|
144 Автоматическую кластеризацию целесообразно применять к серверным базам данных, содержащим большой объем записей, ручная обработка которых затруднительна. Полученная информация может быть использована при выработке маркетинговой политики торговой фирмы или оценке платёжеспособности оптовых покупателей [40]. 3.6. Выводы по главе 3. 1. Построена математическая модель системы поддержки принятия решений (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. 3. Определены основные задачи ТП11, при решении которых применимы СППР, основанные на использовании ХД. 4. Установлены критерии для выбора методов моделирования и средств реализации ХД. 5. Разработана методика интеграции СППР в существующую КИС предприятия, определены основные проблемы, которые необходимо решить для успешного взаимодействия СППР с внешними источниками данных с одной стороны, и с пользователем с другой стороны. |
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. системы и другие источники расходов. При этом рассчитанную стоимость необходимо соотносить с возможностями, предоставляемыми выбранной системой. Критерием выбора в данном случае должно служить соотношение «стоимость/возможности», которое и должно служить главным критерием оценки приемлемости затрат на использование той или иной СУБД. Сложность администрирования. Сложность администрирования не является решающим фактором при выборе СУБД. Однако, при выборе необходимо учитывать наличие удобных инструментов администрирования и возможность настройки как можно большего числа параметров. Это необходимо для гибкого управления работой системы. Наличие документации и технической поддержки. Этот фактор вместе с предыдущим становятся актуальными, если предпочтение отдается СУБД, ранее не использовавшейся в КИС предприятия. В этом случае для освоения и поддержки новой системы необходимо наличие качественной документации и технической поддержки со стороны изготовителя СУБД. 3.6. Выводы по главе 111 1. Определены основные задачи ТПП, при решении которых применимы СППР, основанные на использовании ХД. щ 2. Установлены критерии для выбора методов моделирования и средств реализации ХД. 3. Разработана методика интеграции СППР в существующую КИС предприятия, определены основные проблемы, которые необходимо решить для успешного взаимодействия СППР с внешними источниками данных с одной стороны, и с пользователем с другой стороны. 106 Основные выводы по диссертационной работе 1. Решена актуальная научная задача, имеющая существенное значение для машиностроительного производства и заключающаяся в повышении качества решений, принимаемых инженером-технологом, путем применения современных методов интеллектуального анализа данных, агрегированных в хранилища данных. 2. Определены методологические, математические и информационные средства, служащие основой решения актуальных проблем СППР в технологической подготовке машиностроительного производства. 3. Разработана математическая модель СППР, основанная на совместном использовании реляционного многомерного представления данных и современных методов интеллектуального анализа данных, что позволило решить задачу поиска ассоциативных правил с применением математического аппарата искусственных нейронных сетей. 4. Определен перечень задач технологической подготовки машиностроительного производства, которые могут быть решены с использованием СППР на основе хранилищ данных. 5. Разработана и практически реализована методика интеграции СППР в корпоративную информационную систему машиностроительного производства. |