Файл: Проектирование информационной системы по учету кадров на предприятии в отделе кадров.pdf

Для записи формализованных алгоритмов КлА используются следующие условные обозначения:

– совокупность объектов наблюдения;

– i-е наблюдение в m-мерном пространстве признаков ( );

– расстояние между -м и -м объектами;

– нормированные значения исходных переменных;

– матрица расстояний между объектами.

Для реализации любого метода КлА необходимо ввести понятие «сходство объектов». Причем в процессе классификации в каждый кластер должны попадать объекты, имеющие наибольшее сходство друг с другом с точки зрения наблюдаемых переменных.

Для количественной оценки сходства вводится понятие метрики. Каждый объект описывается -признаками и представлен как точка в -мерном пространстве. Сходство или различие между классифицируемыми объектами устанавливается в зависимости от метрического расстояния между ними. В нашем случае используется евклидово расстояния между объектами:

,
где

d_ij – расстояние между i-ым и j-ым объектами;

x_il, x_jl – значения l-переменной и соответственно у i-го и j-го объектов.

Одним из итеративных методов классификации является метод поиска сгущений. Суть итеративного алгоритма данного метода заключается в применении гиперсферы заданного радиуса, которая перемещается в пространстве классификационных признаков с целью поиска локальных сгущений объектов.

Метод поиска сгущений требует, прежде всего, вычисления матрицы расстояний (или матрицы мер сходства) между объектами и выбора первоначального центра сферы. Обычно на первом шаге центром сферы служит объект (точка), в ближайшей окрестности которого расположено наибольшее число соседей. На основе заданного радиуса сферы (R) определяется совокупность точек, попавших внутрь этой сферы, и для них вычисляются координаты центра (вектор средних значений признаков).

Когда очередной пересчет координат центра сферы приводит к такому же результату, как и на предыдущем шаге, перемещение сферы прекращается, а точки, попавшие в нее, образуют кластер, и из дальнейшего процесса кластеризации исключаются. Перечисленные процедуры повторяются для всех оставшихся точек. Работа алгоритма завершается за конечное число шагов, когда все точки оказываются распределенными по кластерам. Число образовавшихся кластеров заранее неизвестно и сильно зависит от радиуса сферы.

Для оценки устойчивости полученного разбиения целесообразно повторить процесс кластеризации несколько раз для различных значений радиуса сферы, изменяя каждый раз радиус на небольшую величину.

Существуют несколько способов выбора радиуса сферы. Если d_ik – расстояние между l-м и k-м объектами, то в качестве нижней границы радиуса (R_H) выбирают R_H=min{d(X_i,X_k)}, а верхняя граница радиуса R_e может быть определена как R_e=min{d(X_i,X_k)}.

Если начинать работу алгоритма с величины R_H=min{d(X_i,X_k)}+δ и при каждом его повторении изменять δ на небольшую величину, то можно выявить значения радиусов, которые приводят к образованию одного и того же числа кластеров, т.е. к устойчивому разбиению.

Алгоритм выбранного метода показан на диаграмме состояний, изображённой на рисунке 3.4.

Таким образом, для реализации аналитического приложения поиска однородных запросов организации выбран метод кластерного анализа и разработана модель её реализации виде диаграммы состояний.

Рисунок 3.4 – Диаграмма состояний

 Характеристика базы данных

Главное окно при входе в систему автоматически запускается макросом, при помощи вспомогательной виртуальной формы (представления). Оно разделено на две логически зависимые части. В правой его части, главной, находится книги для ввода данных о заказах «Книга регистрации», «Книга общего учета», «Командировочные». «Отчеты» расположены также в правой части формы.

Рассмотрим отношения БД подробнее.

Таблица 3.1

Таблица сущностей

PK – первичный ключ; FK – внешний ключ

Обработка запросов

При разработке приложения с использованием макросов их количество может оказаться очень большим. Поэтому важно хорошо организовать доступ к нужным запросам. Для этого в одном объекте запросе можно объединить несколько запросы. Например, рекомендуется все запросы, связанные с событиями в форме или отчете, объединить в отдельный объект, соответствующий данной форме или отчету. Для того чтобы можно было это сделать, каждый запрос группы должен иметь свое имя, а имя объекта будет являться именем группы запросов.

В данной БД представлены следующие запросы:

1. Поиск сотрудников по фамилии, табельному номеру или по структурному подразделению.

2. Отпуск – в данном запросе будет просматриваться, какие сотрудники уже были в отпуске.

3. Текучесть кадров – какие сотрудники какого числа были приняты и уволены.

4. Список у которых есть телефон.

5. Структурное подразделение, – какие и сколько работников работает в данном подразделение. Нужное подразделение будет вводиться с клавиатуры вручную.

Таблица 3.2

Примеры запросов БД

Заключение

Заданием являлось разработка системы, которая позволит автоматизировать работу сотрудников отдела кадров организации «Эвен». Система функционирует в локальной сети (серверная часть Pentium IV,3,6 GHZ,512 MB RAM, 200GB RAID, DVD-ROM, 64 Mb SVGA,17, 1024x768 @85 Hz).

База данных разработана для работы под управлением операционной системы Windows ХР или выше, с установленным программным комплексом Microsoft Office 2003, включая Access.

Была проанализирована существующая система учета информационных услуг и составлен проект структуры базы. Также составлены алгоритмы для дальнейшей работы данных.

Проводилось комплексное тестирование разработанной программы. Затем проведена отладка программы в реальных условиях работы, когда с базой данных работают несколько пользователей на разных станциях сети.

Разработанное приложение имеет пользовательский интерфейс. Работоспособность алгоритма кластерного анализа данных проверена на тестовых данных, а также с помощью математического пакета программ MathCAD 2001 Professional. Следовательно, можно сделать вывод, что данное программное средство удовлетворяет двум основным критериям качества – функциональность и надежность.

В заключительном разделе дипломного проекта приведена экономическая обоснованность использования данного программного продукта и дано технико-экономическое обоснование с оценкой экономической эффективности его применения.

Список использованной литературы

1. Гидлевский А.В., Кошкарова Т.В. Комплексная оценка трудности учебного тестового задания//Омский научный вестник. -2010. № 1-85. С. 185-188.

2. Черемных С.В., Моделирование и анализ систем. IDEF-технологии: практикум. – М.: Финансы и статистика, 2006. – 192 с.: ил.

3. Зак Ю.А. Математические методы обработки результатов тестирования квалификации и знаний специалистов и абитуриентов//Информационные технологии. -2010. № 9. С. 57-64.

4. Зубкова Т.М., Технология разработки программного обеспечения: Учебное пособие. – Оренбург: ГОУ ОГУ, 2004. – 101 с.

5. Переверзев В.Ю., Мамонтов Д.Ю. Инновационные формы тестовых заданий для электронной аттестации//Дистанционное и виртуальное обучение. -2009. № 11. С. 15-23.

6. Кулакова Е.С. Некоторые проблемы применения автоматизированных информационных систем в учёте кадров органов внутренних дел российской федерации / Вестник Всероссийского института повышения квалификации сотрудников МВД России. -2012.№ 3 (23). С. 19-24.

7. Коляда В.В., Замотайлова Д.А. Направления автоматизации учета обучающихся по программам подготовки научно-педагогических кадров / В сборнике: Научное обеспечение агропромышленного комплекса Сборник статей по материалам IX Всероссийской конференции молодых ученых. Ответственный за выпуск: А.Г. Кощаев. -2016. С. 266-267.

8. Файзуллина А.А., Пономарева А.А. Автоматизированная система «студенческий отдел кадров»/Международный студенческий научный вестник. -2015. № 1. С. 16.