Specializētas datu apstrādes tehnoloģijas

1. Modulis: Datu apstrādes metodoloģijas Priekšmets: Specializētas datu apstrādes tehnoloģijas Prof. Leonīds Novickis LDP prof. grupas vadītājs

2. Modulis: Datu apstrādes metodoloģijasPriekšmets: Specializētas datu apstrādes tehnoloģijas Uzdevumi: • Apgūt specializēto datu apstrādes metodiku, kura balstās uz grafu modeļu kopu; • Spēt veikt problēmapgabala pirmsprojekta analīzi; • Spēt izstrādāt problēmapgabala informacionālo modeļi; "Specializētas datu apstrādes tehnoloģijas"

3. Modulis: Datu apstrādes metodoloģijasPriekšmets: Specializētas datu apstrādes tehnoloģijas Priekšzināšanas: • Grafu modeļi • DB struktūras E-R modelis • Problēmapgabala pirmsprojekta analīze ar “Business System Planning” (BSP) metodi • DB kanoniskā struktūra • Ievads LIS Tehnoloģijā • Kopu teorijas operācijas "Specializētas datu apstrādes tehnoloģijas"

4. Datu bāzes projektēšanas process • problēmapgabala pirmsprojekta analīze; • problēmapgabala informacionāla modeļa izstrādāšana; • DB kanoniskas struktūras veidošana; • DB racionālas loģiskās struktūras veidošana; • optimālas loģiskās struktūras veidošana; • optimālas fiziskās struktūras veidošana. Nav atkarīgi no datu modeļiem (relācijas, hierarhiskās vai tīklveida), un no Datu Bāzu Vadības Sistēmām (DBVS) "Specializētas datu apstrādes tehnoloģijas"

5. Terminu un jēdzienu skaidrojums (1) • «Informacionālais elements» - vismazākā, loģiski nedalāmā datu daļa, kura pieļauj neatkarīgu griešanos pie sevis. • Datu grupa - informacionālo elementu kopums ar vārdiem kāda ieraksta iekšpusē. Ir 2 grupu veidi: • Vektori- viendimensiju informacionālo elementu virkne, kuriem ir identiski raksturojumi • Grupas, kuras atkārtojas- informacionālo elementu kopums, kurš var vairākkārt parādīties ieraksta eksemplāra iekšpusē • Grupas apraksta kādu priekšmeta apgabala būtību, par kuru lietotājs gribēja iegūt informāciju, bet informācionālie elementi sastāda informacionālo grupas saturu un grupas saturu pēc jēgas (nozīmes). "Specializētas datu apstrādes tehnoloģijas"

6. Terminu un jēdzienu skaidrojums (2) • PJ struktūras elements - grupa vai informacionālais elements. • Korteža- informacionālo elementu grupas savstarpēji saistītu vērtību sakārtota kopa. • Grupas atslēga - informacionālais elements, kura vērtību viennozīmīgi identificē informacionālā elementa korteži, kuri ietilpst vienā grupā ar to. • Grupas atribūts - informacionālais elements, kurš nav grupas atslēga. • PJ modelis- informacionālo struktūru grafu un matricveida komplekss, kurš ļauj izdalīt informacionālos elementus un datu grupas, ļauj atrast un likvidēt liekos elementus un saites, kā arī noteikt atslēgvārdus un no tā atkarīgos atribūtus. • DB kanoniskā struktūra - PJ struktūras apkopotais grafs, kurš tiek formēts kā lietotāju informacionālo struktūru grafu apvienojums un ir invariants DB ievades un apkalpošanas programmu un aparātu līdzekļiem. DB kanoniskā struktūra nesatur liekus informacionālos elementus un savstarpējās saistes un attēlo lietotāju uzdotās datu kopas iekšējo struktūru. "Specializētas datu apstrādes tehnoloģijas"

7. Plānošana un pirmsplānošanas analīze(1) • Bizness-sistēmu plānošanas metode (BSP metode), kura ir projektēšanas metode «no augšas uz leju» • BPS metode paredz, ka «informacionālās sistēmas plāns atbalsta (uztur) noteiktu darbību un to ir jāizstrādā no augšējā līmeņa vadības personāla viedokļa un ar tā līdzdalību» (Business System Planning, IBM Corporation, 1975). • BPS metode izskata datus kā informacionālu resursu, kuru nepieciešams vadīt tadā pašā veidā, kā jebkurus citus sistēmas resursus. • Organizācijā izmantojamie dati izmainās ievērojami lēnāk, salīdzinot ar apstrādes procedūrām. Tādēļ projektēšanas process ir elastīgāks attiecībā pret datiem nevis attiecībā pret apstrādes procedūrām. "Specializētas datu apstrādes tehnoloģijas"

8. Plānošana un pirmsplānošanas analīze(2) • Paplašinātā BSP metode (Diehr, 1989): • informacionālās sistēmas projektēšana praksē ir ne tikai metode «no augšas uz leju». Tai ir jāatbilst arī pieejai «no apakšas uz augšu» tādēļ, ka parasti organizācijai jau ir DAS un DB. • Paplašinātās BSP metodesposmi: • Vides identifikācija 1.1. ārējās vides identifikācija 1.2. iekšējās vides identifikācija • Darbības plānošana • Organizācijas darbības analīze • Datu analīze "Specializētas datu apstrādes tehnoloģijas"

9. 1. posms. Vides identifikācija • Dotajā plānošanas stadijā tiek noteikti faktori, kuri nosaka vidi, kuras iekšienē ir jārealizējas organizācijas darbībai dotajā momentā un tuvākajā nākotnē. • Etapu var sadalīt divos apakšetapos: • ārējās vides identifikācija; Piemēram, ārējā vide ietver sevī ministrijas, Saeimas komisijas, likumus un LR nolikumus u.c. - iekšējās vides identifikācija. Iekšējā vide ietver sevī departamenta darbiniekus, departamenta amata instrukcijas, izmantojamos informācijas apstrādes līdzekļus u.c. "Specializētas datu apstrādes tehnoloģijas"

10. 2. posms. Darbības plānošana • Otrajā etapā formējas biznes-plāns, uz kura balstoties tiek veikta organizācijas darbības vadība tagad un nākotnē. • Biznes-plāns nosaka mērķus, stratēģijas, nepieciešamos resursus, realizācijas metodes un ierobežojumus organizācijai 1. etapā noteiktās vides ietvaros. • Vēlams, lai biznes-plāns ņemtu vērā galvenos momentus, kuri nepieciešami DB realizācijai, un lai tas būtu saistīts ar organizācijas stratēģiskiem un taktiskiem mērķiem kopumā. • Ja organizācijā jau eksistē citas sistēmas, tad jānosaka to iespējas un gaidāmais efekts no projektējamo DB ieviešanas. "Specializētas datu apstrādes tehnoloģijas"

11. 3. posms. Organizācijas darbības analīze • Detalizētu DB plānu var izstrādāt balstoties uz to funkciju un apakšfunkciju analīzi, kuras izpilda organizācija tagad un izpildīs arī tuvākajā nākotnē. • Šajā etapā tiek noteikta arī informācija, kura nepieciešama, lai realizētu šīs funkcijas. • Projektēšanā «no apakšas uz augšu» galvenās organizācijas izpildāmās funkcijas tiek noteiktas tās struktūras analīzes izpildes gaitā. • Pēc tam tiek izdalīti procesi, kuri izpildās katras funkcijas realizācijas gaitā. Procesi tālāk ir sadalīti darbību kopumā. • Analīzes rezultāti tiek attēloti tabulas formā (tā saucamā biznes-tabula), kuru tālāk lieto būtības un saišu identifikācijai projektējot DB. "Specializētas datu apstrādes tehnoloģijas"

12. 4. posms. Datu analīze • Šī posma mērķis ir organizācijas informacionālā modeļa izstrādāšana, datu sadalīšanas shēmas un DB izstrādāšanas plāna izveidošana. • Informacionālais modelis tiek izstrādāts balstoties uz biznes-tabulu, nosakot būtības (cilvēki, notikumi vai objekti, dati par kuriem tiek fiksēti projektējamā DB) un saites starp tām. • Par papildus informācijas avotu tiek izmantoti visi iespējamie dokumenti un atskaites, arī dažādu kategoriju turpmāko DB lietotāju informacionālās prasības, kuras atspoguļo stratēģisko, taktisko un operacionālo vadības līmeni. Ar informacionālām prasībām tiek saprasti dati, kuri nepieciešami konkrētam lietotājam, lai pieņemtu kaut kādu lēmumu vai veiktu kaut kādu darbību. Lietotāja tipu, kurš pieder noteiktam vadības līmenim, nosaka nepieciešamo datu tips. Šo līmeņu lietotāju informacionālo prasību atšķirības tiek noteiktas sekojoši: - dažāds datu detalizācijas un agregācijas līmenis; - datu avota dažādība (iekšējie vai ārējie); - retrospektīvo datu nepieciešamība. "Specializētas datu apstrādes tehnoloģijas"

13. Atšķirības lietotāju informacionālajās prasībās Augstākā līmeņa menedžments (stratēģiskais) dažādu vadības lēmumu pieņemšanai nepieciešami augsta līmeņa agregācijas dati ar tekošu un arī ar retrospektīvu raksturu, kuri izriet gan no iekšējiem, gan no ārējiem informācijas avotiem. Stratēģiskā menedžmenta līmenis (piemēram, ministriju vadītāji) nepieciešams, lai būtu pilnīgs priekštats par organizācijas darbību. Šeit tiek noteikti apakšvienību uzdevumi un mērķi balstoties uz informāciju no ārienes (piemēram, likumiem un lēmumiem). Vidējā līmeņa menedžments retrospektīvie dati un informācija no ārējiem informācijas avotiem ir mazāk nepieciešami, taču tam ir nepieciešami augstākā detalizācijas līmeņa dati. notiek darbības plānojamo un reālo rādītāju atbilstības pārbaude un nepieciešamības gadījumā arī plāna koriģēšana. Operacionālais vadības līmenis galvenokārt izmanto tekošos datus, kuri iegūti no iekšējiem informācijas avotiem. Operacionālā līmeņa darbinieki (piemēram, ierēdni) ir koncentrēti uz konkrētu uzdevumu risināšanu. Taktiskā menedžmenta līmenis (piemēram, departamentu vadītāji) • Tā kā lietotāju prasības, kuri atrodas dažādos vadības līmeņos pēc informācijas ir dažādas, tad bieži uzņemumam ir neracionāli veidot vienu DB. "Specializētas datu apstrādes tehnoloģijas"

14. Datu vārdnīca • Pamatojoties uz bizness-tabulas, dokumentu un visu vadības līmeņu dažadu kategoriju lietotāju informacionālo prasību analīzi, tiek formēta datu vārdnīca. • Dotajā etapā tai ir jāsatur katru datu nosaukums un to apraksts. • Datu vārdnīca tiek pārbaudīta arī uz tajā ietilpstošo objektu sinonimitāti vai amonimitāti. • Turpmākos projektēšanas etapos datu vārdnīca var tikt paplašināta ar jauniem datiem. • Katru datu apraksts arī tiks papildināts ar tipa norādi (simboliskie, loģiskie, utt), iespējamo vērtību intervālu un lauka izmēru "Specializētas datu apstrādes tehnoloģijas"

15. Uzņēmuma datu modeļa izveidošana • ir galvenais etaps DB plāna izstrādāšanā. • DB izstrādāšanas gaitā uzņēmuma datu modelis izpilda trīs svarīgas funkcijas: • nodrošina kopēju un integrētu uzskatu par būtību un datiem; • ļauj analizēt un ilustrēt to, vai būs nepieciešams dalīt datus starp vairākām DB. Ja nepieciešams, tad kā jānotiek šai dalīšanai; • nodrošina tādu datu struktūru krustojošos kontroli, kura tiek izstrādāta turpmākās projektēšanas detalizējamo fāzu gaitā. • Otrais DB analīzes etapa solis - datu sadalīšanas plāna izstrādāšana, kurš nepieciešams vairākumam operāciju. Datu sadalīšanas plāns balstās uz uzņēmuma datu modeļa informācijas un parāda kā tiks sadalīti dati starp dažādām DB. • Trešais DB analīzes etapa solis - realizācijas plāna izstrādāšana, kurš nosaka dažādu DB izstrādāšanas stadiju prioritātes un sarakstu. "Specializētas datu apstrādes tehnoloģijas"

16. Plānošana un pirmsplānošanas analīze. Secinājumi • Augstāk aprakstītā metode ir projektēšanas process «no augšas uz leju», jo tas tiek uzsākts ar organizācijas stratēģisko un taktisko mērķu apzināšanu un to darbu saraksta noteikšanu, kurus nepieciešmas veikt mērķa sasniegšanai. Tālāk tiek izstrādāts tāds DB organizācijas veids, kurš savukārt atbidīs uzstādītajiem mērķiem. • Metode ietver sevī: - datu modeli, kurš atspoguļo organizācijas galvenās būtības un saites starp tām; - datu sadalīšanas plānu; - realizācijas plānu. • Projektēšanu no «no augšas uz apakšu» parasti ir jāpapildina ar projektēšanu «no apakšas uz augšu». Tāda procesu «no augšas uz apakšu» un «no apakšas uz augšu» apvienošana, kura orientēta uz datiem, ļauj projektēt DB, kura var apmierināt organizācijas informacionālās prasības tagad un arī nākotnē. • Lai formalizētu izstrādāto organizācijas informacionālo modeli pirmsprojekta stadijā, tiek izmantota attēlošana matricu veidā. "Specializētas datu apstrādes tehnoloģijas"

17. INFORMACIONĀLO STRUKTŪRU ANALĪZE UN DATU BĀZU KANONISKAS STRUKTŪRAS FORMEŠĀNAS METODES • Lietotāju informacionālo prasību analīzes procedūra un informacionālo struktūru grafu formēšana "Specializētas datu apstrādes tehnoloģijas"

18. Lietotāju informacionālas prasības Sk attēlot Semantiskas saistības matricas Bk un grafi Gk formēta no Bk un ceļu matricas Bk(n) Semantiskas sasniedzamības matricas Ak dod iespēju noteikt Precedentu un sasniedzamības kopas Ck un Fk kopas Ck analīze dod iespēju izdalīt Informacionālu elementu kopas Dkf; grupas kopas Dkg sakārtot grupas pa hierarhijas līmeņiem Grupu līmeni P1, P2, ... ir iespēja noteikt Grupu informacionālie sastāvi H(dig) izdalīt dublējamo elementu kopu un atrast liekas saites Hij = H(dig) H(djg) izveidot Strukturizēto matricu Bkc un attiecīgo grafu Gkc "Specializētas datu apstrādes tehnoloģijas"

19. Procedūras izejas dati • S={Sk} - informacionālo prasību kopa, ko formē priekšmeta jomas (PJ) eksperti (k=1,2,…,p, p - informacionālo prasību skaits); • Dk - struktūrelementu kopa informacionālā prasībā Sk; • D - visu PJ struktūrelementu kopa. "Specializētas datu apstrādes tehnoloģijas"

20. Semantiskās saistības matricas • Katra informacionālā prasība Sk tiek attēlota semantiskās saistības matricas Bk=llbijkll veidā. • Informacionālas prasības Sk semantiskās saistības matrica Bk ir kvadrātveida bināra matrica: • Atbilstoši matricai Bk tiek veidots orientēts grafs Gk(Dk,Uk), kurā virsotnes ir kopas Dk struktūrelementi, bet loki atbilst tādiem matricas Bk elementiem, kuru vērtība ir bijk=1. "Specializētas datu apstrādes tehnoloģijas"

21. Piemērs • Uzskatīsim, ka balstoties uz PJ analīzi, eksperti ir noformējuši četras informacionālās prasības: S1, S2, S3, S4. • No informacionālām prasībām tika izdalīti 20 struktūrelementi: • d1 - civiliestāde; • d2 - civiliestādes kods; • d3 - civiliestādes nosaukums; • d4 - departaments (patstāvīgā nodaļa); • d5 - pakļautība; • d6 - departamenta (patstāvīgās nodaļas) kods; • d7 - intelektuālā līmeņa kategorija; • d8 - intelektuālā līmeņa kategorijas grupas numurs; • d9 - darbinieku (ierēdņu) skaits intelektuālā līmeņa kategorijas grupā; • d10 - struktūrvienība; • d11 - struktūrvienība kods; • d12 - struktūrvienības nosaukums: • d13 - darbinieku (ierēdņu) skaits struktūrvienībā; • d14 - darbinieks (ierēdnis); • d15 - reģistra numurs; • d16 - darbinieka (ierēdņa) vārds un uzvārds; • d17 - kvalifikācijas izmaiņas; • d18 - kvalifikācijas izmaiņas pazīmes kods; • d19 - datums; • d20 - ziņas par darbinieku. • Savukārt informācija par to savstarpējām attiecībām tika noformēta matricas Bk veidā. "Specializētas datu apstrādes tehnoloģijas"

22. Piemērs (turp.) Informacionāla prasība S1 • D1={d1, d2, d3, d4, d5, d6, d7, d8, d9} - struktūrelementu komplekts, kas ietilpst prasībā S1. Orientētais grafs G1(D1,U1), kas atbilst B1 matricai Matrica B1 "Specializētas datu apstrādes tehnoloģijas"

23. Piemērs (turp.) Informacionāla prasība S2 • D2={d1,d2,d3,d10,d11,d12,d13} – struktūrelementu komplekts, kas ietilpst prasībā S2. Orientētais grafs G2(D2,U2), kas atbilst matricai B2 Matrica B2 "Specializētas datu apstrādes tehnoloģijas"

24. Piemērs (turp.) Informacionāla prasība S3 • D3={d1,d2,d3,d10,d11,d14,d15,d16,} – struktūrelementu komplekts, kas ietilpst prasībā S3 Orientētais grafs G3(D3,U3), kas atbilst matricai B3 Matrica B3 "Specializētas datu apstrādes tehnoloģijas"

25. Piemērs (turp.) Informacionāla prasība S4 • D4={d1,d2,d3,d4,d5,d6,d7,d8,d17,d18,d19,d20} – struktūrelementu komplekts, kas ietilpst prasībā S4 Matrica B4 Orientētais grafs G4(D4,U4), kas atbilst matricai B4 "Specializētas datu apstrādes tehnoloģijas"

26. Semantiskās sasniedzamības matrica (1) • Lai izdalītu informacionālo elementu grupas savstarpējās saites starp struktūrelementiem un noteiktu to sastāvu, izmantojot matricu Bk, tiek formēta semantiskās sasniedzamības matrica Ak=aijk, ar kuru tiek saprasta kvadrātveida bināra matrica, kas ir indeksēta pa rindiņām un kolonām visiem kopas Dk elementiem. di, djЄ Dk. • Elements dj semantiski sasniedzams no elementa di, ja grafā Gk eksistē ceļš no virsotnes di uz virsotni dj. "Specializētas datu apstrādes tehnoloģijas"

27. Semantiskās sasniedzamības matrica (2) • Pieņemsim, ka attiecība R0 apmierina tranzitivitātes nosacījumu, t.i., ja diR0dn un dnR0dj, tad diR0dj, i,j,n=1 ,2,...,Lk • Lk - struktūrelementu skaits prasībā Sk. • Matrica Ak tiek formēta no saistību matricas Bk elementiem un ceļu matricas Bk(n) elementiem, kur n=2,3,...,Lk-1. Ceļu matrica Bk(n) ir kvadrātveida matrica, ko iegūst no sākotnējās saistību matricas Bk, kāpinot to n-tajā pakāpē. Matricas elements ar vērtību bijk(n) >= 1 nozīmē ceļa ar garumu n esamību no elementa di līdz elementam dj grafā Gk(Dk,Uk). Kārtējās ceļu matricas elementi tiek izskaitļoti pec formulas: "Specializētas datu apstrādes tehnoloģijas"

28. Semantiskās sasniedzamības matrica (3) • Kāpināšana pakāpē tiek realizēta pakāpeniski, sākot no Bk2, un tiek pārtraukta tad, kad pēc kārtējās kāpināšanas visi elementi iegūtajā ceļu matricā ir vienādi ar 0. Pēc tam tiek formēta semantiskās sasniedzamības matrica Ak=aijk, kuras elementu vērtības tiek noteiktas pēc formulas: • Tas nozīmē, ka visi elementi saskotnējā matricā Bk un visu iegūto ceļu matricu Bk(n) elementi, kas ir atšķirīgi no 0, tiek ievietoti matricā Ak ar vērtību aijk=1. "Specializētas datu apstrādes tehnoloģijas"

29. Piemērs. Matricas A2 veidošana, kas atbilst S2 • Sākotnējā saistības matrica B2 ir : Sasniedzamības matrica A2 "Specializētas datu apstrādes tehnoloģijas"

30. Sasniedzamības matricas A1, A3 un A4 • Analoģiski tiek veidotas matricas A1, A3 un A4: Sasniedzamības matrica A1 Sasniedzamības matrica A3 Sasniedzamības matrica A4 "Specializētas datu apstrādes tehnoloģijas"

31. Precedentu un sasniedzamības kopas • Matrica Ak dod iespēju noteikt precedentu Ck(di) un sasniedzamības Fk(di), kopas, diDk. Kopa Ck(di) tiek formēta no matricas Ak elementiem, kas atbilst i-tās kolonnas ierakstiem ar vērtību 1, bet kopa Fk(di) - no elementiem, kas atbilst matricas Ak i-tās rindiņas ierakstiem ar vērtību 1. "Specializētas datu apstrādes tehnoloģijas"

32. Piemērs. Precedentu un sasniedzamības kopas • Mūsu piemērā var noteikt sekojošas kopas: "Specializētas datu apstrādes tehnoloģijas"

33. Informacionālie elementi un grupas • Kopas Ck(di) analīze dot iespēju izdalīt informacionālos elementus un grupas. Informacionāliem elementiem atbilst tie struktūrelementi, kuriem Ck(di) = . Grafa Gk tiem atbilst “karājošās” virsotnes. • Informacionālo elementu kopu apzīmēsim kā Dkf, un grupas kopu kā Dkg. Grupas kopa Dkg tiek noteikta no izteiksmes Dkg = Dk\Dkf. • Mūsu piemērā: "Specializētas datu apstrādes tehnoloģijas"

34. Apakšmatricas • Lai sakārtotu grupas pa hierarhijas līmeņiem, matricā Ak tiek izdalīta apakšmatrica Akg=aijkg, kur ieraksts aijkg =1 apzīmē saišu esamību starp grupām dig un djg, kur dig, djgDkg. Pie tam aijkg =1 , t.i., tiek uzskatīts, ka grupa ir sasniedzama pati no sevis. • Tātad mūsu informacionālajām prasībām iegūstam sekojošas apakšmatricas: • Piezīme: vieninieki matricas galvenajā diagonālē atbilst cilpu virsotnei grafā. No DB projektēšanas viedokļa šīm cilpu virsotnēm nav nozīmes, tādēļ grafos tās nav atzīmētas. S3 S1 S4 S2 "Specializētas datu apstrādes tehnoloģijas"

35. Grupa digDk pieder virsējā līmeņa P1 grupu kopai, ja F(dig)C(dig)=F(dig) • Pamatojoties uz šo nosacījumu, vienā un tajā pašā līmenī jebkuras divas grupas vai nu nav saistītas viena ar otru, vai arī starp tām pastāv divpusējas saites ( cikli ). • Nosacījums F(dig)C(dig)=F(dig) nodrošina to, ka visas saites no grupas dig uz citām grupām atrodas tajā pašā līmenī, kur grupa dig. Tajā pašā laikā visas saites no citām grupām uz dig atrodas vai nu tajā pašā, vai arī zemākā līmenī. Dotais nosacījums ļauj, izmantojot sasniedzamības submatricu Akg, sadalīt grupas Dkg kopu apakškopās atbilstoši to izvietojuma līmeņiem Pm, m=1,M0. Grupas, kas pieder līmenim Pm un kurām m≥2, tiek noteiktas iteratīvā veidā no izteiksmes "Specializētas datu apstrādes tehnoloģijas"

36. Piemērs. Prasība S1 "Specializētas datu apstrādes tehnoloģijas"

37. Piemērs. Prasība S2 "Specializētas datu apstrādes tehnoloģijas"

38. Piemērs. Prasība S3 "Specializētas datu apstrādes tehnoloģijas"

39. Piemērs. Prasība S4 "Specializētas datu apstrādes tehnoloģijas"

40. Grupu līmeņi "Specializētas datu apstrādes tehnoloģijas"

41. Grupu informacionālais sastāvs • Tālāk nepieciešams noteikt grupu informacionālo sastāvu H(dig). • Lai to veiktu, no sākotnējās saistību Bk matricas jāizdzēš ieraksti ar bijk=1, kur i,j - atbilst elementiem dig, djgDkg. • Tādējādi tiek sarautas saites starp informacionālo elementu grupām. • Grupā tiks ietverti matricas Bk informacionālie elementi, kam bijk=1, diDkf atbilstošajai kolonnai djgDkg, t.i., H(djg)={di|bijk=1, diDkf} - grupas informacionālais sastāvs. "Specializētas datu apstrādes tehnoloģijas"

42. Piemērs. Grupu informacionālais sastāvs "Specializētas datu apstrādes tehnoloģijas"

43. Dublējamo elementu kopasizdalīšana • Lai panāktu minimālu lieki glabājamo datu daudzumu, nepieciešams izdalīt dublējamo elementu kopu. • Divas grupas dig un djg uzskatīsim par semantiski neatkarīgām, ja H(dig)∩H(djg)=, pretējā gadījumā grupas skaitās semantiski saistītas. • Informacionālais elements diDkf dublējas grupās dig un djg, ja diHij=H(dig)∩H(djg). • Analoģiski tiek noteikta dublējošos elementu esamība trīs, četrās utt. grupās. • Informacionālajās struktūrās, kas atbilst prasībam S1, S2, S3, dublējošos elementu nav. • Informacionālajā struktūrā S4 ir dublējošais elements {d19}=H(d1g)∩H(d4g)∩H(d7g)∩H(d17g). "Specializētas datu apstrādes tehnoloģijas"

44. Dublējamo elementu izslēgšana • Lai noteiktu, vai ir iespējams izslēgt dublējošo elementu d19 no grupas, nepieciešams analizēt pieejas ceļus starp tiem. Šim nolūkam tiek aplūkota submatrica A4g: • Dublējošos elementu izslēgšana var tikt realizēta jebkurā no izdalītajām saistītajām grupām. Ja nav ierobežojumu grupu izvēlē, tad dublējošies elementi tiek izslēgti zemāk stāvošo līmeņu grupās, bet vienīgais elements paliek augstākā līmeņa grupā. "Specializētas datu apstrādes tehnoloģijas"

45. Dublējamo elementu izslēgšana • Izslēdzot dublējošos elementus, kas parādās grafā G(Dk,Uk), tiek izslēgtas savstarpējās saites, kas ved uz grupām, no kurām izslēgts apskatāmais elements. Informacionālajai prasībai S4 dublējošo elementu d19 var dzēst no grupām dl un d4, bet atstāt to grupā d7, tā kā grupas dl, d4, d7 atrodas uz viena pieejas ceļa. • Starp grupām d17 un dl, d4, d7 nav pieejas ceļa, tādēļ elementam d19 ir jābūt grupā d17. Grafā G4(D4,U4) tiek dzēsti loki (d19,d4) un (d19,d1). • Lietotāja izejas informacionālā struktūrā bez dublējošiem elementiem var būt liekas savstarpējas saites starp grupām. "Specializētas datu apstrādes tehnoloģijas"

46. Liekas savstarpējas saites starp grupām • Lieka savstarpējā saite starp grupu pāri dig un djg eksistē tajā un tikai tajā, gadījumā, ja ir loks (i,j), kurš savieno grupas dig un djg, un ir ceļš, kas iet caur kādu citu grupu kopu. • Loks (i,j) ir lieks un var tikt dzēsts no apskatāmās informacionālās struktūras. • Lieko saišu atrašana starp grupām tiek veikta, analizējot pieejas ceļu matricas starp grupām, kas tiek veidotas no atbilstošajām izejas saistību matricām Bkg, kāpinot tās pakāpēs =2,3,...,Lkg-1 , kur Lkg- maksimālais grupu skaits k-tajā informacionālajā struktūra. • Ceļu matricas Bkg() ir kvadrātveida matricas, bet ieraksti b;jk1, kas atrodas i-tās rindiņas un j-tās kolonnas krustpunktā, apzīmē dažādu ceļu ar garumiem , kas ved no grupas dig uz grupu djg, skaitu. • Ja nepastāv ceļš ar garumu  starp grupām i un j, tas tiek fiksēts ar ierakstu bij =0. Katra no iegūtajām matricām Bkg() tiek salīdzināta ar sākotnējo matricu Bkg. Gadījumā, ja matricā Bkg ir elements bijkg=1 , bet matricā Bkg() - atbilstošais elements 1 , saite (dig,djg) ir lieka. "Specializētas datu apstrādes tehnoloģijas"

47. Piemērs. Lieko savstarpējo saišu dzēšana • Atrasto lieko saišu dzēšanu veic datu bāzu izstrādātājs, ņemot vērā saišu svarīgumu. Konkrētas saites (dig,djg) dzēšanai atbilst elementa bijkg=1 nomaiņa ar elementu bijkg=0. • Informacionālajās struktūrās S1, S2, S3, nepastāv liekas savstarpējas saites. • Apskatīsim struktūru S4: "Specializētas datu apstrādes tehnoloģijas"

48. Piemērs. Lieko savstarpējo saišu dzēšana "Specializētas datu apstrādes tehnoloģijas"

49. Piemērs. Lieko savstarpējo saišu dzēšana • Analīzes rezultātā atrasta vienīgā liekā saite (d7,d1). Izmantojot apskatītās sakārtošanas, dublējošos elementu izslēgšanas un lieko savstarpējo saišu izslēgšanas procedūras, tiek veidota strukturizēta saistību matrica Bkc un tai atbilstošās k-tās informacionālas struktūras Gkc(Dkc ,Ukc ) grafs. "Specializētas datu apstrādes tehnoloģijas"

50. Piemērs. Lieko savstarpējo saišu dzēšana • Matrica Bkc un grafs Gkc nesatur dublējošos elementus datu grupās un liekas savstarpējas saites starp grupām. Informacionālajām prasībām S1, S2, S3 atbilstošās matricas B1c, B2c, B3c sakrīt ar sākotnējām saistību matricām B1, B2, B3. • Informacionālajai prasībai S4 no sākotnējās matricas B4 tiek dzēsti elementi bd19d4=1, bd19d1=1 un bd7d1=1, grafā G4(D4,U4) tiek dzēsti loki (d19,d4), (d19,d1), (d7,d1). "Specializētas datu apstrādes tehnoloģijas"