Розділ 3. Проектування бази знань (моделей, сховища даних, olap- системи, тощо – в залежності від обраної тематики курсового проекту)

В рамках курсового проекту цей розділ може бути реалізований одним із способів:

1) як проект бази моделей для СППР;

2) як проект бази знань (бази правил) для СППР

3) як проект сховища даних для СППР та моделей аналізу даних.

Реалізацію запропонованого проектного рішення необхідно представити в контрольному прикладі, який може бути поданий як в даному розділі по тексту, так і в додатках.

Орієнтовний обсяг цього розділу – 10-15 сторінок.

1) Вимоги до проектування бази моделей в сппр

При проектуванні баз моделей слід враховувати, що СППР може містити різні типи моделей. В зальному випадку база моделей СППР може включати оптимізаційні та неоптимізаційні, аналітичні, імітаційні, евристичні, алгоритмічні та інші моделі.

При розробленні бази моделей необхідно вказати і обґрунтувати тип запропонованих моделей підтримки рішень.

Базу моделей необхідно описати у вигляді математичних формул, економіко-математичних моделей чи функцій.

Реалізацію запропонованих моделей можна представити за допомогою обраної мови програмування або обраного середовища системи керування базою моделей. Наприклад, MatLab. Можна скористатись середовищем СППР, орієнтованим на моделі (СППР Ithink, СППР Analitica, тощо)

2) Вимоги до проектування бази знань в сппр

При розробребленні бази знань або правил необхідно вказати і обґрунтувати тип моделі опису знань або правил та мову подання знань.

База знань повинна бути представлена у вигляді одного із типів моделей опису знань (логічного, продукційного, фреймового, у вигляді семантичної мережі) та реалізована на основі однієї з мов подання знань (логічної, продукційної або фреймової).

Контрольний приклад моделі бази знань та її реалізації подається в розділі по тексту або в додатках .

3) Вимоги до проектування сховища даних в сппр

В цьому розділі необхідно спроектувати сховище даних та описами основні процедури аналізу даних на основі сховища чи OLAP-моделі.

Основні процедури аналізу даних необхідно описати у вигляді математичних формул, економіко-математичних моделей, функцій чи моделей інтелектуального аналізу даних.

При проектуванні сховища даних обгрунтовується мотивація (мета) його створення та виконується вибір денормалізованої чи нормалізованої моделі його побудови („сніжинка” чи „зірка”). Для автоматизації проектування сховищ даних можуть бути використані CASE-засоби зокрема пакет Erwin. Необхідно запроектувати таблиці фактів і таблиці вимірювань та об’єднати їх відповідними зв’язками, надавши схему моделі СД. Вибрати архітектуру побудови сховища та надати її опис.

В розділі необхідно обгрунтувати вибір СКБД для підтримки і роботи зі сховищем даних. При цьому враховуються такі є фактори, як при виборі СКБД для БД, а також ряд таких специфічних факторів як: можливість паралельного оброблення складних аналітичних запитів, наявність вбудованих OLAP–засобів, наявність засобів для фільтрації, очищення, перетворення та завантаження даних в сховище з баз даних OLTP-систем, наявність засобів візуалізації аналітичних даних, підтримка кіосків (вітрин) даних, можливості розширення і підтримки великих корпоративних сховищ, механізм оптимізації запитів.

Можна надати опис механізму доступу до даних систем-джерел. Розробити та описати технологію завантаження даних у сховище даних, описавши процедури фільтрації, очищення, перетворення типів даних та приведення їх до єдиного формату та процедури узагальнення (агрегування) даних.

Запроектоване сховище даних завантажується даними контрольного прикладу і роздруковується. Контрольний приклад повинен бути розроблений таким чином, щоб дозволив формування основних OLAP-запитів чи вирішення задач Data Mining. Зміст таблиць фактів та вимірів, завантажених контрольним прикладом роздруковується надається в додатках.