118 Как было показано выше, поддержка принятия решений в ТПП предполагает решение традиционных задач ИАД. При этом анализу подвергаются данные, тем или иным образом описывающие выпускаемую продукцию ее собственные параметры, параметры технологического процесса по ее изготовлению, параметры используемого оборудования и т.д. Также представляет интерес рассмотрение перечисленных показателей на длительном временном промежутке с целью нахождения устойчивых скрытых закономерностей. ХД изначально рассматривались как источник исторических согласованных данных, представленных с максимальной степенью детализации. Это свойство позволяет использовать ХД в качестве универсального источника исходных данных для широкого спектра аналитических методов. Таким образом, расширение СППР модулями, реализующими дополнительную аналитическую обработку, становится менее дорогостоящим и трудоемким, поскольку отпадает необходимость в подготовке исходных данных. Применение ХД также является критическим условием по отношению к скорости проводимого анализа. В случае, если необходимые анализируемые данные находятся в различных оперативных информационных подсистемах, то их извлечение может потребовать достаточно длительного времени, что значительно понижает эффективность процесса поддержки принятия решений. Данные, помещенные в ХД, оптимизированы для быстрейшего доступа к ним, за счет организации индексов, ускоряющих доступ к данным для чтения [90]. Наконец, третьим важным преимуществом применения ХД в СППР является согласованность результатов анализа, полученных различными методами. Поскольку различные методу применяются к одному и тому же набору данных, появляется возможность сопоставления их результатов друг с другом [18]. В свою очередь, возможность взглянуть на один и тот же объект исследования (например, на последовательность операций и переходов какоголибо ТП или на какие-либо отдельные параметры ТП) с различных точек |
2.4. Оценка преимуществ, предоставляемых хранилищами данных в процессе принятия решения, с точки зрения выбранных критериев качества СППР Как было показано выше, поддержка принятия решений в ТПП предполагает решение традиционных задач ИАД. При этом анализу подвергаются данные, тем или иным образом описывающие выпускаемую продукцию — ее собственные параметры, параметры технологического процесса по ее изготовлению, параметры используемого оборудования и т.д. Также представляет интерес рассмотрение перечисленных показателей на длительном временном промежутке с целью нахождения устойчивых скрытых закономерностей. ХД изначально рассматривались как источник исторических согласованных данных, представленных с максимальной степенью детализации [71]. Это свойство позволяет использовать ХД в качестве универсального источника исходных данных для широкого спектра аналитических методов. Таким образом, расширение СППР модулями, реализующими дополнительную аналитическую обработку, становится менее дорогостоящим и трудоемким, поскольку отпадает необходимость в подготовке исходных данных. Применение ХД также является критическим условием по отношению к скорости проводимого анализа. В случае, если необходимые анализируемые данные находятся в различных оперативных информационных подсистемах, то их извлечение может потребовать достаточно длительного времени, что значительно понижает эффективность процесса поддержки принятия решений. Данные, помещенные в ХД, оптимизированы для быстрейшего доступа к ним, за счет организации индексов, ускоряющих доступ к данным для чтения [55]. 79 Наконец, третьим важным преимуществом применения ХД в СППР является согласованность результатов анализа, полученных различными методами. Поскольку различные методу применяются к одному и тому же набору данных, появляется возможность сопоставления их результатов друг с другом [62]. В свою очередь, возможность взглянуть на один и тот же объект исследования (например, на последовательность операций и переходов какого-либо ТП или на какие-либо отдельные параметры ТП) с различных точек зрения позволяет лучше понять его природу и исправить существующие недостатки. 2.5. Выводы по главе II 1. Построена математическая модель СППР, основанная на совместном использовании реляционного многомерного представления данных и современных методов интеллектуального анализа данных. 2. Разработан метод решения задачи поиска ассоциативных правил с применением математического аппарата искусственных нейронных сетей. |