Koncept modela je ključan u općoj teoriji sustava. Modeliranje kao moćna - a često i jedina - metoda istraživanja uključuje zamjenu stvarnog objekta drugim - materijalnim ili idealnim.
Najvažniji zahtjevi za svaki model su njegova primjerenost objektu koji se proučava unutar okvira konkretan zadatak i izvedivost raspoloživim sredstvima.
U teoriji učinkovitosti i informatici, model objekta (sustava, operacije) je materijalni ili idealni (mentalno zamisliv) sustav stvoren i/ili korišten u rješavanju određenog problema u svrhu dobivanja novih spoznaja o izvornom objektu, primjerenih to u smislu svojstava koja se proučavaju i više od originala u drugim aspektima.
Klasifikacija glavnih metoda modeliranja (i njihovih odgovarajućih modela) prikazana je na slici. 3.1.1.
Prilikom studija ekonomske informacijski sustavi(EIS) koriste se sve metode modeliranja, ali u ovom odjeljku glavna pozornost će biti posvećena semiotičkim (znakovnim) metodama.
Podsjetimo, semiotika (od grčkog semeion - znak, znak) je znanost o opća svojstva znakovni sustavi, tj. sustavi konkretnih ili apstraktnih objekata (znakova), uz svaki od kojih je povezano određeno značenje. Primjeri takvih sustava su bilo koji jezici

Riža. 3.1.1. Klasifikacija metoda modeliranja

(prirodni ili umjetni, npr. jezici za opis podataka ili modeliranje), alarmni sustavi u društvu i životinjskom svijetu itd.
Semiotika obuhvaća tri dijela: sintaktiku; semantika; pragmatika.
Sintaktika proučava sintaksu znakovnih sustava bez obzira na bilo kakva tumačenja i probleme povezane s percepcijom znakovnih sustava kao sredstava komunikacije i poruke.
Semantika proučava tumačenje iskaza znakovnog sustava i, sa stajališta modeliranja objekata, zauzima glavno mjesto u semiotici.
Pragmatika ispituje odnos korisnika znakovnog sustava prema samom znakovnom sustavu, posebice percepciju smislenih izraza znakovnog sustava.
Od brojnih semiotičkih modela, zbog svoje najveće rasprostranjenosti, osobito u uvjetima informatizacije moderno društvo i uvođenje formalnih metoda u sve sfere ljudskog djelovanja izdvajamo matematičke koje odražavaju stvarni sustavi pomoću matematički simboli. Istovremeno, uzimajući u obzir činjenicu da razmatramo metode modeliranja u odnosu na proučavanje sustava u različitim operacijama, koristit ćemo poznatu metodologiju analiza sustava, teorije učinkovitosti i odlučivanja.

Više o temi 3. TEHNOLOGIJA ZA MODELIRANJE INFORMACIJSKIH SUSTAVA Metode za modeliranje sustava:

1. Simulacijski modeli ekonomskih informacijskih sustava Metodološke osnove za primjenu metode simulacije
2. Odjeljak III OSNOVE MODELIRANJA SUSTAVA MARKETINGA USLUGA
3. POGLAVLJE 1. UPRAVLJANI DINAMIČKI SUSTAVI KAO OBJEKT RAČUNALNE SIMULACIJE
4. Osnove strukturnog modeliranja sustava marketinga medicinskih usluga
5. Odjeljak IV PRIMJER PRIMJENJENE UPOTREBE MODELA MARKETINŠKOG SUSTAVA U SIMULACIONOM MODELIRANJU
6. Koncept modeliranja financijske sfere marketinških sustava

MINISTARSTVO OBRAZOVANJA RUSKE FEDERACIJE DRŽAVNO TEHNIČKO SVEUČILIŠTE ULJANOVSK V.S. SHECLEIN MODELIRANJE INFORMACIJSKIH SUSTAVA Bilješke s predavanja za studente smjera 652100 “Aviotehnika” Uljanovsk 2002. 2 UDC 621.9.06-22 9(035) BBK Shch Review er: Odobreno od strane odjela metodički priručnici Znanstveno-metodološko vijeće Sveučilišta Shcheklein V.S. Š Modeliranje informacijskih sustava: bilješke s predavanja / V.S.SHCHEKLEIN. - Uljanovsk: Uljanovsko državno tehničko sveučilište, 2002. - str. Bilješke s predavanja izbor su materijala korištenog u školskoj 1999./2000 akademska godina prilikom izvođenja nastave iz discipline „Modeliranje informacijskih sustava“. Dizajniran za studente specijalizacija: 130107 " Programska obrada Konstrukcijski materijali" i 130111 "Upravljanje projektima zrakoplovne proizvodnje". Ovaj priručnik nije potpun, planira se uključiti novorazvijeni materijal čiji se odabir i dizajn provodi u skladu s odobrenim programom discipline. 3 SADRŽAJ UVOD ……………………………………………………………... 4 1. OSNOVNI POJMOVI TEORIJE MODELIRANJA ………... 4 2. BIT STATISTIČKOG Metoda ispitivanja i njegova implementacija pomoću računala …………… 7 3. Generalizirani algoritmi za statističko modeliranje ……………………………………………… 9 4. Modeliranje slučajnih varijabli s ODREĐENI ZAKON DISTRIBUCIJE. MODELIRANJE SLUČAJNIH DOGAĐAJA ……………………………………………………….. 5. PRISTUP SUSTAVA ZA MODELIRANJE …………………... 15 6. POSTAVLJANJE SLUČAJNIH VARIJABLI I SLUČAJNI DOGAĐAJI U EXCELU ………………………………………………………... 21 7. MODELIRANJE MARKOVIH LANACA ………………………. 23 8. MODELIRANJE SUSTAVA ČEKOVA ČEKOVA. 25 9. STRUKTURA INFORMACIJSKIH RAČUNALSKIH SUSTAVA ………………………………………………………………………………… 26 9.1. Pojam procesa……………………….………………………….. 28 9.2. Opterećenje ……………………………………………………… 29 10. POKAZATELJI UČINKOVITOSTI INFORMACIJSKIH SUSTAVA ……………………………………………………… … ……….. 30 11. OCJENA PERFORMANSI KOMPONENTI SUSTAVA ……………………………………………………………………………….…. 31 12. OCJENA PERFORMANSE SUSTAVA U CJELINI……. 32 13. UTJECAJ NAČINA OBRADE PODATAKA …………………….. 35 14. KARAKTERISTIKE POUZDANOSTI ……………………………… 36 15. KONSTRUKCIJA MATEMATIČKOG MODELA INFORMACIJSKOG SUSTAVA ……… …………… ……………. 40 BIBLIOGRAFSKI POPIS ……………………………………. 46 4 UVOD Korisnost matematičkog modeliranja za rješavanje praktičnih problema je nesumnjiva. Može se postaviti pitanje: zašto je potrebno ovladati modeliranjem informacijskih sustava (a sada se ti sustavi ne mogu zamisliti bez računalna tehnologija ) graditelji zrakoplova usmjereni na tehnologiju proizvodnje zrakoplova? Moderna tehnologija postaje sve više automatizirana. Suvremeni proizvođač zrakoplova, bilo da je dizajner ili tehnolog, u svom radu mora koristiti računala. Postoji opasnost od neadekvatne procjene mogućnosti računala pri rješavanju inženjerskih problema. To može dovesti ili do odbijanja automatizacije jednog ili drugog dijela tehnološkog procesa ili do neopravdanih troškova računalne opreme, čije su mogućnosti uvelike napuhane u usporedbi s potrebnim. Međutim, takozvani zdrav razum može dovesti do ozbiljnih pogrešaka u procjeni. Cilj discipline je opremiti mladog stručnjaka aparatom za procjenu informacijskih i računalnih sustava kako bi mogao kompetentno integrirati alate za automatizaciju u konture proizvodnje ili upravljanja. Osim toga, modeliranjem pojedinih sustava studenti stječu posredna iskustva u optimizaciji sustava te jačaju svoje vještine korištenja računala pri rješavanju stručnih problema. 1. OSNOVNI POJMOVI TEORIJE MODELIRANJA Modeliranje je zamjena jednog objekta drugim radi dobivanja informacija o najvažnijim svojstvima predmeta – originala pomoću objekta – modela. Model (franc. modele od lat. modulas - mjera, uzorak): 1) uzorak za masovnu proizvodnju proizvoda; marka proizvoda; 2) proizvod s kojeg se uklanja kalup (šablone, uzorci, pločice); 3) osoba ili predmet koji je umjetnik prikazao; 4) uređaj koji reproducira strukturu ili rad bilo kojeg drugog uređaja; 5) svaka slika predmeta, procesa ili pojave koja se koristi kao reprezent izvornika (slika, dijagram, crtež, karta); 6) matematički aparat koji opisuje predmet, proces ili pojavu; 7) uređaj za dobivanje otiska u kalupu za lijevanje. U nastavku, osim ako nije drugačije navedeno, model će se shvatiti kao matematički aparat. Sve modele karakterizira prisutnost neke strukture (statične ili dinamičke, materijalne ili idealne), koja je slična strukturi izvornog objekta. U procesu rada, model djeluje kao relativno neovisan kvazi-objekt, što omogućuje dobivanje nekih saznanja o samom objektu tijekom istraživanja. Ako su rezultati takvog proučavanja (modeliranja) potvrđeni i mogu poslužiti kao osnova za predviđanje u objektima koji se proučavaju, tada se kaže da je model adekvatan objektu. U tom slučaju primjerenost modela ovisi o svrsi modeliranja i prihvaćenim kriterijima. Proces modeliranja pretpostavlja prisutnost: - predmeta proučavanja; - istraživač s određenim zadatkom; - model stvoren za dobivanje informacija o objektu potrebnih za rješavanje problema. U odnosu na model, istraživač je eksperimentator. Valja imati na umu da svaki eksperiment može imati značajno značenje u određenom području znanosti i tehnologije samo uz posebnu obradu njegovih rezultata. Jedan od najvažnijih aspekata modeliranja sustava je problem svrhe. Svaki model se gradi ovisno o svrsi 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 cilj, već uvjet za ispravno funkcioniranje modela. Cilj bi trebao biti proučavanje bilo kojeg aspekta funkcioniranja objekta. Ako su ciljevi modeliranja jasni, javlja se sljedeći problem, problem izgradnje modela. Ova konstrukcija je moguća ako su informacije dostupne ili ako su postavljene hipoteze o strukturi, algoritmima i parametrima objekta koji se proučava. Treba istaknuti ulogu istraživača u procesu izgradnje modela; taj proces je kreativan, temeljen na znanju, iskustvu i heuristici. Formalne metode koje omogućuju dovoljno točan opis sustava ili procesa su nepotpune ili ih jednostavno nema. Stoga se odabir jedne ili druge analogije u potpunosti temelji na postojećem iskustvu istraživača, a pogreške istraživača mogu dovesti do pogrešnih rezultata modeliranja. Kada je model izgrađen, onda sljedeći problem može se smatrati problemom rada s njim, implementacija modela. Glavni zadaci ovdje su minimiziranje vremena za dobivanje konačnih rezultata i osiguravanje njihove pouzdanosti. Ono što je karakteristično za ispravno konstruiran model je da otkriva samo one uzorke koji su istraživaču potrebni, a ne uzima u obzir svojstva izvornog sustava koja u ovom trenutku nisu značajna. Klasifikacija tipova modeliranja sustava prikazana je na sl. 1.1. Matematičko modeliranje– ovo je konstrukcija i korištenje matematičkih modela za proučavanje ponašanja sustava (objekata) u različitim uvjetima, za dobivanje (izračunavanje) određenih karakteristika izvornika bez mjerenja ili s malim brojem istih. U okviru matematičkog modeliranja pojavila su se dva pristupa: - analitički; - oponašanje. 6 Modeliranje sustava Deterministički Stohastički Statički Dinamički Diskretni Diskretno-kontinuirano kontinuirano Sažetak Materijal Vizualno Simboličko Matematičko Prirodno Fizičko Analitično Kombinirano. Simulacija Sl. 1.1. Analitički pristup temelji se na konstrukciji formularnih ovisnosti koje povezuju parametre i elemente sustava. Dugo je vremena ovaj pristup bio pravi matematički pristup. Međutim, kada se razmatraju složeni sustavi, potrebne su stroge matematičke ovisnosti; veliki broj mjerenja kako bi se dobile potrebne vrijednosti parametara. Analiza karakteristika procesa funkcioniranja složenih sustava korištenjem samo analitičkih istraživačkih metoda nailazi na značajne poteškoće, što dovodi do potrebe za značajnim pojednostavljenjem modela bilo u fazi njihove izgradnje ili u procesu rada s modelom, što smanjuje pouzdanost modela. Rezultati. Simulacijski (statistički) pristup modeliranju temelji se na korištenju Chebyshevljevog graničnog teorema u vjerojatnosnom prikazu parametara sustava. Na temelju preliminarne studije simuliranog sustava vrlo jednostavno se određuju vrste i vrijednosti zakona raspodjele slučajne varijable parametri. U okviru simulacijskog pristupa koriste se analitičke ovisnosti između parametara elemenata sustava, no te su ovisnosti generaliziranije, pojednostavljene prirode. Oni su puno jednostavniji od ovisnosti unutar analitičkog pristupa. 7 Matematičko modeliranje sustava, uključujući informacijske sustave, usmjereno je na optimizaciju strukture sustava, odabir najoptimalnijih načina rada sustava, određivanje potrebnih karakteristika hardverske opreme i softver. Matematičko modeliranje tehnoloških procesa, uključujući informacijske, ima glavne ciljeve pronalaženje optimalnih ili prihvatljivih karakteristika samog objekta, pronalaženje optimalnih načina obrade, osposobljavanje osoblja i osiguranje određenih upravljačkih funkcija. U svakom slučaju, modeliranje mora zadovoljiti sljedeće zahtjeve: - modeli moraju biti primjereni relevantnim sustavima ili tehnološkim zadacima; - mora se osigurati potrebna točnost; - pogodnost korisnika - stručnjaka za tehnologiju ili obradu informacija (kontrolu) treba osigurati: - jasno sučelje za upravljanje modeliranjem; - dovoljna brzina rada; - jasnoća rezultata; - prihvatljiv trošak razvoja i korištenja alata za modeliranje. 2. BIT STATISTIČKE METODE ISPITIVANJA I NJENA IMPLEMENTACIJA POMOĆU RAČUNALA Metoda statističkog modeliranja sastoji se u reprodukciji procesa koji se proučava korištenjem probabilističkog matematičkog modela i izračunavanju karakteristika tog procesa. Metoda se temelji na ponovljenom testiranju konstruiranog modela s naknadnom statističkom obradom dobivenih podataka kako bi se odredile karakteristike procesa koji se razmatra u obliku statističkih procjena njegovih parametara. Razmotrimo jednadžbu: y = f (x, t, ξ), (2.1) gdje je y parametar sustava 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, tada ne postoji način da se riješi ovaj problem. univerzalne metode rješenja i prilično razvijene redovne metode pretraživanja optimalna rješenja može se primijeniti samo davanjem prednosti izgledu korištenja matematike; pojednostavljenja će dovesti do ozbiljnog gubitka točnosti. Matematički model postat će neadekvatni za sustav koji se proučava, a modeliranje će biti samo oblik zablude. Međutim, ako je moguće konstruirati funkciju y = ϕ (ξ) i generator slučajnih brojeva ξ 1, ξ 2, ..., ξ N s danim 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 transformacije informacija odn tehnološki proces obrada dijela, tada će ϕ (ξ) biti statistički model. Neki principi i tehnike za konstruiranje statističkih modela bit će raspravljeni kasnije. Bitno je da kod konstruiranja funkcije y = ϕ (ξ) i senzora slučajni brojeviξ 1, ξ 2, ..., ξ N na papiru u velikoj većini slučajeva prilično ih je lako implementirati na računalu u okviru odgovarajućeg softvera. U tom će slučaju rezultati sadržavati pogrešku, ali ta je pogreška manja od pogrešaka zbog pretpostavki u analitičkom modelu. Osim toga, pogreška zbog uporabe statistički model može se kvantificirati. Ova se tehnika također proširuje na složenije slučajeve, kada jednadžba (2.1) ne sadrži samo slučajne parametre, već i slučajne funkcije. Nakon primitka N implementacija na računalu, slijedi faza obrade statistike koja omogućuje izračunavanje, uz matematičko očekivanje (2.2), ostalih parametara ϕ (ξ), na primjer, varijance D = 1 N * ∑ x.i − 1 N 2* (∑ x.i) . U statističkoj metodi ispitivanja, za dobivanje dovoljno pouzdanih rezultata, potrebno je osigurati veliki broj implementacije N, osim toga, uz promjenu barem jednog početnog parametra problema, potrebno je ponovno izvesti niz od N testova. Neopravdano za složene modele velika vrijednost N može biti faktor koji odgađa ishod. Stoga je važno ispravno procijeniti potreban broj rezultata. Interval pouzdanostiε, vjerojatnost pouzdanosti α, varijanca D i broj realizacija N povezani su relacijom ε = D NF −1 (α), gdje je F −1 (α) funkcija, inverzna funkcija Laplace. U praksi možete koristiti relaciju N ≤ D ε 2 * 6,76 za α ≥ 0,99, uzimajući, radi pouzdanosti, najveća vrijednost N iz relacije (). Procjena varijance D može se dobiti unaprijed korištenjem istog statističkog modela 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-

“Računalno matematičko modeliranje” Ciljevi učenja odjeljka. Ovladavanje modeliranjem kao metodom razumijevanja okolne stvarnosti (znanstveno-istraživački karakter dijela) - pokazuje se da modeliranje u različitim područjima znanja ima slične značajke, a često je moguće dobiti vrlo slične modele za različite procese; - demonstrira prednosti i nedostatke računalnog eksperimenta u usporedbi s eksperimentom u punoj veličini; - pokazuje se da i apstraktni model i računalo pružaju mogućnost razumijevanja svijeta oko nas i upravljanja njime u interesu ljudi. Razvoj praktičnih vještina računalnog modeliranja. Dana je opća metodologija računalnog matematičkog modeliranja. Na primjeru niza modela iz različitih područja znanosti i prakse praktično se provode sve faze modeliranja od postavljanja problema do interpretacije rezultata dobivenih tijekom računalnog eksperimenta. Promicanje profesionalnog usmjeravanja učenika. Utvrđivanje sklonosti učenika prema istraživačkim aktivnostima, razvoj kreativnog potencijala, orijentacija prema odabiru zanimanja vezanog uz znanstveno istraživanje. Prevladavanje predmetne razjedinjenosti, integracija znanja. Predmet ispituje modele iz različitih područja znanosti pomoću matematike. Razvoj i profesionalizacija računalnih vještina. Ovladavanje općim i specijaliziranim softverom, programskim sustavima.

Pri konceptualnom oblikovanju IS-a koristi se niz opisa specifikacija (zahtjeva, uvjeta, ograničenja itd.) među kojima središnje mjesto zauzimaju modeli transformacije, pohrane i prijenosa informacija. Modeli dobiveni tijekom proučavanja predmetnog područja mijenjaju se tijekom procesa razvoja IS-a i postaju modeli projektiranog IS-a.

Postoje funkcionalni, informacijski, bihevioralni i strukturni modeli. Funkcionalni model sustava opisuje skup funkcija koje sustav obavlja. Informacijski modeli odražavaju strukture podataka - njihov sastav i odnose. Modeli ponašanja opisuju informacijske procese (dinamiku funkcioniranja), uključuju kategorije kao što su stanje sustava, događaj, prijelaz iz jednog stanja u drugo, uvjeti prijelaza i slijed događaja. Strukturni modeli karakteriziraju morfologiju sustava (njegovu konstrukciju) - sastav podsustava, njihove odnose.

Postoji više načina za konstruiranje i predstavljanje modela, koji se razlikuju za različite vrste modela. Osnova je strukturna analiza - metoda proučavanja sustava koja počinje njegovim općim pregledom, a potom ide u detalje, tvoreći hijerarhijsku strukturu sa sve većim brojem razina.

U ovom priručniku razmotrit ćemo metodologiju konstruiranja strukturno-funkcionalnih i informacijskih modela IS-a te projektiranja relacijske baze podataka temeljene na njima, ilustrirajući taj proces konkretnim edukativnim primjerom sljedećeg sadržaja.

U vezi s diverzifikacijom aktivnosti, od uprave Bezenchuk i suradnika primljen je nalog za razvoj informacijskog sustava kako bi se poboljšala učinkovitost upravljanja.

Tvrtka se bavi proizvodnjom i prodajom namještaja. Postoji katalog standardnog namještaja koji proizvodi tvrtka. Kupac može odabrati namještaj iz kataloga i/ili izvršiti narudžbu prema vlastitom opisu. Nakon narudžbe sastavlja se ugovor. Tvrtka prima stari namještaj od kupaca novog namještaja, čija se cijena odbija od cijene narudžbe. Primljeni stari namještaj stavlja se na prodaju ili se može iznajmiti. Nepreuzet stari namještaj nakon određenog vremena predaje se u skladište drva. Održava se arhiva s podacima o izvršenim narudžbama. Klijenti koji su prethodno sklopili ugovore s tvrtkom ostvaruju popust pri sklapanju novog ugovora. Materijale i komponente potrebne za izradu namještaja tvrtka nabavlja od dobavljača.

Funkcionalno IC modeliranje

Postoji nekoliko različitih metoda i alata za razvoj strukturnih i funkcionalnih modela IS-a. Jedna od široko korištenih metoda temelji se na konstruiranju dijagrama toka podataka (DFD - Data Flow Diagrams)

Dijagram toka podataka

DFD je metoda strukturne analize koja koristi koncepte "toka podataka" i "procesa" za opisivanje sustava kao skupa funkcionalnih komponenti (procesa) povezanih tokovima podataka. U skladu s osnovnim principom strukturne analize, opis sustava temelji se na sekvencijalnom detaljiziranju njegovih funkcija, koje se prikazuju u obliku hijerarhijski organiziranog skupa grafičkih slika (dijagrama).

Glavni elementi dijagrama protoka podataka su: vanjski entiteti; procesi; uređaji za pohranu podataka; tokovi podataka. Svaki takav element ima standardnu ​​grafičku sliku.

Vanjski entitet je objekt koji je izvor ili primatelj informacija, na primjer kupci, osoblje, dobavljači, klijenti, skladište. Definiranje objekta ili sustava kao vanjske cjeline ukazuje na to da se on nalazi izvan granica projektiranog IS-a.

Vanjski entiteti u gornjem primjeru bit će kupci namještaja, dobavljači materijala, skladište i neki drugi objekti domene. Primjeri njihovih grafičkih slika:

Funkcije projektiranog IS-a u DFD modelu moraju se prikazati u obliku procesa koji pretvaraju ulazne tokove podataka u izlazne prema određenim algoritmima. Sami tokovi podataka su mehanizam koji modelira prijenos informacija od nekog izvora do primatelja (od jednog dijela sustava do drugog). Tijek podataka u dijagramu predstavljen je linijom koja završava strelicom koja pokazuje smjer toka. Svaki tok podataka mora imati naziv koji odražava njegov sadržaj.

Na primjer, funkcija IS namijenjena generiranju narudžbe namještaja i sklapanju ugovora za njegovu izradu može se u dijagramu prikazati procesom „narudžbe namještaja“. Ovaj proces kao ulazni podatak mora dobiti podatke o kupcu potrebne za sklapanje ugovora te podatke o namještaju koji naručuje (vrsta, opis, dimenzije i sl.). Grafički prikaz ovog procesa i odgovarajućih tokova podataka:

Podatkovni pogon (skladište) je apstraktni uređaj za pohranu informacija koji se u bilo kojem trenutku može staviti u pogon i dohvatiti za daljnju upotrebu. Informacije u pogonu mogu dolaziti od vanjskih entiteta i procesa; oni također mogu biti potrošači informacija pohranjenih u pogonu. Grafički prikaz pogona:

Kontekstni dijagram

Dijagram najviše razine hijerarhije, koji obuhvaća glavne procese ili podsustave IS-a i njihove veze s vanjskim entitetima (ulazima i izlazima sustava), naziva se kontekstni dijagram. Obično se pri projektiranju relativno jednostavnih IC-ova gradi jedan kontekstni dijagram s topologijom zvijezde, u čijem je središtu glavni proces, povezan s odvodnicima i izvorima informacija (korisnicima i drugim vanjskim sustavima). Iako se kontekstni dijagram može činiti trivijalnim, njegova nedvojbena korisnost leži u činjenici da uspostavlja granice sustava koji se analizira i definira glavnu svrhu sustava. Ovo postavlja kontekst u kojem postoje dijagrami niže razine sa svojim procesima, nitima i pogonima.

Kontekstni dijagram za gore opisani primjer prikazan je na slici 4.

Valja napomenuti da se u obrazovne svrhe u nastavku razmatra pojednostavljena verzija modela sustava u kojoj neće biti prikazani tokovi podataka i procesi vezani uz financijsku stranu aktivnosti tvrtke. Iako je, naravno, za svaku tvrtku od vitalnog značaja pravovremena, potpuna i pouzdana informacija o njenom financijskom stanju. U ovom primjeru, "financijska komponenta" je očito prisutna u interakciji tvrtke sa svim vanjskim entitetima prikazanim u kontekstualnom dijagramu.

Vanjski entiteti prikazani u ovom dijagramu djeluju kao izvori informacija koje se pohranjuju i obrađuju u IS-u poduzeća te kao potrošači tih informacija. U ovom modelu identificirana su dva entiteta “klijent” koji su slike pravih klijenata tvrtke: “kupac” i “kupac”, budući da postoje značajne razlike u sadržaju informacija koje razmjenjuju s IS-om.

Za "klijenta-kupca" tok podataka "katalog" je opis tipičnog namještaja koji proizvodi tvrtka. Tok podataka "narudžbe" može uključivati ​​informacije o naručivanju namještaja odabranog iz kataloga i/ili opis kupca namještaja koji nije u katalogu i također moguće informacije o starom namještaju koji je kupac prodao tvrtki.

Za “klijenta-kupca” tijek podataka “katalog starog namještaja” je informacija o raspoloživom starom namještaju primljena od kupaca. Tijek „kupnja/najam starog namještaja“ je informacija o starom namještaju po izboru klijenta, koji želi kupiti ili iznajmiti.

Istodobno, u praksi su moguće situacije kada su „klijent-kupac” i „klijent-kupac” ista osoba.