za pohranjivanje informacija koji se u svakom trenutku može staviti u pogon i preuzeti za dalju upotrebu. Informacije u pogonu mogu doći od vanjskih entiteta i procesa; oni također mogu biti potrošači informacija pohranjenih u pogonu. Grafički prikaz pogona:
Kontekst dijagram
Dijagram najvišeg nivoa hijerarhije, koji obuhvata glavne procese ili podsisteme IS-a i njihove veze sa eksternim entitetima (ulazi i izlazi sistema), naziva se kontekst dijagram. Tipično, pri projektovanju relativno jednostavnih IC-a, jedan kontekstni dijagram se gradi sa topologijom zvezde, u čijem središtu je glavni proces, povezan sa ponorima i izvorima informacija (korisnici i drugi eksterni sistemi). Iako se kontekstni dijagram može činiti trivijalnim, njegova nesumnjiva korisnost leži u činjenici da on uspostavlja granice sistema koji se analizira i definiše glavnu svrhu sistema. Ovo postavlja kontekst u kojem postoje dijagrami nižeg nivoa sa njihovim procesima, nitima i pogonima.
Kontekst dijagram za gore opisani primjer prikazan je na slici 4.
Treba napomenuti da je u obrazovne svrhe u nastavku razmatrana pojednostavljena verzija modela sistema u kojoj neće biti prikazani tokovi podataka i procesi koji se odnose na finansijsku stranu aktivnosti kompanije. Iako je, naravno, za svaku kompaniju od vitalnog značaja pravovremena, potpuna i pouzdana informacija o njenom finansijskom stanju. U ovom primeru, „finansijska komponenta“ je očigledno prisutna u interakciji kompanije sa svim eksternim entitetima predstavljenim u kontekstualnom dijagramu.
Eksterni entiteti predstavljeni u ovom dijagramu djeluju kao izvori informacija koje se pohranjuju i obrađuju u IS-u kompanije i kao potrošači ovih informacija. U ovom modelu identifikovana su dva entiteta „klijent“, koji su slike stvarnih klijenata kompanije: „kupac“ i „kupac“, budući da postoje značajne razlike u sadržaju informacija koje razmenjuju sa IS-om.
Za „klijent-kupac“, „kataloški“ tok podataka je opis tipičnog nameštaja koji proizvodi kompanija. Tok podataka "narudžbe" može uključivati informacije o naručivanju namještaja odabranog iz kataloga i/ili opis namještaja koji nije u katalogu od strane kupca i također moguće informacije o starom namještaju koji je kupac prodao kompaniji.
Za „klijent-kupac“, tok podataka „katalog starog nameštaja“ je informacija o dostupnom starom nameštaju dobijenom od kupaca. Tok “kupovine/iznajmljivanja starog namještaja” je informacija o starom namještaju koji je odabrao klijent, a koji želi kupiti ili iznajmiti.
Istovremeno, u praksi su moguće situacije kada su „klijent-kupac” i „klijent-kupac” ista osoba.
