НЕЧІТКА СИСТЕМА АНАЛІЗУ БІЗНЕС ПРАВИЛ ПРЕДМЕТНОЇ ОБЛАСТІ ПІД ЧАС СТВОРЕННЯ БАЗИ ДАНИХ

О. Д. Фірсов; А. В. Маріщук

doi:10.32782/2521-6643-2024-2-68.6

О. Д. Фірсов Університет митної справи та фінансів https://orcid.org/0000-0002-6528-6447
А. В. Маріщук Дніпровський державний технічний університет https://orcid.org/0009-0005-0599-3093

DOI: https://doi.org/10.32782/2521-6643-2024-2-68.6

Ключові слова: нечітка логіка, бази даних, бізнес-правила, нечіткі системи, програмне забезпечення, аналіз даних, адаптивність, інновації в інформаційних системах, C#, SQL, проектування баз даних.

Анотація

Об’єктом дослідження є процес розробки нечіткої системи для аналізу бізнес-правил при проектуванні баз даних, зокрема використання нечіткої логіки для обробки неповних і невизначених даних у сучасних бізнес-процесах. Метою роботи є розробка нечіткої системи для аналізу бізнес-правил предметної області під час проектування бази даних; розробка відповідного програмного забезпечення засобами мови програмування C#, з використанням баз даних SQL для забезпечення адаптивності та гнучкості системи при роботі з нечіткими даними. Представлено результати аналізу вітчизняної та зарубіжної літератури щодо використання нечіткої логіки в проектуванні баз даних, а також існуючих методів обробки нечітких та неповних даних у бізнес-системах. Огляд включає порівняння різних підходів до застосування нечітких систем у контексті управління даними та проектування баз даних. Розроблено модель нечіткої системи для аналізу та обробки бізнес-правил, встановлено методи інтеграції нечіткої логіки в процес проектування бази даних, представлено результати тестування системи на реальних бізнес-сценаріях для оцінки її ефективності у порівнянні з традиційними підходами. Наведено результати розробки програмного забезпечення засобами мови програмування С#, яке дозволяє здійснювати автоматизацію процесу аналізу бізнес-правил та проектування бази даних із врахуванням нечітких і неповних даних, що підвищує адаптивність та точність системи. В результаті обчислень отримано значення, які можуть бути представлені у вигляді графічних результатів або конкретних числових показників, що вказують на відповідність заданим критеріям чи параметрам. Аналіз результатів здійснюється на основі порівняння отриманих значень з заздалегідь визначеними межами та бізнес-правилами. Це дозволяє виявити аномалії або відхилення від очікуваних значень, а також визначити, наскільки ефективно працює система для кожної конкретної ситуації. Зокрема, для кожної отриманої результатної множини здійснюється перевірка її валідності та точності. Це може включати: оцінку ступеня належності елементів до заданої категорії, визначення найбільш значущих факторів, що впливають на результат, порівняння отриманих результатів з попередніми чи контрольними даними для виявлення змін чи трендів.

Посилання

1. Згуровский М. З. Моделі і методи прийняття рішень за нечітких умов. К.: НВП «Видавництво «Наукова думка» НАН України», 2011. 279 с.
2. Матвійчук А. В. Штучний інтелект в економіці: нейронні мережі, нечітка логіка: Монографія. К.: КНЕУ, 2011. 439 с.
3. Матвійчук А. В. Моделювання фінансової стійкості підприємств із застосуванням теорій нечіткої логіки, нейронних мереж і дискримінантного аналізу. Вісник НАН України. № 9. К, 2010. С. 24-46.
4. Недосекин О. О. Фондовий менеджмент у розпливчастих умовах. Типографія «Сезам», 2003. 201 с.
5. Чернов В. Г. Моделі підтримки прийняття рішень у інвестиційній діяльності на основі апарата нечітких множин. Телеком, 2007. 312 с.
6. Волошин О. Ф. Моделювання конкурентоспроможності об’єктів економічної діяльності за допомогою нечітких множин. Вісник НУ «Львівська політехніка». № 690. 2010. С. 534-539.
7. Литвин Б. М. Фінансовий аналіз: Навч. посібник. К.: «Хай-Тек Прес», 2008. 336 с.
8. Маляр М. М. Модель оцінки кредитоспроможності підприємства в умовах невизначеності. Східно-Європейський журнал передових технологій. № 1/4(55). Харків, 2012. С. 51-57.
9. Міхевич В. С., Волкович В. Л. Числові методи дослідження та проєктування складних систем. М.: Наука, 1982. 286 с.
10. Постанова НБУ “Положення про порядок формування та використання резерву для відшкодування можливих втрат за кредитними операціями банків” від 06.07.2000 року, № 279.
11. Ротштейн О. П. Інтелектуальні технології ідентифікації: нечіткі множини, генетичні алгоритми, нейронні мережі. Вінниця: «Універсум-Вінниця», 1999. 320 с.
12. Шило В. П. Аналіз фінансового стану виробничої та комерційної діяльності підприємства: Навч. посібник. К.: Кондор, 2005. 240 с.
13. Zadeh L. Fuzzy Sets.Information and Control. № 81965. P. 338–353.
14. Adlassnig, K. P., Fuzzy Systems In Medicine. EUSFLAT_2001, pp. 11-15.
15. Aruna P., Puviarasan N., Palaniappan B. An Investigation of Neuro-Fuzzy System in Psychosomatic Disorders. Expert Systems with Applications. 2005. Vol. 28. pp. 673–679.
16. Liao S. H. Expert System Methodologies And Applications: A Decade Review From 1995-2004. Expert Systems with Applications. Vol. 28. 2005. pp. 93–103.
Kuncheva L. I., Steimann F. Editorial – Fuzzy Diagnosis. Artificial Intelligence in Medicine. Vol. 16. 1999. pp. 121–128.
17. Abbod M. F., Keyserlingk D. G., Linkens D. A., Mahfouf M. Survey of Utilization of Fuzzy Technology in Medicine and Healthcare. Fuzzy Sets and Systems. Vol. 120. 2001. pp. 331–349.
18. Mahfouf M. Intelligent Systems Modelling and Decision Support in Bioengineering (Chapter 2). ISM. 2006. 342 p.
19. Phuong, N. H., Kreinovich, V., Fuzzy Logic & its Applications in Medicine. Vladi-2000, pp 34-56.
20. Smith, D.E. 1992. Expert Systems for Medical Diagnosis: A Study in Technology Transfer. Technology Transfer fall, рр. 45-53.
21. Mahfouf M., Abbod M. F., Linkens D. A. A Survey of Fuzzy Logic Monitoring and Control Utilization in Medicine. Artificial Intelligence in Medicine. 2001. Vol. 21. рр. 27–42.
22. Horvitz E. Problem-Solving Design: Reasoning About Computational Value, Tradeoffs and Resources. Proceedings of the NASA Research Forum. 1987. рр. 26–43. Mountain View, CA.
23. Anjaneyulu K. S. R. Expert Systems: An Introduction. Resonance. 1998. рр. 46–58.
24. Adlassnig K. P., Kolarz G., Scheithauer W. Present State of the Medical Expert System CADIAG-2. Methods of Information in Medicine. 1985. Vol. 24. рр. 13–20.
25. Linkens, D.A., Abbod, M.F., Mahfouf, M., An Initial Survey of Fuzzy Logic in Monitoring And Cotrol Utilization in Medicine. Citeseerx.ist. Vol 1, pp. 234-245.
26. Winkel, P. The Application of Expert Systems in the Clinical Laboratory. Clinical Chemistry, 35 1989, 8: рр. 1595-1600.
27. Candel A. Fuzzy Expert Systems. CRC Press. 1991. (Chapter 1). 512 p.
28. Engle R. L., Flehinger B. J. Why Expert Systems for Medical Diagnosis Are Not Being Generally Used: A Valedictory Opinion. Bulletin of the New York Academy of Medicine. 1987. Vol. 63, No. 2. рр. 193–198.
29. Ali Z., Singh V. Potentials of Fuzzy Logic: An Approach to Handle Imprecise Data. American Medical Informatics Association. 2010. Vol. 2, No. 4. рр. 358–361.
30. Ameri, A., Moshtaghi H. Design and Development of an Expert System in Differential Diagnosis of Maxillofacial Radio-lucent Lesions. Mdh. Vol 2. pp. 456-468.
31. Harris, G. Capacity Building and Local Empowerment. Expert Systems. Vol 1, 2006. pp. 654-673.
32. Pereira J. C. R., Tonelli P. A., Barros L. C., Ortega N. R. S. Defuzzification in Medical Diagnosis. Advances in Logic, Artificial Intelligence & Robotics. 2002. рр. 202–207.
33. Ahmad M. R., Mahdi A. A., Salih A. A. Designing a Disease Diagnosis System by Using Fuzzy Set Theory. Proceedings of 5th Asian Mathematical Conference. 2009. рр. 256–260.
34. Schumann A. Unconventional Probabilities and Fuzziness in CADIAG’s Computer Assisted Medical Expert Systems. Studies in Logic, Grammar & Rhetoric. Vol. 22, No. 35. 2010. рр. 113–124.
35. Черняк О. І., Захарченко П. В. Інтелектуальний аналіз даних: підручник. Київ, 2014. 559 с.
36. Сєргєєва В. В. Застосування методів нечіткої логіки з метою виявлення нестабільної фінансово-економічної ситуації міста. Ефективна економіка. № 5. 2014. c. 23-34.
37. Антоненко В. М. Сучасні інформаційні системи і технології: управління знаннями : навчальний посібник. Ірпінь : Національний університет ДПС України, 2016. 212 с.