|
173 «Параметр». Потом был зафиксирован интересующий тип шлифовального станка, тип шлифовального круга, скорость главного движения, материал. В результате была получена информация о распределении измеренных значений шероховатости (в микрометрах) для заданных параметров. Считается, что при скорости выполнения запроса более 5 секунд эффективность труда пользователя резко снижается [120]. В связи с этим было проведено исследование скорости выполнения наиболее часто употребляемой операции OLAP-анализа операции получения сечения гиперкуба. С этой целью были выполнены 400 таких операций над единственным гиперкубом, содержащимся в ХД. Результатом этих операций стало получение диаграмм, подобных диаграмме, изображенной на рис. 56, и отражающих зависимости между различным параметрами ТП. Распределение времени выполнения запросов к ХД показано на рис. 60. Время выполнения запроса (сек.) Рис. 60. Распределение времени выполнения операций сечения гиперкуба Из приведенных данных видно, что большинство запросов выполняются в установленный промежуток времени 5 секунд. Рассматривая полученное распределение, необходимо учитывать, что произведенные операции сечения гиперкуба выявляли зависимости между данными, которые попали в ХД из различных информационных подсистем КИС. Подобного быстродействие было бы невозможно достигнуть без предварительной интеграции данных в рамках |
степень отклонения диаметра изготавливаемых валов, при фиксированных значениях других измерений. Из полученной диаграммы инженер-технолог может сделать вывод, что при допуске 0.25 мм происходит резкое снижение отклонения значения рассматриваемого параметра от номинального. Это позволяет принять окончательное решение о величине припуска на чистовую обработку. Гистограмма, полученная в результате сечения гиперкуба ... < V y j r ? T « . T O ^ < V « 4 » ’ V H . W I U H M I I H f f i r ( w w i M M w t f w w i н Ф ш п т н ш ъ ь * * я т ж т р т \ й * н * м н *W W l l l » « Г Г Г М Ф Ш 1 3 5 7 9 11 13 IS 17 19 21 23 27 29 31 33 37 39 41 43 • < v > > < М Л v » •\ -»;> * . * • > < > < y v y > * У Ч У Л . < * « \ < У < Л • > * :> < > ( ^ 4 О * * * * * * * 1 > 4 * Ш -> % > * Ч Ч > л > » / > * д о ; д о < ч * Ш й й Ц Й Ш ^ Рис. 34 Если задать в гиперкубе значения всех измерений, кроме одного, то тогда можно получать гистограммы в качестве средства визуального представления информации. На рис. 34 показана гистограмма, полученная из куба с измерениями: «Материал», «Станок», «Инструмент», «Главное движение», «Параметр». Потом был зафиксирован интересующий тип шлифовального станка, тип шлифовального круга, скорость главного движения, материал. В результате была получена информация о распределении измеренных значений шероховатости (в микрометрах) для заданных параметров. На основе информации, полученной из гистограммы, можно сделать вывод о том, какие реальные значения шероховатости можно получить используя выбранный инструмент, материал, оборудование и режим резания. Важным условием успешного использования любого программного инструмента OLAP-анализа данных является высокая скорость выполнения запросов. Считается, что при скорости выполнения запроса более 5 секунд эффективность труда пользователя резко снижается [82]. В связи с этим было проведено исследование скорости выполнения наиболее часто употребляемой операции OLAP-анализа — операции получения сечения гиперкуба. С этой целью были выполнены 400 таких операций над единственным гиперкубом, содержащимся в ХД. Результатом этих операций стало получение диаграмм, подобных диаграмме, изображенной на рис. 33, и отражающих зависимости между различным параметрами ТП. Распределение времени выполнения запросов к ХД показано на рис. 35. Распределение времени выполнения операций сечения гиперкуба 126 ШО о о Q. Сasп О 00ьоф т цо 140 120 100 80 60 40 20 0 * 0 д о ю IPЩщж<& Щ щ Щ -1 ттт м т в I_I 0,10,61,11,62,12,63,13,64,14,65,15,66,16,60,5 1,0 1,5 2,0 2,5 3,0 3.5 4,0 4,5 5,0 5,5 6,0 6,5 7,0 Время выполнения запроса (сек.) Рис. 35 Из приведенных данных видно, что большинство запросов выполняются в установленный промежуток времени 5 секунд. Рассматривая полученное распределение, необходимо учитывать, что произведенные операции сечения гиперкуба выявляли зависимости между данными, которые попали в ХД из различных информационных подсистем КИС. Подобного быстродействие было бы невозможно достигнуть без предварительной интеграции данных в рамках ХД. Важным обстоятельством является и тот факт, что попытки получить зависимости, выявленные с помощью операции сечения гиперкуба, без использования средства OLAPанализа могли занимать от нескольких десятков минут до нескольких часов, поэтому привести сравнительное время выполнения тех же запросов без использования СППР, основанной на ХД, не представляется возможным. Поиск ассоциативных правил. Работа с модулем, реализующим поиск ассоциативных правил, начинается с окна, изображенного на рис. 36. В нем пользователь может создать новую ИНС для поиска или загрузить одну из существующих. Для каждой ИНС имеется возможность изменить заданные по умолчанию параметры, используемые для обучения ИНС. В нижней части рассматриваемого окна располагается общий список правил, найденных с помощью ранее обученных ИНС, каждая из которых представлена в окне на рис. 28 отдельной вкладкой. После того, как все необходимые параметры ИНС заданы, пользователь может запустить процесс обучения сети и поиска правил и перейти к решению других задач, поскольку процесс обучения проходит достаточно длительное время. По окончании процесса обучения, все найденные ассоциативные правила будут добавлены в список в нижней части окна и могут быть использованы инженером-технологом для принятия решений. Чтобы уменьшить количество найденных алгоритмом правил, пользователь также может задать ограничения на используемые для обучения транзакции в виде условия. Например, как показано на рис. 36, для |