Проектирование интеллектуальной информационной системы аналитической отчетности

Размещено на http://www.allbest.ru/

20

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ

«ТЮМЕНСКИЙ ИНДУСТРИАЛЬНЫЙ УНИВЕРСИТЕТ»

ИНСТИТУТ СЕРВИСА И ОТРАСЛЕВОГО УПРАВЛЕНИЯ

Кафедра бизнес - информатики и математики

КУРСОВАЯ РАБОТА

на тему: «Проектирование интеллектуальной информационной системы аналитической отчетности»

по дисциплине «Интеллектуальные системы»

Выполнил: ст. гр. ЭБб-16-1

Бухаров Михаил

Проверил:

к.с.н., доцент

Аханова Марина Анатольевна

Тюмень 2019



СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1 ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ АНАЛИТИЧЕСКОЙ ОТЧЕТНОСТИ И ИХ ОСОБЕННОСТИ

1.1 Определение интеллектуальной информационной системы

1.2 Классификация интеллектуальных информационных систем

1.3 Области применения

2 РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ АНАЛИТИЧЕСКОЙ ОТЧЕТНОСТИ

2.1 Этапы проектирования интеллектуальной информационной системы аналитической отчетности

2.2 Технология разработки интеллектуальной информационной системы аналитической отчетности

2.2.1 Слой извлечения, преобразования и загрузки данных

2.2.2 Слой хранения данных

2.2.3 Слой анализа данных

2.3 Проектирование интеллектуальной системы аналитического подбора с помощью «Малой экспертной системы 2.0»

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

информация аналитический подбор экспертная система



ВВЕДЕНИЕ

В условиях конкурентной борьбы мониторинг и анализ деятельности компании становятся важнейшими инструментами бизнеса, так как позволяют компании оперативно реагировать не только на рыночные изменения, но и на изменения внутренних факторов.

Однако организация процессов мониторинга и аналитики проблематична в том случае, если у компании нет единой информационной среды, объединяющей и систематизирующей данные различных оперативных систем: учета хозяйственной деятельности, электронного документооборота, хранилищ электронной переписки и прочих источников информации. В таких случаях руководство компании вынуждено искать информацию в различных источниках, вместо того, чтобы оперативно принимать управленческие решения на основе систематизированных данных.

Единая информационная среда обеспечивает руководству компании мгновенный доступ ко всей необходимой информации в любой момент времени.

Создание единого информационного поля включает в себя две основные части:

1. Построение единого центра хранения и обработки информации (хранилища данных), который решает задачи консолидации информации из всех информационных систем компании (ERP, CRM, бухгалтерия, система единых справочников и т.д.), а также системы анализа бизнес-информации. Такой центр обеспечивает самые широкие возможности всестороннего анализа имеющейся информации.

2. Построение централизованной базы знаний компании, объединяющей в себе всю ключевую информацию компании: единую базу всех документов, информацию о сотрудниках, единую систему автоматизированных бизнес-процессов.

Аналитические системы призваны обеспечить всех сотрудников информацией, необходимой для эффективной работы, во всевозможных гибко настраиваемых разрезах, а также поддерживают выполнение нерегламентированных запросов к анализируемым данным для получения требуемой информации.

Актуальностью выбранной темы курсовой работы является повышенный интерес, который интеллектуальные системы вызывают к себе на протяжении всего своего существования, возможность их применения к решению задач из самых различных областей человеческой деятельности.

В курсовой работе будут рассмотрены основные понятия и компоненты интеллектуальных информационных систем, их достоинства и недостатки, различные классификации, этапы разработки и области применения.

Объект - интеллектуальная информационная система. Предмет - оболочка «Малая экспертная система 2.0» для проектирования.

Цель: спроектировать интеллектуальную информационную систему аналитической отчетности с помощью оболочки «Малая экспертная система 2.0».

Задачи:

1. Изучить общие характеристики интеллектуальной информационной системы;

2. Практически освоить разработку интеллектуальной информационной системы с помощью «Малой экспертной системы 2.0».



1 ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ АНАЛИТИЧЕСКОЙ ОТЧЕТНОСТИ И ИХ ОСОБЕННОСТИ

1.1 Определение интеллектуальной информационной системы

Интеллектуальная система (ИС, intelligent system) -- это техническая или программная система, способная решать задачи, традиционно считающиеся творческими, принадлежащие конкретной предметной области, знания о которой хранятся в памяти такой системы.

Структура интеллектуальной системы включает три основных блока -- базу знаний, решатель и интеллектуальный интерфейс.

Со всем процессом разработки интеллектуальных информационных систем в целом и экспертных систем (ЭС) в частности тесно связана «Инженерия знаний». Это методология ЭС, которая охватывает методы добычи, анализа и выражения в правилах знаний экспертов для формирования базы правил.

Развитие ЭС создало инженерию знаний - процесс построения интеллектуальных систем. Она представляет собой совокупность моделей, методов и технических приемов, нацеленных на создание систем, которые предназначены для решения проблем с использованием знаний.

Главными элементами инженерии знаний являются использование операций типа обобщение, генерация гипотез для индуктивных выводов, подготовка новых программ самими компьютерными программами и т.д. Слово engineering в английском означает искусная обработка предметов, изобретение или создание чего-либо.

Следовательно, работу по оснащению программ специальными экспертными знаниями из проблемной области, выполняемую человеком, либо компьютером (программой), также можно назвать инженерией знаний.

Классификация задач, решаемых ИИС:

· Интерпретация данных. Это одна из традиционных задач для экспертных систем. Под интерпретацией понимается процесс определения смысла данных, результаты которого должны быть согласованными и корректными. Обычно предусматривается многовариантный анализ данных.

· Диагностика. Под диагностикой понимается процесс соотношения объекта с некоторым классом объектов и/или обнаружение неисправности в некоторой системе. Неисправность -- это отклонение от нормы. Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания живых организмов, и всевозможные природные аномалии. Важной спецификой является здесь необходимость понимания функциональной структуры («анатомии») диагностирующей системы.

· Мониторинг. Основная задача мониторинга -- непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы. Главные проблемы -- «пропуск» тревожной ситуации и инверсная задача «ложного» срабатывания. Сложность этих проблем в размытости симптомов тревожных ситуаций и необходимость учёта временного контекста.

· Проектирование. Проектирование состоит в подготовке спецификаций на создание «объектов» с заранее определёнными свойствами. Под спецификацией понимается весь набор необходимых документов--чертёж, пояснительная записка и т.д. Основные проблемы здесь -- получение чёткого структурного описания знаний об объекте и проблема «следа». Для организации эффективного проектирования и в ещё большей степени перепроектирования необходимо формировать не только сами проектные решения, но и мотивы их принятия. Таким образом, в задачах проектирования тесно связываются два основных процесса, выполняемых в рамках соответствующей ЭС: процесс вывода решения и процесс объяснения.

· Прогнозирование. Прогнозирование позволяет предсказывать последствия некоторых событий или явлений на основании анализа имеющихся данных. Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций. В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой значения параметров «подгоняются» под заданную ситуацию. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками.

· Планирование. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции. В таких ЭС используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности.

· Обучение. Под обучением понимается использование компьютера для обучения какой-то дисциплине или предмету. Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказывают правильные решения. Они аккумулируют знания о гипотетическом «ученике» и его характерных ошибках, затем в работе они способны диагностировать слабости в познаниях обучаемых и находить соответствующие средства для их ликвидации. Кроме того, они планируют акт общения с учеником в зависимости от успехов ученика с целью передачи знаний.

1.2 Классификация интеллектуальных информационных систем

Интеллектуальная информационная система (intelligent system) -- система, основанная на знаниях.

ИИС представляет собой комплекс программных, лингвистических и логико-математических средств для реализации основной задачи: осуществление поддержки деятельности человека, например возможность поиска информации в режиме продвинутого диалога на естественном языке.

ИИС разграничивают на несколько видов:

1. Расчетно-логическая система.

К расчетно-логическим системам относят системы, способные решать управленческие и проектные задачи по декларативным описаниям условий. При этом пользователь имеет возможность контролировать в режиме диалога все стадии вычислительного процесса. Данные системы способны автоматически строить математическую модель задачи и автоматически синтезировать вычислительные алгоритмы по формулировке задачи. Эти свойства реализуются благодаря наличию базы знаний в виде функциональной семантической сети и компонентов дедуктивного вывода и планирования.

2. Рефлекторная интеллектуальная система.

Рефлекторная система - это система, которая формирует вырабатываемые специальными алгоритмами ответные реакции на различные комбинации входных воздействий. Алгоритм обеспечивает выбор наиболее вероятной реакции интеллектуальной системы на множество входных воздействий, при известных вероятностях выбора реакции на каждое входное воздействие, а также на некоторые комбинации входных воздействий. Рефлекторные программные системы применяются к следующим задачам:

· естественно-языковой доступ к базам данных;

· оценки инвестиционных предложений;

· оценки и прогнозирования влияния вредных веществ на здоровье населения;

· прогнозирования результатов спортивных игр.

3. Гибридная интеллектуальная система.

Под гибридной интеллектуальной системой принято понимать систему, в которой для решения задачи используется более одного метода имитации интеллектуальной деятельности человека. Таким образом ГИС -- это совокупность: аналитических моделей, экспертных систем, искусственных нейронных сетей, нечетких систем, генетических алгоритмов, имитационных статистических моделей.

Междисциплинарное направление «гибридные интеллектуальные системы» объединяет ученых и специалистов, исследующих применимость не одного, а нескольких методов, как правило, из различных классов, к решению задач управления и проектирования.

1.3 Области применения

Области применения существующих на сегодняшний день систем ИИ охватывает множество сфер: медицинскую диагностику, интерпретацию геологических данных, научные исследования в химии и биологии, военное дело, производство, финансы и другие области. Однако, несмотря на значительные успехи в области ИИ, пока еще существует определенный разрыв между техническими разработками, программными средствами и возможностями их более широко практического применения в частности, в экономике.

Наиболее показательным сектором, аккумулирующим различные проблемные направления экономической области, является управление промышленным предприятием. На его примере особенно хорошо видны преимущества использования систем ИИ для решения как различных предметных задач, так и для управления интегрированной системой предприятия в целом.

Существует множество доводов в пользу того, что системы искусственного интеллекта могут и должны стать важнейшей составной частью в технологии современных производств. Основными из них являются:

- преодоление сложности (сложности управления возникают тогда, когда приходится делать выбор из множества возможных решений);

- управление предприятием требует организации больших объемов информации;

- как уменьшить информацию до того уровня, который необходим для принятия решения (потеря информации, поступающей от объектов, работающих в реальном режиме времени, может существенно сказаться на результате);

- нехватка времени на принятие решения (проявляется по мере усложнения производства);

- проблема координации (решения необходимо координировать с другими звеньями процесса или объекта);

- необходимость сохранения и распространения знаний очень опытных экспертов, полученных ими в процессе многолетней работы и большого практического опыта.



2 РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ АНАЛИТИЧЕСКОЙ ОТЧЕТНОСТИ

2.1 Этапы проектирования интеллектуальной информационной системы аналитической отчетности

Существуют различные взгляды на определение числа этапов проектирования интеллектуальных систем. Это зависит от многих факторов, в частности от характера функций будущей интеллектуальной системы, области использова­ния, наличия развитых инструментальных средств и т. д.

Процесс построения систем ИИ можно разделить на пять этапов.

Рисунок 1. Этапы проектирования ИИС

1. Идентификация определения задач и идентификация их характеристик. Разрабатывается техническое задание на проектируемую систему, ограничивается круг пользователей системы.

2. Выделение главных концепций предметной области, которые отражают знания круга экспертов. Инженер знаний определяет формальные средства представления знаний и процедуры получения решений. Выявляются и формулируются понятия, определяющие выбор характерной схемы представления знаний эксперта о предметной области. Основным источником знаний о проблемной области является человек-эксперт, книги, технологические описания, инструкции, документы, методы «мозгового штурма», методы автоматизированного заполнения БЗ. Другим важным источником знаний является Интернет (традиционный поиск необходимой информации и знаний, а также интеллектуальные агенты (программные роботы)).

3 . Выбор формализма представления знаний и определение механизма вывода решений. Разработанная структура для представления знаний является основой для реализации следующего этапа -- непосредственного построения базы знаний системы.

4. Выбор или разработка языка представления знаний. После того как правила сформулированы и представлены на выбранном языке представления, они заносятся инженером знаний в БЗ.

5. Тестирование системы путем решения конкретных проверочных задач.

Этапы создания интеллектуальных систем не являются четко очерченными и подробно регламентированными. Между некоторыми из них трудно провести временную и содержательную границу. Они в какой-то степени приблизительно описывают процесс проектирования интеллектуальных систем.

2.2 Технология разработки интеллектуальной информационной системы аналитической отчетности

Современные подходы к анализу информации основываются на многомерном представлении данных. Реализация многомерного представления данных в информационных системах базируется на концепциях сбора информации (OLTP - On-line Transaction Processing), преобразования (ETL - Extraction Transformation Loading), оперативного анализа данных (OLAP - On-line Analytical Processing).

В соответствии с этими концепциями разработчик должен представлять область данных в виде совокупности трех областей: операционной базы данных, промежуточной области и хранилища данных. Операционные базы применяются для сбора и накопления данных, хранения справочной информации. Промежуточная область используется при реализации процессов ETL. Информация переносится в процессе загрузки данных, затем загружается таблица фактов, и формируются агрегаты. Хранилище данных предназначено для организации долговременного хранения информации.

Полномасштабная информационно-аналитическая система должна выполнять сложные и разнообразные функции, включающие сбор данных из различных источников, их согласование, преобразование и загрузку в хранилище, хранение аналитической информации, регламентную отчетность, поддержку произвольных запросов, многомерный анализ и др.

В настоящее время существуют фактические стандарты построения OLAP-систем, основанных на концепции хранилищ данных (Data Warehouse). Эти стандарты опираются на исследования и общемировую практику создания хранилищ данных и аналитических систем.

2.2.1 Слой извлечения, преобразования и загрузки данных

С организационной точки зрения, данный слой включает подразделения и структуры организации всех уровней, поддерживающие базы данных оперативного доступа. Он представляет собой низовой уровень генерации информации, уровень внутренних и внешних информационных источников, вырабатывающих «сырую» информацию.

Из источников данных информация перемещается на основе некоторого регламента в централизованное хранилище. Эти данные обычно можно получить из исходных баз данных путем специальных преобразований, вычислений и агрегирования.

Перед загрузкой в хранилище вся эта информация должна быть согласована, чтобы обеспечить целостность и непротиворечивость аналитических данных.

Дело в том, что в хранилище хранятся исторические данные, т.е. данные за достаточно большой промежуток времени. В оперативной системе данные хранятся в целостном виде за ограниченный промежуток, после чего они отправляются в архив. При изменениях в структуре или собственно данных архивы не подвергаются никакой дополнительной обработке, а хранятся в исходном виде. Следовательно, при необходимости иметь данные за достаточно большой период времени необходимо согласовывать архивную информацию с текущей.

Таким образом, загрузка данных из источников в хранилище осуществляется специальными процедурами, позволяющими:

1. извлекать данные из различных баз данных, текстовых файлов;

2. выполнять различные типы согласования и очистки данных;

3. преобразовывать данные при перемещении их от источников к хранилищу;

4. загружать согласованные и «очищенные» данные в структуры хранилища.

2.2.2 Слой хранения данных

Слой хранения данных предназначен непосредственно для хранения значимой, проверенной, согласованной, непротиворечивой и хронологически целостной информации, которую с достаточно высокой степенью уверенности можно считать достоверной.

Собственно хранилище данных не ориентировано на решение какой-либо определенной функциональной аналитической задачи. Цель хранилища данных - обеспечить целостность и поддерживать хронологию всевозможных данных, и с этой точки зрения оно нейтрально по отношению к приложениям.

Хранилище данных чаще всего реализуется в виде реляционной базы данных, работающей под управлением достаточно мощной реляционной СУБД. Такая СУБД должна поддерживать эффективную работу с терабайтными объемами информации, иметь развитые средства ограничения доступа, обеспечивать повышенный уровень надежности и безопасности, соответствовать необходимым требованиям по восстановлению и архивации.

2.2.3 Слой анализа данных

Для организации доступа к хранилищам данных используются специализированные рабочие места, поддерживающие необходимые технологии как оперативного, так и долговременного анализа. Результаты работы аналитиков оформляются в виде отчетов, графиков, рекомендаций и сохраняются как на локальном компьютере, так и в общедоступном узле локальной сети.

Аналитическая деятельность в рамках корпорации достаточно разнообразна и определяется характером решаемых задач, организационными особенностями компании, уровнем и степенью подготовленности аналитиков.

В связи с этим современный подход к инструментальным средствам анализа не ограничивается использованием какой-то одной технологи. В настоящее время принято различать следующие основные вида аналитической деятельности:

1. стандартная отчетность;

2. нерегламентированные запросы;

3. аналитическая обработка в режиме реального времени (OLAP);

4. интеллектуальный анализ данных (Data Mining).

Каждая из этих технологий имеет свои особенности, определенный набор типовых задач и должна поддерживаться специализированной инструментальной средой. Наибольший интерес представляют технологии OLAP и Data Mining.

2.3 Проектирование интеллектуальной системы аналитического подбора с помощью «Малой экспертной системы 2.0»

«Малая экспертная система 2.0» -- представляет собой простую экспертную систему, использующую байесовскую систему логического вывода.

Она предназначена для проведения консультации с пользователем в какой-либо прикладной области (на которую настроена загруженная база знаний) с целью определения вероятностей возможных исходов и использует для этого оценку правдоподобности некоторых предпосылок, получаемую от пользователя.

Для создания новой или редактирования уже имеющийся базы знаний разработан собственный редактор. Загружаемая база знаний может быть зашифрована и потребовать пароль на чтение.

После начала консультации в правой части окна (область запросов) появляется первый запрос системы (название свидетельства, степень истинности которого система желает узнать). В данной версии имеется два варианта ответа пользователя. Во-первых, можно задать по некоторой шкале коэффициент уверенности КУ (например, от -5, что может означать «точно нет», до +5 - «точно да»). Во-вторых, пользователь может ввести вероятность Р истинности свидетельства (число от нуля до единицы). В обоих случаях он волен выбирать любые промежуточные значения.

От пользователя требуется ответить по шкале от -5 до +5, оценивая правдоподобность истинности свидетельства. Вводится +5, если есть твёрдая уверенность в истинности, и -5, если есть уверенность в ложности свидетельства.



Рисунок 2. Главное окно Малой экспертной системы

Если Вы затрудняетесь ответить, вводите 0, и этот вопрос никак не повлияет на результат консультации. Можно также вводить любые промежуточные значения. Например, ввести +4.5 (знак «+» вводить не обязательно), если Вы почти уверены в положительном ответе или -0.1, если затрудняетесь в выборе ответа, но считаете, что скорее «нет», чем «да».

Рисунок 3. Окно «Предпочтения»

Получая от пользователя ответы, система корректирует вероятности возможных исходов, которые отражаются в левой части верхней половины окна.

Целью консультации является определение вероятностей возможных исходов. Список исходов с указанием текущих значений вероятностей показан в левой части верхней половины окна программы. Ширину этой области можно увеличить или уменьшить, передвинув разделитель, отделяющий её от области обработанных свидетельств.

Рисунок 4. Результаты аналитической консультации.

Имеется возможность следить за вероятностью конкретного исхода, если выделить его в списке - теперь он всегда будет виден в окне (при этом результаты должны быть упорядочены в алфавитном порядке). Если же результаты упорядочены по вероятностям, то можно выбрать нижнюю строку списка, чтобы в поле зрения всегда был наименее вероятный исход.

После обработки последнего свидетельства система подведёт итог (выдаст число обработанных свидетельств), а вероятности исходов в списке результатов примут окончательные значения. Теперь можно сделать вывод о возможности наступления наиболее вероятного из возможных исходов.

По окончании (а также в процессе) консультации можно сохранить её ход в текстовом файле. В протокол будет записано текущее время, описание базы знаний, список обработанных свидетельств и результаты консультации в том порядке, в каком они представлены в окне. При этом если в предпочтениях установлено различное изображение результатов, то слева от достоверных исходов будет знак «+», а у недостоверных - знак «-».



ЗАКЛЮЧЕНИЕ

Создание информационно-аналитической системы на базе технологий OLAP и Data Mining - сложный процесс, требующий знания предметной области, программно-технического инструментария и опыта выполнения крупных проектов. Вместе с тем внедрение подобных систем может дать преимущества, которые будут тем ощутимее, чем раньше организация начнет их создание.

Значимость информационных систем подобного уровня очевидна. Их использование в сфере образования позволяет существенно повысить эффективность работы структурного подразделения в целом.



СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Адоньев Р.В. Информационная система сбора и анализа образовательной статистики [Электронный ресурс]/ М.С. Заботнев, URL: http://www.ict.edu.ru/vconf/index.;

2. Борисов Д.Н. Корпоративные информационные системы для построения хранилищ данных 2007. -- с. 99.

3. Акимов А.А., Богатырев В. Е., Финогеев А. Г. Системы поддержки принятия решений на базе беспроводных сенсорных сетей с использованием интеллектуального анализа данных 2010. -- Т. 1. -- с. 225-229.

4. Львов В.К. Создание систем поддержки принятия решений на основе

хранилищ данных // Системы управления базами данных, 1997. -- №3. -- с.30-40.

5. Гамма Э. Приемы объектно-ориентированного проектирования. Паттерны проектирования / Р. Хелм, Р. Джонсон, Дж. Влиссидес. -- СПб.: Питер, 2007.-- 366 c.

Размещено на Allbest.ru

...