Количественный анализ диаграмм. Количественный анализ моделей Модели используется количественный анализ
Для проведения количественного анализа моделей будем использовать следующие показатели:
1. Количество блоков на диаграмме – N;
2. Уровень декомпозиции диаграммы – L;
3. Сбалансированность диаграммы – B;
4. Число стрелок, соединяющихся с блоком – A .
Данный набор показателей относится к каждой диаграмме в модели, далее используя коэффициенты (формула 1, 2), по которым можно определить количественные характеристики модели в целом. Для увеличения понятности модели необходимо стремиться к тому, чтобы количество блоков (N) на диаграммах нижних уровней было меньше, чем количество блоков на родительских диаграммах, то есть с увеличением уровня декомпозиции (L) коэффициент декомпозиции d убывал: d = N / L
Таким образом, убывание этого коэффициента говорит о том, что по мере декомпозиции модели функции должны упрощаться, следовательно, количество блоков должно убывать.
Диаграммы должны быть сбалансированы. Это обозначает, что количество стрелок, входящих в блок и выходящих, должно быть равно распределено, то есть количество стрелок не должно сильно варьироваться. Следует отметить, что данная рекомендация может не соблюдаться для процессов, которые подразумевают получение готового продукта из большого количества составляющих (выпуск узла машины, выпуск продовольственного изделия и другие). Коэффициент сбалансированности диаграммы рассчитывается по следующей формуле:
Желательно, чтобы коэффициент сбалансированности был минимален для диаграммы, а в модели был постоянен
Кроме оценки качества диаграмм в модели и в целом самой модели по коэффициентам сбалансированности и декомпозиции можно провести анализ и оптимизацию описанных процессов. Физический смысл коэффициента сбалансированности определяется количеством стрелок, соединенных с блоком, и соответственно его можно интерпретировать как оценочный коэффициент по количеству обрабатываемой и получаемой информации. Таким образом, на графиках зависимости коэффициента сбалансированности от уровня декомпозиции, существующие пики относительно среднего значения показывают перегруженность и недогруженность подсистем информационной системы на предприятии, так как различные уровни декомпозиции описывают деятельность различных подсистем. Соответственно, если на графиках имеются пики, то можно выдать ряд рекомендаций по оптимизации описанных процессов, автоматизируемых информационной системой.
Анализ контекстной диаграммы «А-0 Информационная система строительной организации»
Количество блоков: 1
Уровень декомпозиции диаграммы: 3
Коэффициент сбалансированности: 3
Число стрелок, соединяющихся с блоком: 11
Анализ детализация процесса «А2 Модуль «Поставщики»
Количество блоков: 4
Анализ детализация процесса «А3 Модуль «Объекты»
Количество блоков: 3
Уровень декомпозиции диаграммы: 2
Коэффициент сбалансированности: 5,75
Анализ детализация процесса «А1 Модуль «Рабочие»
Количество блоков: 3
Уровень декомпозиции диаграммы: 2
Коэффициент сбалансированности: 5,75
Анализ детализация процесса «А 4.1 Модуль «Отчеты»
Количество блоков: 3
Уровень декомпозиции диаграммы: 2
Коэффициент сбалансированности: 5,75
Анализ детализация процесса «А 5 Модуль «Подрядчики»
Количество блоков: 3
Уровень декомпозиции диаграммы: 2
Коэффициент сбалансированности: 5,75
Коэффициент сбалансированности на дочерних уровнях декомпозиции для дочерних уровней процесса Информационная система магазина свидетельствует о том, что диаграмма сбалансирована. Т.к. коэффициент сбалансированности не равен нулю, то возможно проведение дальнейшей декомпозиции некоторых уровней, после которой возможно осуществления анализа наименований активностей данной модели.
При проведении количественного анализа модели был построен график коэффициента декомпозиции, в котором мы видим, что с увеличением уровня декомпозиции коэффициент декомпозиции убывает. Таким образом, убывание этого коэффициента говорит о том, что по мере декомпозиции модели функции упрощаются, следовательно, количество блоков убывает. График коэффициента декомпозиции приведен на рисунке 10.
Рисунок 10 – График коэффициента декомпозиции
На графике зависимости коэффициента сбалансированности от уровня декомпозиции, существующие пики относительно среднего значения показывают перегруженность подсистем информационной системы на предприятие, коэффициент сбалансированности для диаграммы максимальный. График коэффициента сбалансированности приведен на рисунке 11.
Рисунок 11 - График коэффициента сбалансированности
Данный вид анализа строится на расчете ряда количественных показателей для построенной модели. Необходимо учитывать, что данные оценки во многом субъективны, так как оценивание ведется непосредственно по графическим моделям, а их сложность и уровень детализации определяются многими факторами.
Сложность . Данный показатель характеризует насколько иерархически сложна модель процесса. Численное значение определяется коэффициентом сложности k sl .
k sl = ? ur /? ekz
где? ur -- количество уровней декомпозиции,
Ekz -- количество экземпляров процесса.
Сложность рассматриваемой модели равна:
При k sl <= 0,25 процесс считается сложным. При k sl => 0,66 таковым не считается. Рассматриваемый процесс равен 0,25, что не превышает порог сложности.
Процессность . Данный показатель характеризует, можно ли построенную модель процесса считать сущностной (описывает структуру предметной области в виде набора ее основных объектов, понятий и связей), либо процессной (все экземпляры процессов модели связаны причинно-следственными связями). Другими словами, данный показатель отражает насколько построенная модель некоторой ситуации в компании соответствует определению процесса. Численное значение определяется коэффициентом процессности k pr
k pr = ? raz /? kep
где? raz -- количество «разрывов» (отсутствия причинно-следственных связей) между экземплярами бизнес-процессов,
Процессность равна
Контролируемость . Данный показатель характеризует, насколько эффективно собственники процесса управляют процессами. Численное значение определяется коэффициентом контролируемости k kon
k kon = ? s /? kep
Где? s -- количество собственников,
Kep -- количество экземпляров на одной диаграмме.
Контролируемость равна
При k kon = 1 процесс считается контролируемым.
Ресурсоемкость. Данный показатель характеризует эффективность использования ресурсов для рассматриваемого процесса. Численное значение определяется коэффициентом ресурсоемкости k r
k r = ? r /? out
где? r -- количество ресурсов, задействованных в процессе,
Out -- количество выходов.
Ресурсоемкость равна
Чем ниже значение коэффициента, тем выше значение эффективности использования ресурсов в бизнес-процессе.
При k r < 1 ресурсоемкость считается низкой.
Регулируемость . Данный показатель характеризует, насколько сильно регламентируется процесс. Численное значение определяется коэффициентом регулируемости k reg
где D -- количество имеющейся регламентной документации,
Kep -- количество экземпляров на одной диаграмме
Регулируемость равна
При k reg < 1 регулируемость считается низкой.
Параметры и значения количественных показателей представлены в табл. 7.
Табл. 7. Количественные показатели
Для общей оценки анализируемого процесса вычисляют сумму рассчитанных показателей
K = k sl + k pr + k kon + k r + k reg
Сумма показателей равна
K = 0,1875 + 0, 25 + 0,9375 + 0,273 + 0,937 = 2,585
Рассчитанное значение удовлетворяет условию К > 1. При K > 2,86 процесс считается заведомо неэффективным. При 1 < K < 2,86 процесс частично эффективен.
Для проведения количественного анализа диаграмм перечислим показатели модели:
· количество блоков на диаграмме – N;
· уровень декомпозиции диаграммы – L;
· сбалансированность диаграммы – В;
· число стрелок, соединяющихся с блоком, – А.
Данный набор факторов относится к каждой диаграмме модели. Далее будут перечислены рекомендации по желательным значениям факторов диаграммы.
Необходимо стремиться к тому, чтобы количество блоков на диаграммах нижних уровней было бы ниже количества блоков на родительских диаграммах, т. е. с увеличением уровня декомпозиции убывал бы коэффициент . Таким образом, убывание этого коэффициента говорит о том, что по мере декомпозиции модели функции должны упрощаться, следовательно, количество блоков должно убывать.
Диаграммы должны быть сбалансированы. Это означает, что в рамках одной диаграммы не должно происходить ситуации, когда у работы входящих стрелок и стрелок управления значительно больше, чем выходящих. Следует отметить, что данная рекомендация может не соблюдаться для производственных процессов, которые подразумевают получение готового продукта из большого количества составляющих (выпуск узла машины, выпуск продовольственного изделия и другие). Например, при описании процедуры сборки в блок может входить множество стрелок, описывающих компоненты изделия, а выходить одна стрелка – готовое изделие.
Введем коэффициент сбалансированности диаграммы:
Желательно, чтобы коэффициент сбалансированности был минимален для диаграммы, а в модели был постоянен.
Кроме оценки качества диаграмм в модели и в целом самой модели по коэффициентам сбалансированности и декомпозиции можно провести анализ и оптимизацию описанных бизнес–процессов. Физический смысл коэффициента сбалансированности определяется количеством стрелок, соединенных с блоком, и соответственно его можно интерпретировать как оценочный коэффициент по количеству обрабатываемых и получаемых конкретным подразделением или сотрудником документов и должностных функций. Таким образом, на графиках зависимости коэффициента сбалансированности от уровня декомпозиции существующие пики относительно среднего значения показывают перегруженность и недогруженность сотрудников на предприятии, так как различные уровни декомпозиции описывают деятельность различных подразделений или сотрудников предприятия. Соответственно, если на графиках реальных бизнес–процессов имеются пики, то аналитик может выдать ряд рекомендаций по оптимизации описанных бизнес–процессов: распределению выполняемых функций, обработке документов и информации, введению дополнительных коэффициентов при оплате труда сотрудников.
Проведем количественный анализ моделей, изображенных на рисунках 12 и 13, согласно вышеописанной методике. Рассмотрим поведение коэффициента у этих моделей. У родительской диаграммы «Обработка запроса клиента» коэффициент равен 4/2 = 2, а диаграммы декомпозиции 3/3 = 1. Значение коэффициента убывает, что говорит об упрощении описания функций с понижением уровня модели.
Рассмотрим изменение коэффициента К b у двух вариантов моделей.
Для первого варианта, изображенного на рисунке 20,
для второго варианта
Коэффициент К b не меняет своего значения, следовательно, сбалансированность диаграммы не меняется.
Будем считать, что уровень декомпозиции рассмотренных диаграмм достаточен для отражения цели моделирования, и на диаграммах нижнего уровня в качестве наименований работ используются элементарные функции (с точки зрения пользователя системы).
Подводя итоги рассмотренного примера необходимо отметить важность рассмотрения нескольких вариантов диаграмм при моделировании системы. Такие варианты могут возникать при корректировке диаграмм, как это было сделано с «Обработкой запроса клиента» или при создании альтернативных реализаций функций системы (декомпозиция работы «Изменение БД»). Рассмотрение вариантов позволяет выбрать наилучший и включить его в пакет диаграмм для дальнейшего рассмотрения.
Нажав на кнопку "Скачать архив", вы скачаете нужный вам файл совершенно бесплатно.
Перед скачиванием данного файла вспомните о тех хороших рефератах, контрольных, курсовых, дипломных работах, статьях и других документах, которые лежат невостребованными в вашем компьютере. Это ваш труд, он должен участвовать в развитии общества и приносить пользу людям. Найдите эти работы и отправьте в базу знаний.
Мы и все студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будем вам очень благодарны.
Чтобы скачать архив с документом, в поле, расположенное ниже, впишите пятизначное число и нажмите кнопку "Скачать архив"
Подобные документы
Задачи, функции и структура филиала университета. Оценка информационных потоков и UML-моделирование. Анализ структуры информационной системы и системы навигации. Проектирование базы данных, физическая реализация и тестирование информационной системы.
дипломная работа , добавлен 21.01.2012
Проектирование модели информационной системы "Гостиница" в стандарте IDEF0. Разработка диаграммы потоков данных (Data Flow Diagramming), предназначенной для описания документооборота и обработки информации. Создание диаграммы декомпозиции в нотации IDEF3.
курсовая работа , добавлен 14.12.2012
Анализ структуры и управления предприятием. Функции, виды деятельности, организационная и информационная модели предприятия, оценка уровня автоматизации. Перспективы развития автоматизированных систем обработки информации и управления на предприятии.
отчет по практике , добавлен 10.09.2012
Создание автоматизированной системы учета заказов и их выполнения в строительной фирме по ремонту квартир. Общие требования к информационной системе. Проектирование структуры базы данных. Построение ER-диаграммы. Реализация информационной системы.
курсовая работа , добавлен 24.03.2014
Разработка концептуальной модели системы обработки информации для узла коммутации сообщений. Построение структурной и функциональной блок-схем системы. Программирование модели на языке GPSS/PC. Анализ экономической эффективности результатов моделирования.
курсовая работа , добавлен 04.03.2015
Разработка программного обеспечения для ввода, хранения, редактирования и получения информации по материалам, клиентам, заказам, учету затрат и доходов строительной фирмы. Изучение предметной области; построение диаграммы потоков данных, структуры базы.
курсовая работа , добавлен 21.09.2015
Описание особенностей функционирования магазина. Проектирование системы: инфологическое моделирование и построение диаграммы потоков данных. Моделирование и программная реализация информационной системы. Проектирование пользовательского интерфейса.
курсовая работа , добавлен 18.02.2013
Качественные и количественные методы представляют собой инструмент определенной работы с данными, их фиксации и последующего анализа.
Качественные методы нацелены на сбор качественных данных и их последующий качественный анализ с применением соответствующих техник и приемов извлечения смысла; количественные методы являются инструментом сбора числовых данных и их последующего количественного анализа приемами математической статистики (рис. 3.1).
Рис. 3.1.
Соответственно, качественные исследования можно определить как исследования, в которых преимущественно используются качественные методы, а количественные - как исследования, построенные на преимущественном применении количественных методов.
Кажется очевидным определять тип исследования по соответствующему типу методов. Однако не все авторы подобным образом определяют качественные и количественные исследования, и в методологической литературе можно встретить их различные трактовки. Действительно, ряд авторов (см., например: Семенова, 1998; Страусс, Корбин, 2007) характеризует качественные исследования как такие, в которых применяются неколичественные методы сбора данных, а анализ данных осуществляется при помощи различных качественных интерпретативных процедур, без привлечения подсчетов и методов математической статистики. В других пособиях, посвященных качественным исследованиям (самое известное среди них: Handbook of Qualitative Research..., 2008), наряду с исключительно качественными (феноменологическим, дискурс-аналитическим, нарративным, психоаналитическим) методами анализируется так называемая Q-методология, в которой происходит сбор числовых данных и их количественный анализ. Обычно Q-методологию противопоставляют «R-мето- дологии». В R-методологии используются объективные показатели тестов, опросников, оценочных шкал, в которых отражены конструкты, созданные самим исследователем, - именно такие объективные показатели подвергаются в R-методологии процедуре математической обработки (например, с использованием процедур факторного анализа). Q-методология, в свою очередь, направлена на получение субъективных данных. Ее основу составляет процедура Q-сортировки: исследуемым предлагается сортировать некоторый набор утверждений (как правило, полученный от них же самих в результате специальной процедуры опроса или интервью), осуществляя распределение этих утверждений вдоль заранее организованного континуума, заданного некоторой шкалой. Исследуемые сортируют утверждения в соответствии с их собственной субъективной оценкой, и в дальнейшем матрица этих субъективных оценок подвергается обработке методами многомерной статистики. Как уже было сказано, процедуры Q-методологии включены в пособия по качественным исследованиям, несмотря на то что они предполагают получение количественных данных и применение статистических методов. Авторы полагают, что Q-методология представляет собой одну из возможных альтернатив основным «объективным» психологическим исследованиям, а поскольку считается, что именно направление качественных исследований воплощает дух познавательных альтернатив, базирующуюся на количественных методах Q-методологию обсуждают в контексте качественных исследований.
Как можно видеть, трактовка качественных и количественных исследований не всегда строго привязана к используемым в исследованиях типам методов. Очень часто в качестве конститутивного признака разделения качественных и количественных исследований выступают особенности организации исследования. Проблема выделения различных типов исследований с точки зрения их организации будет рассмотрена в следующем параграфе. Во избежание путаницы здесь мы предлагаем остановиться на данном в начале параграфа методическом определении качественных и количественных исследований как построенных на преимущественном применении определенного типа методов. Качественные исследования в основном имеют дело с качественными данными и качественными же способами их анализа, количественные исследования - с количественными данными и их количественным анализом.
