Емпіричне дослідження програмного забезпечення
Призначення, опис, характеристики властивостей ПЗ, метрик. Первинний статистичний, кореляційний та регресійний аналіз. Методи емпіричної інженерії програмного забезпечення та алгоритми збору даних. Побудова залежності між метриками та експертною оцінкою.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | курсовая работа |
| Язык | украинский |
| Дата добавления | 06.02.2013 |
| Размер файла | 3,5 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Міністерство освіти і науки, молоді та спорту України
Національний авіаційний університет
Кафедра інженерії програмного забезпечення
Курсова робота
з дисципліни: «Емпіричні методи програмної інженерії»
Емпіричне дослідження програмного забезпечення
Виконав:
Березовський Б.В.
Група 306
Факультет ФКН
Спеціальність 6.050103
Перевірив:
Гученко І.В.
Зміст
емпіричний програмний забезпечення алгоритм інженерія
1. Завдання
2. Вимоги до курсової роботи
3. Призначення, опис, характеристики властивостей ПЗ, метрик
4. Описання алгоритмів та засобів, які будуть використовуватися
5. Первинний статистичний аналіз
6. Висновки по першому етапі
7. Кореляційний аналіз
8. Висновки по другому етапі
9. Регресійний аналіз
10. Висновки по третьому етапі
11. Загальні висновки
Список використаної літератури
1. Завдання
Метою курсової роботи є практичне засвоєння методів емпіричної інженерії програмного забезпечення та алгоритмів збору й аналізу даних.
Завдання включає вимірювання програмного забезпечення, аналіз і вибір прямих та непрямих метрик для дослідження та визначення залежностей між прямими та непрямими метриками.
Завдання
Побудувати залежності між метриками ПЗ та експертною оцінкою властивості ПЗ. Метрики та властивості використати згідно індивідуального варіанту.
Побудова залежності між метриками та експертною оцінкою включає побудову залежностей між прямими метриками та експертною оцінкою, непрямими метриками та експертною оцінкою.
Значення експертних оцінок отримати з лабораторної роботи № 5, значення метрик (прямих та непрямих) отримати з лабораторної роботи № 6. Метрики та експертні оцінки повинні бути отримані для одних і тих самих проектів. Для достовірності отриманих даних по кожній метриці повинно бути отримано не менше 2000 значень (з лабораторної роботи № 6), експертних оцінок - не менше 15-и. Залежності будувати між 5-ма прямими метриками та експертною оцінкою, 5-ма непрямими метриками та експертною оцінкою (використати метрики з лабораторної роботи № 6).
Отримані результати по залежностях між метриками та експертними оцінками порівняти із результатами побудови залежностей між прямими та непрямими метриками в лабораторних роботах № 4 та 5. Визначити чи мають спільні тенденції залежності між тими прямими метриками та експертними оцінками, непрямими метриками та експертними оцінками, які мають залежності між собою (прямі-непрямі метрики). Пояснити чому.
Варіант індивідуального завдання
|
Варіант |
Властивості |
Прямі метрики |
Непрямі метрики |
|
|
2 |
Повнота, Зрозумілість повідомлень про помилки |
LOC, NOM, NOP, HDD, HIT |
CC, CDISP, CINT |
2. Вимоги до курсової роботи
1. Об'єм - не менше 20 стор.
2. КР повинна містити:
1. титульну сторінку;
2. зміст;
3. завдання;
4. призначення, описання й характеристики властивості ПЗ та метрик, які будуть досліджуватися;
5. описання алгоритму та засобів, які будуть використовуватися;
6. первинний статистичний аналіз із гістограмами метрик, експертної оцінки властивості ПЗ та основними статистичними характеристиками, та перевірками;
7. Висновки по першому етапу (що значать отримані результати);
8. кореляційний аналіз з кореляційними полями та розрахованими коефіцієнтами кореляції, та перевірками;
9. Висновки по другому етапу (що значать отримані результати);
10. регресійний аналіз з побудованими лініями регресій, визначеними функціями регресій, коефіцієнтами у функціях та перевірками;
11. Висновки по третьому етапу (що значать отримані результати);
12. Загальні висновки (між якими метриками є залежності; які залежності; де сильніші залежності; чому; які практичні результати носить виконана робота; де їх можна застосувати);
13. література.
14. Листи формату А4, 12 шрифт, TimesNewRoman.
3. Призначення, опис, характеристики властивостей ПЗ, метрик
При виконанні курсової роботи було проведено глибоку оцінку всіх властивостей програмного забезпечення таких, як зрозумілість, повнота, стислість, портованість, погоджуваність, супроводжуваність, тестованість, юзабіліті, надійність, структурованість, ефективність, безпека, зрозумілість інтерфейсу, легкість виконання операції , зрозумілість повідомлень про помилки, очікуваність функціональності та документованість, але при у відповідності завданню курсової роботи, наведено властивості зрозумілості повідомлень про помилки та повноти.
Опис значень характеристик
Повнота - всі необхідні частини програми повинні бути представлені і повністю реалізовані.
Ефективність - Чи видає програма зрозумілі повідомлення про помилки?
Шкала оцінок параметру «Повнота»
|
0-3 |
Представлені не всі частини програми. Реалізація не функціонує. |
|
|
4-6 |
Основні компоненти існують та деякі з них функціонують. |
|
|
7-8 |
Представлені майже всі компоненти програми. Реалізація також всіх присутня в повному обсязі |
|
|
9-10 |
Представлені всі компоненти. Функціонує реалізація всіх компонентів. |
Шкала оцінок параметру «Зрозумілість повідомлень про помилки»
|
0-3 |
Програма не видає повідомлення про помилки. |
|
|
4-6 |
Програма видає повідомлення про помилки, але вони є незрозумілими. |
|
|
7-8 |
Програма видає повідомлення про помилки, але вони бувають не чіткі. |
|
|
9-10 |
Програма видає чіткі та зрозумілі повідомлення про помилки. |
Таблиця 1. Експертні оцінки по проектах
|
Назва проекту |
Зрозумілість повідомлень про помилки |
Повнота |
|
|
amnesia |
7 |
9 |
|
|
analyzer |
5 |
10 |
|
|
cdk |
10 |
10 |
|
|
Chekers |
4 |
10 |
|
|
ConstructionProject6 |
9 |
10 |
|
|
datacrow |
10 |
10 |
|
|
freecol |
9 |
10 |
|
|
hodoku |
9 |
9 |
|
|
jackson |
6 |
8 |
|
|
jdec |
10 |
5 |
|
|
jfreechart |
10 |
10 |
|
|
jgraphx |
7 |
10 |
|
|
jpcsp |
9 |
10 |
|
|
jplayer |
9 |
9 |
|
|
jsmooth |
9 |
10 |
|
|
Lab_Work_Arch_7_app |
8 |
9 |
|
|
mp3dings |
5 |
10 |
|
|
MST |
7 |
10 |
|
|
sc1.2interface2 |
4 |
7 |
|
|
Star World |
4 |
7 |
|
|
xtrememp |
8 |
9 |
Використані метрики програмного коду
При вимірюванні програмного коду використовувались наступні метрики.
Таблиця 2. Відстежені метрики
|
Прямі метрики |
Непрямі метрики |
|
|
LOC, NOM, NOP, HDD, HIT |
CC, CDISP, CINT |
Опис використаних метрик
Таблиця 3. Описа прямих метрик
|
Назва метрика |
Опис метрики |
|
|
LOC |
Показник кількості рядків коду |
|
|
NOM |
Показник кількості числа методів |
|
|
NOP |
Показник кількості числа пакетів |
|
|
HDD |
Показник кількості прямих нащадків |
|
|
HIT |
Глибина дерева успадкування |
Таблиця 4. Опис непрямих метрик
|
Назва метрика |
Опис метрика |
|
|
CC |
Число класів, в яких визначаються методи, викликанні виміряними методами |
|
|
CDISP |
Число класів, в яких операції викликанні вимірюваними операціями від , поділено на CINT |
|
|
CINT |
Число роздільних операцій викликаних виміряними операціями |
4. Описання алгоритмів та засобів, які будуть використовуватися
При виконанні даної курсової роботи були використані наступні програмні засоби:
- iPlasma - дає можливість отримати значення 80-х об'єктно-орієнтованих метрик. Функціонально повний засіб для вимірювання, який вимірює метрики, які відносяться як до окремих класів, методів та пакетів, так і для проекту в цілому. Крім того, метрики виводяться не тільки в числовому вигляді, а й у графічному - у вигляді гістограми.
- Statistica - пакет для всебічного статистичного аналізу, розроблений компанією StatSoft. У пакеті STATISTICA реалізовані процедури для аналізу даних (data analysis), управління даними (data management), видобутку даних (data mining), візуалізації даних (data visualization).
Первинний статистичний аналіз метрик та експертних оцінок
Метою первинного статистичного аналізу являється визначення закону розподілу випадкової величини, точніше визначення відповіді на питання „Чи є даний закон розподілу випадкової величини нормальним?”. На етапі первинного статистичного аналізу відбувається дослідження вхідних статистичних даних. Спочатку аналізуються метрики, отримані в результаті вимірювання набору програм, далі експертні оцінки, що зробили експерти для цього ж набору програм. В ході дослідження спочатку виявляється графічний вигляд (гістограма) закону розподілу. Після побудови гістограми за її виглядом можна відсіяти частину метрик, які мають багатомодальний вигляд, так як статистичний аналіз залежностей побудований на дослідженні унімодальних законів розподілу.
Кореляційний аналіз пар „метрика - експертна оцінка”
На етапі кореляційного аналізу визначається, чи існує залежність між певними метриками та експертними оцінками, чи її немає. Якщо залежність існує, то проводиться первинна обробка даних для визначення довірчої ймовірності та виду залежності. В іншому випадку робиться висновок про відсутність залежності.
Регресійний аналіз залежних величин
Регресійний аналіз - останній етап в дослідженні на залежність метрик та експертних оцінок. Він проводиться тільки при виконанні умови, що дисперсія залежної змінної (експертної оцінки) повинна залишатися постійною при зміні значення аргументу (метрики), тобто, спочатку визначається дисперсія експертної оцінки для кожного прийнятого значення метрики. Далі проводиться ідентифікація регресії. Вона передбачає як графічну побудову, так і аналітичні дослідження. Графічна побудова розпочинається з визначення кореляційного поля. Якщо кореляційне поле має форму еліпса, робиться висновок про лінійний регресійний зв'язок. Далі проводиться побудова лінійної регресії і її оцінка. Якщо побудовані точки кореляційного поля потрапляють у коло, то робиться висновок про відсутність залежності. Якщо ж кореляційне поле не вписується у коло чи еліпс, а має інший вигляд, то робиться висновок про нелінійну залежність в лінії регресії. Далі будуються і аналізуються найймовірніші наближені лінії регресії. Серед них вибирається найточніша шляхом обчислення відхилення значень залежної змінної. Висновок про найточніше припущення робиться для функції, у якої відхилення найменше. Далі для нелінійної залежності проводиться лінеаризація коефіцієнтів, тобто зведення функції до лінійного вигляду.
5. Первинний статистичний аналіз
Гістограми метрик
Основні статистичні оцінки для кожної метрики
6. Висновки по першому етапі
При проведені первинного статистичного аналізу було обчислено статичні характеристики такі, як математичне сподівання, середнє квадратичне відхилення, коефіцієнт ексцесу та асиметрії, довірчі інтервали та визначено закони розподілу.
Основними критеріями, за якими визначають належність даного закону розподілу до нормального є коефіцієнти асиметрії та ексцесу. Для нормального розподілу коефіцієнти ексцесу та асиметрії приймають значення 0. Тобто для висновку про „нормальність” розподілу потрібно, щоб всі числові характеристики потрапили в довірчі інтервали і коефіцієнти ексцесу та асиметрії наближалися до 0.
У відповідності до отриманих даних можна зробити наступні висновки:
Метрики з ненормальним розподілом:
- NOM
- LOC
- NOP
- HIT
- CDISP
- CC
- CINT
- FDP
- HDD
- Зрозумілість повідомлень про помилки
- Повнота
Ці дані будуть в подальшому використовуватись для кореляційного та регресійного аналізу.
7. Кореляційний аналіз
Кореляція (або коефіцієнт кореляції) є мірою залежності двох випадкових величин. При цьому, зміна однієї або кількох цих величин призводить до систематичної зміни іншої або інших величин. Математичною мірою кореляції двох випадкових величин слугує коефіцієнт кореляції. Кореляція може бути позитивною та негативною (можлива також ситуація відсутності статистичного зв'язку - наприклад, для незалежних випадкових величин). Від'ємна кореляція - кореляція, при якій збільшення однієї змінної пов'язане зі зменшенням іншої, при цьому коефіцієнт кореляції від'ємний. Додатна кореляція - кореляція, при якій збільшення однієї змінної пов'язане зі збільшенням іншої, при цьому коефіцієнт кореляції додатній.
Кореляційний аналіз - метод обробки статистичних даних, що полягає у вивченні коефіцієнту кореляції між змінними. При цьому порівнюються коефіцієнти між однією парою або множиною пар ознак для встановлення між ними статистичної взаємодії.
Мета кореляційного аналізу - забезпечити отримання деякої інформації про одну змінну за допомогою іншої змінної. В випадках, коли можливе досягнення мети, говорять, що змінні корелюють. В самому загальному вигляді сприйняття гіпотези про наявність кореляції означає, що зміна значення змінної А відбудеться одночасно з пропорційною зміною значення В.
Кореляція відображає лише лінійну залежність величин, але не відображає їх функціональної зв'язаності.
8. Висновки по другому етапі
При проведенні кореляційного аналізу було за допомогою пакету Statistica обчислено коефіцієнти для пар метрика-експертна оцінка.
На основі отриманих даних, які подані в таблиці 4, можна зробити наступні висновки:
- значення коефіцієнтів кореляції для пар «метрика-експертна оцінка», що зображені червоним кольором вказують на залежність між метриками та експертною оцінкою;
- значення коефіцієнтів кореляції для пар «метрика-експертна оцінка», що зображені чорним кольором не залежні між собою (мала залежність);
- коефіцієнти кореляції не є дуже великим, що дає змогу сказати, що залежність між метриками та експертними оцінками, які досліджуються в даній курсовій роботі, не є значною.
Дані, що були отримані при проведені кореляційного аналізу, будуть використані з метою проведення регресійного аналізу.
Перелік пар метрик із значимими тісними залежностями: LOC-NOM; LOC-NOP; NOM-NOP; LOC-Зрозумілість.
9. Регресійний аналіз
Регресія - форма зв'язку між випадковими величинами. Закон зміни математичного очікування однієї випадкової величини залежно від значень іншої. Розрізняють прямолінійну, криволінійну, ортогональну, параболічну та ін. Р., а також лінію і площину регресії.
Пари метрик, у яких був зроблений висновок про незначущість результатів відкинути. Для решти - побудувати регресію.
LOC-NOM:
LOC-NOP
NOP-NOM
10. Висновки по третьому етапі
Для проведення регресійного аналізу був використаний пакет Statistica. За його допомогою було автоматично побудовано лінії регресії для пар метрика-експертна оцінка, визначено функції регресії, обчислено відхилення і знайдено найбільш пов'язані пари.
На основі отриманих даних можна зробити наступні висновки:
- у пари метрик LOC-NOM присутня лінійна регресія;
- у пари метрик LOC-NOP присутня скоріш за все лінійна регресія;
- у пари метрик NOM-NOP присутня експоненціальна регресія;
- з побудованих графіків можна зробити висновок, що переважна більшість пар «метрика-експертна» дуже слабо пов'язані.
Загальні висновки
В даній курсовій роботі було засвоєно методи емпіричної інженерії програмного забезпечення та алгоритмів збору й аналізу даних, проведено вимірювання програмного забезпечення, аналіз і вибір прямих та непрямих метрик для дослідження та визначення залежностей між прямими та непрямими метриками, описано призначення, характеристики та властивості програмного забезпечення та метрик, які досліджувалися. Описано алгоритми та засоби дослідження.
Проведено первинний статистичний аналіз із гістограмами метрик, експертної оцінки властивості програмного забезпечення та основними статистичними характеристиками, а також проведено кореляційний аналіз з кореляційними полями та розрахованими коефіцієнтами кореляції. У висновку створено регресійний аналіз з побудованими лініями. Створено висновки по кожному пункту проведених досліджень.
При проведені первинного статистичного аналізу було обчислено статичні характеристики такі, як математичне сподівання, середнє квадратичне відхилення, коефіцієнт ексцесу та асиметрії, довірчі інтервали та визначено закони розподілу.
Основними критеріями, за якими визначають належність даного закону розподілу до нормального є коефіцієнти асиметрії та ексцесу. Для нормального розподілу коефіцієнти ексцесу та асиметрії приймають значення 0. Тобто для висновку про „нормальність” розподілу потрібно, щоб всі числові характеристики потрапили в довірчі інтервали і коефіцієнти ексцесу та асиметрії наближалися до 0.
У відповідності до отриманих даних можна зробити наступні висновки:
Метрики з ненормальним розподілом:
- NOM
- LOC
- NOP
- HIT
- CDISP
- CC
- CINT
- FDP
- HDD
- Зрозумілість повідомлень про помилки
- Повнота
Ці дані будуть в подальшому використовуватись для кореляційного та регресійного аналізу.
При проведенні кореляційного аналізу було за допомогою пакету Statistica обчислено коефіцієнти для пар метрика-експертна оцінка.
На основі отриманих даних, які подані в таблиці 4, можна зробити наступні висновки:
- значення коефіцієнтів кореляції для пар «метрика-експертна оцінка», що зображені червоним кольором вказують на залежність між метриками та експертною оцінкою;
- значення коефіцієнтів кореляції для пар «метрика-експертна оцінка», що зображені чорним кольором не залежні між собою(мала залежність);
- коефіцієнти кореляції не є дуже великим, що дає змогу сказати, що залежність між метриками та експертними оцінками, які досліджуються в даній курсовій роботі, не є значною.
Дані, що були отримані при проведені кореляційного аналізу, будуть використані з метою проведення регресійного аналізу.
Перелік пар метрик із значимими тісними залежностями: LOC-NOM; LOC-NOP; NOM-NOP; LOC-Зрозумілість.
Для проведення регресійного аналізу був використаний пакет Statistica. За його допомогою було автоматично побудовано лінії регресії для пар метрика-експертна оцінка, визначено функції регресії, обчислено відхилення і знайдено найбільш пов'язані пари.
На основі отриманих даних можна зробити наступні висновки:
- у пари метрик LOC-NOM присутня лінійна регресія;
- у пари метрик LOC-NOP присутня скоріш за все лінійна регресія;
- у пари метрик NOM-NOP присутня експоненціальна регресія;
- з побудованих графіків можна зробити висновок, що переважна більшість пар «метрика-експертна» дуже слабо пов'язані.
Список використаної літератури
1. Афіфі А. та Ейзенах С., Статистичний аналіз.
2. Фішер Р.А., Статистичні методи для дослідників.
3. Гарольд Крамер, Математичні методи статистики.
4. Кендалл М. та Стьюарт А., Теорія розподілів.
5. Колеман В.А., Теорія ймовірностей і математична статистика. 3-е видання.
Размещено на Allbest.ru
...Подобные документы
Аналіз методів емпіричної інженерії програмного забезпечення. Призначення та властивості програмного забезпечення та метрик проектів Openproj-1.4-src, TalendOpen Studio 3.2.1 та Рlazma-source 0.1.8, їх статистичний, кореляційний та регресійний аналіз.
курсовая работа [2,7 M], добавлен 12.12.2010Розробка компонентів програмного забезпечення системи збору даних про хід технологічного процесу. Опис програмного забезпечення: сервера, що приймає дані про хід технологічного процесу, КОМ для його імітування, робочої станції для відображення даних.
курсовая работа [1,3 M], добавлен 20.11.2010Аналіз системи збору первинної інформації та розробка структури керуючої ЕОМ АСУ ТП. Розробка апаратного забезпечення інформаційних каналів, структури програмного забезпечення. Алгоритми системного програмного забезпечення. Опис програмних модулів.
дипломная работа [1,9 M], добавлен 19.08.2012Первинний опис програмного забезпечення графічний редактор. Функціональна специфікація класів. Проектування архітектури програми, структури даних та графічного інтерфейсу. Опис алгоритму природною мовою. Аналіз впливу зміни вимог на зміну архітектури.
курсовая работа [2,4 M], добавлен 07.10.2014Аналіз предметної області, опис проекту бази даних, моделей майбутнього програмного забезпечення гри для персонального комп'ютера "Міста". Функціональні можливості програмного забезпечення, які необхідно реалізувати. Інтерфейс програмного забезпечення.
курсовая работа [2,3 M], добавлен 02.06.2016Етапи розробки проекту. Вимоги до апаратного і програмного забезпечення, до користувача. Специфікація та структура даних, які мають бути розміщеними в системі. Вигляд інтерфейсу системи програмного забезпечення. Розробка бази даних косметичного салону.
дипломная работа [1,8 M], добавлен 21.02.2015Основні поняття щодо захисту програмного забезпечення. Класифікація засобів дослідження програмного коду: відладчики, дизасемблери, діскомпілятори, трасировщики та слідкуючі системи. Способи вбудовування захисних механізмів в програмне забезпечення.
курсовая работа [41,7 K], добавлен 14.11.2010Дослідження алгоритму роботи та коду програми. Оцінка методом "чорного ящика". Тестування і налагодження розробленої програми на алгоритмічній мові високого рівня. Оцінювання якості програмного забезпечення за об’єктно-орієнтованими метриками зв’язності.
курсовая работа [143,1 K], добавлен 11.03.2021Аналіз задач, які вирішуються з використанням інформаційної системи. Вибір серверного вирішення, клієнтської частини, мережного вирішення, системного програмного забезпечення. Розробка підсистеми діагностики, керування, забезпечення безпеки даних.
курсовая работа [1,5 M], добавлен 22.04.2011Планування програмного забезпечення автоматизованої системи бюро працевлаштування. Накопичення даних стосовно ринку праці. Проектування статичних аспектів, поведінки та архітектури програмного забезпечення. Особливості функціонування програмного продукту.
курсовая работа [184,5 K], добавлен 05.07.2015Аналіз об'єктів дослідження, проектування баз даних. Розробка програмного забезпечення для роботи зі спроектованою базою даних. Реалізація індексів, опис метаданих в середовищі MySQL. Специфікація DDL для MySQL, протокол тестування DDL-сценарії.
контрольная работа [389,9 K], добавлен 05.01.2014Методи аналізу та засоби забезпечення надійності, що використовуються при проектуванні програмного забезпечення. Основні види складності. Якісні та кількісні критерії. Ієрархічна структура. Попередження помилок. Реалізація статичної і динамічної моделей.
реферат [128,2 K], добавлен 20.06.2015Проектування і реалізація навчального програмного продукту "Побудова геометричних фігур". Використання C++ Builder 6 у якості програмного середовища для реалізації даної навчальної програми. Інструкція з використання розробленого програмного забезпечення.
курсовая работа [2,2 M], добавлен 05.05.2014Проблеми розробки компонентного програмного забезпечення автоматизованих систем управління. Сучасні компонентні технології обробки інформації. Аналіз вибраного середовища проектування програмного забезпечення: мова програмування PHP та Apache HTTP-сервер.
дипломная работа [2,8 M], добавлен 11.05.2012Розробка програмного забезпечення для управління транспортними платформами на базі програмованого логічного контролера S7-300 в Simatic STEP-7. Аналіз програмного забезпечення, розрахунок показників його надійності. Опис алгоритму функціонування системи.
дипломная работа [2,1 M], добавлен 17.05.2012Аналіз формування податкової звітності. Розробка проекту інтерфейсу, інформаційної, статичної та динамічної моделей програмного забезпечення. Розрахунок економічної ефективності впровадження програмного забезпечення формування податкової звітності.
дипломная работа [3,5 M], добавлен 26.04.2012Аналіз сучасних методів та технологій проектування програмного забезпечення. Вибір цільової мобільної платформи. Розробка екранних форм, діаграми класів. Вимоги до програмного продукту. Аналіз небезпечних факторів у відділі роботи з фізичними особами.
дипломная работа [508,1 K], добавлен 02.12.2015Основні завдання синоптичної метеорології. Призначення та область застосування програмного продукту "Статистика метеоспостережень", функціональні вимоги до нього. Інформаційне забезпечення, структура, опис інтерфейсу. Тестування програмного продукту.
курсовая работа [3,6 M], добавлен 30.04.2016Причини незаконного використання програмного забезпечення. Дослідження збитку, нанесеного комп'ютерним піратством. Ризик роботи з нелегальним програмним забезпеченням і гідності ліцензійних програм. Види захисту прав виробників програмного забезпечення.
реферат [60,8 K], добавлен 01.06.2010Розробка програми для збору, збереження та обробки інформації про хід технологічного процесу і передачі її в локальну обчислювальну мережу. Структура та функції системи: алгоритми функціонування і програмне забезпечення КОМ, сервера і робочих станцій.
курсовая работа [225,2 K], добавлен 28.08.2012
