Учебное пособие 2125

отслеживание актуальности часто перегружаемых данных, возможность обогащения.

Только после прохождения всех вышеперечисленных этапов ETL система продвигается к следующему своему процессу, валидации данных, который отвечает за выявление ошибок и пробелов в данных, переданных в ETL. Так как процесс нахождения ошибок не столь разносторонний, чаще всего он сводится к соотношениям справочников с помощью вычитающих selectзапросов, а все последующие варианты выявления ошибок являются индивидуальными под каждую систему, то не будем сильно заострять на этом внимание и перейдем к процессу мэппинга.

Процесс мэппинга так же реализуется с помощью соответствующих формул и скриптов, служит для дополнительной трансформации и обогащения первичных данных из данных источника. Есть несколько хороших правила при проектировании того этапа:

1.Таблица элементовмэппинга должна включать наборы старых и новых данных, для удобства разработки, и последующей передачи процесса в поддержку.

2.Все таблицы должны иметь отдельное поле ключа (RK), которое должно быть построено по одинаковым принципам с остальными таблицами.

Так же на деле в на этапе мэппинга решается вопрос процесса агрегации данных, который обычно решается на уровне верхней архитектуры. После прохождения этапа мэппинга данные имея одну структуру идут на запись и хранение в установленном на предприятии порядке, до тех пор, пока не появится необходимость в их использовании, то есть, до момента наступления последнего этапа.

Последним по очередности, но не менее важным, является процесс построение отчетности. Именно для этого в основном и существует ETL. Отчетность, а точнее отчетность по последнему срезу данных созданная путем прохождения всех этапов, идет в Центральный Банк, направляется в управление бизнесом, и определяет дальнейший курс развития предприятия. Проходит весь этот процесс очень быстро, поступает запрос на выбор данных из хранилища, для составления определенного отчета, нужная информация за необходимую дату собирается с хранилища и сразу помещается в требуемую форму отчетности.

Остался не отвеченным только последний вопрос данной научноисследовательской работы: примеры ETL средств. Для осуществления ETLпроцесса можно использовать почти любой язык программирования. Однако, если требуется не разовая конвертация, а постоянно выполнять интеграцию данных, как в случае с нашим примером предприятия, то целесообразно рассмотреть специализированное ПО, которое выбирается по определенным критериям: скорости, динамичности, масштабу, подвижности. Лидерами среди

ETL средств являются Oracle, Informatica, SAP, 1C, PowerCenter и PowerMart от

Informatica, и IBM. Но если системы не способны взять в свою систему весь масштаб работ, то используя объединяющие средства. Стоит отметить возможность разработки на языке Java и ее наследника Scala.

140

Таким образом, кратко рассмотрев основные пункты, связанные с использованием ETL средств для решения вопросов на предприятии, следует сделать вывод. Система оправдывает свою необходимость в современном мире благодаря своей универсальности и возможности объединения множеств потоков данных с различной структурой, а так же решает множество внутренних вопросов, таких как множественная загрузка и устранение ошибок. Использование ETL средств так же сильно облегчает работу с большими данными на крупных предприятиях, а данные прошедшие через все процессы трансформации являются качественными и пригодными для дальнейшего использования в рамках проектных задач.

Литература

1.Черняев А.С. ETL: обзор инструментов / А.С. Черняев, М.А. Балова

//Молодой ученый. - 2019. - №1. - С. 23-26.

ФГБОУ ВО «Воронежский государственный технический университет», Россия

УДК 681.3

Е.Я. Гафанович

ИНТЕЛЛЕКТУАЛИЗАЦИЯ ПРИНЯТИЯ РЕШЕНИЙ РЕЗУЛЬТАТОВ ДИАГНОСТИКИ НА ОСНОВЕ ЦИФРОВОЙ ТРАНСФОРМАЦИИ РЕЗУЛЬТАТОВ ДИАГНОСТИКИ, ЛЕЧЕНИЯ И ПРОФИЛАКТИКИ

СЕРДЕЧНО-СОСУДИСТЫХ ЗАБОЛЕВАНИЙ

Современные возможности цифровой трансформации результатов диагностики, лечения и профилактики сердечно-сосудистых заболеваний (ССЗ) создают предпосылки для интеллектуального анализа и принятия решений медицинскими работниками [1].

Рассмотрены методы цифровой трансформации, которые позволяют использовать структурированную информацию для оценивания и выбора решения.

Так при диагностике формирование такого цифрового ресурса исследовалось на основе применения следующих технологий [2]:

допплерэхокардиографии, нагрузочных проб и суточного мониторирования артериального давления, оценка эффективности визуальных методов параметрической диагностики сердечно-сосудистой системы, в том числе новых технологий допплерэхокардиографии.

ВЭМ-проба использовалась у пациентов с пограничной АГ и АГ I-II стадии. Проводился анализ систолического и диастолического прироста АД в ходе выполнения пробы, произведена попытка рационального подбора гипотензивных препаратов с учетом выявленных типов сосудистой реакции.

Было обследовано 73 пациента в возрасте 18-45 лет (средний возраст 33+2 года): мужчин – 49 (67%), женщин – 24 (32%). Все пациенты перед проведением

141

стандартной ВЭМ-пробы на велоэргометре марки KETLER были стандартно обследованы: общий анализ крови, мочи, биохимические показатели (холестерин, глюкоза, креатинин, электролиты крови, коагулограмма), выполнено эхоКГ исследование, УЗИ почек, консультация окулиста.

Для проведения острого лекарственного теста (ОЛТ) нами использовались препараты из трех групп – нитратов, антагонистов кальция и ингибиторов ангиотензинпревращающего фермента (АПФ). С учетом недостаточно изученного влияния этих препаратов на систолическую и диастолическую функции правого желудочка (ПЖ), характер транстрикуспиального и легочного кровотока, акцент делался на правые отделы сердца.

Проведен интеллектуальный анализ результатов использования некоторых функциональных проб (велоэргометрии, холтеровского мониторирования ЭКГ, а также лекарственного тестирования) с применением допплерэхокардиографии в комплексном обследовании больных артериальной гипертензией и ишемической болезнью сердца.

Осуществление цифровой трансформации при диагностике позволяет обеспечить интеллектуальную поддержку принятия решений врачом. В этом случае основой интеллектуального анализа являются прогностические модели [3].

Предложено сформировать структуру прогностической модели, отвечающую следующим требованиям: отражает начальное и исходное состояние больного по основному показателю АД за период стационарного

y, выполненной на начальном этапе лечения в дневном стационаре многопрофильного диагностического центра; учитывает субъективные оценки

адекватность этой модели подтверждается только на этой выборке ретроспективной информации на котором она построена ее коррекция по текущей информации. Кроме того, она позволяет учитывать значения

параметрах, более эффективной считается нейросетевая модель. Нейронные сети работают с неполными, зашумленными и противоречивыми данными, что характерно для результатов комплексной диагностики. Для адекватного отражения структуры с учетом размытости ряда ее компонентов приемлемой является нейронечеткая система моделирования.

142

При профилактике цифровая трансформация на основе ГИС-технологий обеспечивает оценивание региональной распространенности ССЗ [4].

Исследована распространенность артериальной гипертонии, стенокардии и острого инфаркта миокарда (ОИМ) по территориальным образованиям Саратовской области. На основе ГИС-ресурсов проанализированы показатели смертности среди

При исследовании дальнейшей тенденции распространенности сердечнососудистых заболеваний по Саратовской области было проведено краткосрочное прогнозирование с применением метода экспоненциального сглаживания. Прогнозирование осуществлялось при помощи пакета Statistica.

Анализ результатов прогнозирования и динамики развития ССЗ показал, что требуется решение задачи разработки мероприятий по совершенствованию медицинской помощи, лечебно-диагностического процесса по различным нозологическим формам ССЗ и в первую очередь для артериальной гипертонии, как имеющей наибольший удельный вес среди ССЗ.

Таким образом, обоснованы перспективные технологии цифровой трансформации результатов диагностики, лечения и профилактики ССЗ, формирующие информационные ресурсы для интеллектуализации принятия решений.

Литература

1.Гафанович Е.Я. Оценка эффективности диагностики и лечения больных артериальной гипертензией в условиях интеллектуализации стационарозамещающих технологий / Е.Я. Гафанович, М.В. Фролов // Вестник новых медицинских технологий. - Тула, 2012. – Т. XIX. - № 1. С. 118-120.

2.Арзамасцева Г.И. Оценка диагностической значимости функциональных проб и лекарственного тестирования при комплексном обследовании больных сердечно-сосудистыми заболеваниями / Г.И. Арзамасцева, Е.Я. Львович // Системный анализ и управление в биомедицинских системах. - 2008. - Т. 7. - № 1. - С. 119-124.

3.Львович Е.Я. Моделирование и рациональный выбор лечения артериальной гипертензии с использованием процедур интеллектуальной поддержки врача / Е.Я. Львович, В.Н. Фролов // Системный анализ и управление в биомедицинских системах. – 2006. - Т. 5. - № 3. - С. 567-570.

4.Гафанович Е.Я. Построение прогностических моделей развития заболеваемости системы кровообращения в Саратовском регионе / Е.Я.

Гафанович, Е.Н. Коровин // Системный анализ и управление в биомедицинских системах: журнал практической и теоретической биологии и медицины. - М., 2011. – Т. 10. - № 4. С. 970-973.

ФГБОУ ВО «Саратовский государственный медицинский университет им. В. И. Разумовского», Россия

143

УДК 681.3

В.В. Горячко

ИНТЕЛЛЕКТУАЛЬНАЯ ИНФОРМАЦИОННАЯ СИСТЕМА УПРАВЛЕНИЯ ТЕРРИТОРИАЛЬНО СВЯЗАННЫМИ СОЦИАЛЬНО-

ЭКОНОМИЧЕСКИМИ ОРГАНИЗАЦИОННЫМИ СИСТЕМАМИ

Интенсификация формирования цифровых ресурсов объектов организационной системы с учетом их геолокации, характеризующих эффективность функционирования и взаимодействия с объектами других организационных систем, создает предпосылки для формирования цифрового способа коммуникаций, с помощью которого организуется взаимодействие территориально распределенных элементов.

Результатом этого взаимодействия является процесс влияния деятельности одной организационной системы, которую в дальнейшем будем называть основной, на деятельность других систем, в свою очередь оказывающих воздействие на основную систему. Отношения, связи и взаимодействие объектов указанных организационных систем определяют признак их связанности [1]. Наличие этого признака позволяет сформулировать следующее определение.

Под территориально связанными организационными системами будем понимать совокупность нескольких систем, среди которых есть основная, объединяющая в организационное целое однородные объекты социальной и экономической сферы с распределенной по территории геолокацией для выполнения заданных целей, и системы, находящиеся с основной во взаимодействии как потребители результатов ее деятельности. Эффективность достижения целей по взаимодействию объектов территориально связанных организационных систем определяется управляющим центром каждой системы. В зависимости от уровня эффективности взаимодействия управляющие центры этих систем выделяют ресурсное обеспечение объектам основной системы [2].

Структуру системы управления территориально связанными организационными системами предлагается формировать таким образом, чтобы обеспечить реализацию следующих возможностей:

представления пространственно-временной информации в форме ГИСориентированного мониторингового оценивания [3];

картографической визуализации пространственно временной информации для инициализации поиска экспертами и администрацией данных об объектах основной и связанных систем, необходимых для принятия управленческих решений [2];

учета разнообразия задач управления, определяемого сочетанием классификационных признаков исследуемых систем;

детализации действий управленческого цикла по каждой задаче управления с формированием алгоритмов интеллектуальной поддержки принятия решений;

144

ориентации алгоритмов интеллектуальной поддержки принятия решений на результаты многовариантного анализа пространственно-временной информации с использованием двухуровневой модели [5];

двухконтурного функционирования на основе интеграции административного управления без использования результатов многовариантного анализа и управления с использованием интеллектуальной поддержки на основе результатов многовариантного анализа и формализованных алгоритмов принятия решений.

Структурная схема системы управления, обеспечивающая реализацию перечисленных возможностей, показана на рисунке.

Вконтуре административного управления используется мониторингорейтинговая информация без специальной обработки и традиционные решения на основе опыта, интуиции и логического анализа экспертов. Такие решения в виде некоторого набора действий, направлены на достижение целей управления, имеют кратковременный характер и не формируют устойчивых условий для повышения эффективности функционирования объектов географически связанных организационных систем. Интеллектуальная поддержка принятия решений позволяет определить управленческие действия по повышению результативности и ресурсоэффективности исследуемых систем поддержанием более высокого уровня в долгосрочной перспективе.

Вконуре интеллектуальной поддержки управленческих решений осуществляется, во-первых, такая обработка первичной пространственновременной информации, которая обеспечивает структурированными данными последующие преобразования при идентификации, многовариантном анализе и выборе варианта управления; во-вторых, картографическая визуализация геопространственных данных, приводящая к сокращению времени на поиск и анализ необходимой для последующих этапов информации об объектах основной

исвязанных систем; в-третьих, подсветка контуров регионов, на территории которых расположены соответствующие объекты, что обеспечивает учет показателей социально-экономического состояния региональных образований.

Проблемно ориентированная трансформация первичной пространственно-временной информации в структурированные по временным

объектами основной и связанных систем, либо значимости объектов основной системы в территориально связанном комплексе систем;

классификационных признаков территориально связанных систем, механизма управления ресурсным и результативным взаимодействием

о социально-экономическом состоянии в рамках географической локации регионов

связей между экспертными и прогнозными оценками показателей основной и

интеллектуальной поддержки управленческих решений.

Литература

1.Новосельцев В.И. Системный анализ: современные концепции / В.И. Новосельцев. – Воронеж: Кварта, 2003. – 360 с.

2.Нечипоренко В.И. Структурный анализ систем (эффективность и надежность) / В.И. Нечипоренко. – М.: Сов. радио, 1977. – 216 с.

3.Горячко В.В. Оптимизация управления положением вуза в рейтинге на основе ГИС-ориентированного мониторинго-рейтингового оценивания / В.В. Горячко, И.Я. Львович, О.Н. Чопоров // Экономика и менеджмент систем управления. – 2017. – № 3(25). – С. 57-64.

147

4.Исследование возможностей геоинформационных систем для

анализа деятельности образовательных организаций / В.Н. Микрюков, В.П. Поневаж, А.Н. Серегин, С.О. Сорокин // Высшее образование сегодня. – 2015. – № 1. – С. 34-39.

5. Горячко В.В. Имитационный эксперимент по структурной и параметрической идентификации моделей интегрального оценивания мониторинго-рейтинговой информации о деятельности вузов / В.В. Горячко, Я.Е. Львович // Моделирование, оптимизация и информационные технологии.

– 2018. – № 1.

ФГБОУ ВО «Московский государственный университе им. М.В. Ломоносова», Россия

УДК 681.3

К.И. Львович

ИНТЕЛЛЕКТУАЛИЗАЦИЯ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ПОДГОТОВКОЙ ПЕРСОНАЛА ИНФОКОММУНИКАЦИОННЫХ СИСТЕМ

Вусловиях активной цифровизации в реальном секторе экономики, государственном управлении и социальной сфере усиливается значимость персонала в обеспечении эффективности, качества и надежности функционирования инфокоммуникационных систем. Уровень владения персоналом компетенциями взаимодействия с техническими средствами, программами и информационными результатами влияет на время и вероятность безошибочного решения задач. Одним из механизмов подготовки кадров, участвующих в реализации цифровых проектов, является дуальное обучение, которое объединяет возможности образовательной структуры и работодателей при организации обучения персонала практическим навыкам. Повышение эффективности такого рода интеграционного подхода требует применения формализованных методов моделирования и оптимизации, позволяющих принимать обоснованные решения, которые обеспечивают рациональное управление образовательным процессом подготовки персонала инфокоммуникационных систем.

В[1] показано, что интеллектуализация принятия решений связана с решением трех оптимизационных задач дискретного программирования [2]. В первой (задача 1) в качестве оптимизационных переменных выступают:

1,если тематический модуль ,соответствующий образовательному

(1)

148

1,если тематический модуль ,соответствующий профессиональному

(3)

Для интеллектуальной поддержки принятия решений предлагается построить интегрированную процедуру направленного рандомизированного поиска [3], включающую следующие шаги.

1.Введение рандомизированных переменных задач (1) – (3) и задание

− значение псевдослучайного числа, последовательность которых генерируются в соответствии с равномерным законом распределения на интервале [0,1], [4];