CC BY
48
Авторами розглянутий nidxid до вико-ристання OLAP-технологй для побудови сховища даних оптимального тдбору рос-линних лшарських засобiв централiзованоï аптечно1 мережi, що дозволив полегшити процес ухвалення ршення про призначення того або тшого лшарського засобу, максимально спростивши доступ до необхiдноï для цього тформацп
Ключовi слова: сховище даних, OLAP-
куб, гетерогенш дат
□-□
Авторами рассмотрен подход к использованию OLAP-технологии для построения хранилища данных оптимального подбора растительных лекарственных средств централизованной аптечной сети, позволивший облегчить процесс принятия решения о назначении того или иного лекарственного средства, максимально упростив доступ к необходимой для этого информации
Ключевые слова: хранилище данных,
OLAP-куб, гетерогенные данные
□-□
Authors are consider the approach to the use of OLAP technology to build a data depository of optimum selection of herbal medicines centralized pharmacy network, allowing to facilitate decision-making process of the appointment about a purpose one or another medication, maximally simplifying access to necessary for this purpose information
Key words: depository of information,
OLAP-cube, heterogeneous data -□ □-
УДК 004.621.32
ИСПОЛЬЗОВАНИЕ OLAP-ТЕХНОЛОГИИ ПРИ ОПТИМАЛЬНОМ
ПОДБОРЕ РАСТИТЕЛЬНЫХ ЛЕКАРСТВЕННЫХ СРЕДСТВ
Е.В. Высоцкая
Кандидат технических наук, доцент* Контактный тел.: 8 (057) 702-13-64 Е-mail: diagnost@kture.kharkov.ua
А.П. Порван
Инженер I-категории* Контактный тел.: (057) 70-21-364 Е-mail: diagnost@kture.kharkov.ua *Кафедра биомедицинских электронных устройств и
систем
Харьковский национальный университет радиоэлектроники пр. Ленина, 14, г. Харьков, 61166
1. Введение
В последнее время непрерывно растет интерес к растительным лекарственным средствам как неисчерпаемому источнику природных препаратов. Создание препаратов на основе растений на сегодняшний день является одним из приоритетных направлений развития фармакологии и фармации. Это связано, прежде всего, с особенностью воздействия лекарственных растений на организм человека, что ставит фитотерапию при лечении некоторых заболеваний на первое место. В основе этого положения лежат как теоретические, так и практические доказательства благоприятного воздействия растительных лекарственных средств на организм человека.
2. Постановка проблемы и обзор не решенных вопросов
При определении курса лечения лицам, принимающим решение (ЛПР), необходимо иметь доступ
ко всем данным, касающихся назначаемых лекарственных средств и состояния организма пациента. Практически всегда эти данные являются составляющей не одной базы данных, а нескольких разнородных, являющихся гетерогенными источниками информации [3]. Большое количество источников информации, а также их содержание усложняет процесс принятия решения. Кроме этого, при работе с базами данных, находящихся в сети, возникает проблема со своевременным получением необходимых данных. Также, ЛПР для индивидуального подбора растительных лекарственных средств и определения эффективности назначенного лечения, необходимо иметь доступ не только к текущим данным, но и к накопленным ранее.
Поэтому, одной из задач, которую должна решать система выбора лекарственных средств аптечной сети, является накопление данных, размещенных в гетерогенной информационной системе (поддерживаются разными СУБД), в едином хранилище данных с последующей обработкой и представлением в виде «срезов» данных, целью которых является поддерж-
ка принятия решения на среднем и верхнем уровне цепочки.
Одними из основных средств вышеописанного типа анализа в последнее время стали средства оперативной аналитической обработки (OLAP). Конечной целью использования OLAP-технологий является анализ данных и представление результатов этого анализа в виде, удобном для восприятия и принятия решения [4].
В настоящее время концепция использования OLAP-технологий описана достаточно широко, однако применение данных технологий для формирования общего хранилища данных до сих пор достаточно не изучены, поэтому разработка подходов к их практическому применению остается актуальной.
В современной литературе, посвященной созданию и поддержки хранилищ данных, в основном рассматриваются вопросы по созданию только одного OLAP-куба, при этом не уделяется внимание вопросу проектирования хранилища методом «снизу-вверх», который характерен для проектирования большинства баз данных [2-5].
Одним из достоинств данного метода является сокращение терминов и связей при формировании данных по запросу или при выводе в форму отчета, что очень важно для сетевых и динамических систем, к каким, безусловно, относится современная аптечная сеть.
З.Цель работы
Целью данной работы является разработка хранилища данных для проведения оптимального подбора растительных лекарственных средств с использованием OLAP-технологии.
4. Основной материал
Основная идея OLAP-технологии состоит в построении многомерных кубов, доступных для аналитических запросов, которые будут полезными при принятии решения о назначении того или иного препарата.
На рис. 1 приведена структура схемы информационной системы поддержки принятия решений при выборе лекарственных средств аптечной сети, для которой приняты наименования и обозначения программных составляющих:
- «Справочник лекарств 210» - электронный справочник лекарственных средств, предназначенный для ознакомления с информацией о фармакологических свойствах тех или иных растительных лекарственных средств;
- «МКБ Х» - электронный классификатор болезней;
- «Оптима» - программа проведения процесса ре-перторизации лекарственных средств;
- Dbf - база данных в виде файлов формата dbf;
- Txt - база данных, представленная в виде текстовых файлов;
- Mdb - база данных, представленная в виде файлов mdb формата.
Рис. 1. Структура информационной системы поддержки принятия решений при выборе лекарственных средств аптечной сети
Как видно, система является гетерогенной и фактически состоит из трех отдельных подсистем по функциональному назначению.
Для общего представления о размерах оперативной БД приведем некоторые показатели, касающиеся ее объема. Объем файла БД под MS Access - 1,1 ГБт, размер таблицы документов - 160 тыс. записей, справочника лекарственных средств - 18 тыс. записей, справочника заболеваний и симптомов - 10 000 записей.
Среднесуточный документооборот - 200 записей. Из вышеописанных показателей роста таблицы видна необходимость в сокращении данных по старым записям с целью уменьшения размера БД приблизительно раз в год. Этот пример доказывает актуальность накопления данных и разгрузки оперативных БД путем создания единого хранилища данных аптечной сети.
Основными составляющими хранилища данных является таблицы фактов и таблицы пространств.
Таблица фактов, как правило, содержит уникальный идентификатор, объединяющий первичные ключи таблиц пространств и хранит информацию о процессах и объектах, совокупность которых будет в дальнейшем анализироваться.
Как правило, это целочисленные значения или значения типа дата/время - ведь таблица фактов может иметь множество записей, и хранить текстовые поля лучше в меньших по объему таблицах пространств.
При этом как ключевые, так и некоторые не ключевые поля должны отвечать будущим характеристикам OLAP-куба. Кроме этого, таблица фактов имеет одно и более числовое поле, на основе которого могут быть получены агрегатные данные
[5].
На рис. 2 приведена структура таблицы фактов «Visit» (таблица посещений), а на рис. 3 - фрагмент данных этой таблицы.
Восточно-Европейский журнал передовым технологий
Column Name Data Type Len gth Allow Nulls
? kod_visit i rrt 8
? kod_pacient smallint 4
? kod_provisor smallint 4
datavisit datetlme 8
avisit int 8
? recept smallint 4
kod p smallint 4
ленное ключевое поле для однозначной идентификации члена пространства. Каждая таблица пространств должна находиться в отношении один-ко-многим с таблицей фактов.
На рис. 4 приведен пример структуры таблицы пространства «Т^а» (сведения о растительных лекарственных средствах), а на рисунке 5 - фрагмент данных этой таблицы.
Рис. 2. Структура таблицы фактов «Visit»
Приведем краткое описание полей таблицы: kod_vi-sit - код посещения, kod_pacient - код пациента, kod_ provisor - код провизора, datavisit - дата посещения, avisit - код записи о состоянии пациента, recept - код записи о назначенном лечении (код рецепта), kod_p - код препарата.
Таблицы пространств содержат неизменяемые данные или такие, которые изменяются только в редких случаях. В большинстве случаев эти данные содержат по одной записи для каждого члена нижнего уровня иерархии в пространстве. Таблицы пространств содержат, как минимум, одно поле описания и целочис-
kod_p Счетчик
NR Текстовый
S Текстовый
NL Текстовый
NN Текстовый
AP Текстовый
PHS Поле MEMO
BAV Текстовый
BAV D Текстовый
OFD Поле MEMO
ON Поле MEMO
toxic| Логический
Рис. 4. Структура таблицы фактов «Trava»
kod visit kod_pacient kod_provisor datavisit avisit recept kod_p
21 1 2 12/10/2005 3 89 2
22 47 1 12/10/2005 7 45 1
23 22 1 12/10/2005 3 11 3
24 17 2 13/10/2005| 9 78 3
Рис. 3. Фрагмент данных из таблицы «Visit»
Скорость увеличения объема таблицы пространств таблицу пространства, характеризующую растительные должна быть намного меньше скорости увеличения объе- лекарственные средства, осуществляется только при пома таблицы фактов, например, добавление новой записи в явлении нового, не использовавшегося ранее, лекарства.
+ 94 □ ДУДНИК ЛЕКАРСТВЕННЫЙ дягиль лесной волчья дудкг зонтнчные Angelica archangellca Европейср
+ 95 0 ДУРМАН ОБЫКНОВЕННЫЙ боДЯК.ВСДСПЬЯН коровки . Ш£ пасленовьк Datura stramonium Повсемес"
+ 96 □ ДУШИЦА ОБЫКНОВЕННАЯ Матери нка,лебедка,зеновка губоцветны Origanum vulgare Евро-Азиа
+ 97 0 ЖЕЛТУШНИК ЛЕВКОИНЫИ крестоцвеп Erysimum chelrantholdes Вся Еьрог
+ 9S 0 ЖЕЛТУШНИК РАСКИДИСТЫ И желтушник серый, желтушг крестоцееп Erysimum diffusum Евро-азиа"
+ 99 □ ЖЕНЬШЕНЬ женьшень настоящий ~ана аралиевые Panax ginseng Эндем Ма
+ 100 0 ЖИВОКОСТЬ СЕТЧАТОПЛОДНАЯ рогатые васильки, шпорник лютиковые Delphinium dlctyocarpum Эндем СН
+ 101 □ ЖОСТЕР СЛАБИТЕЛЬНЫЙ крушина слабительная крушин свы Rhamnus cathartlca Евро-азиа"
+ 102 □ ЗАЙЦЕ ГУБ ОПЬЯНЯЮЩИМ лагохилус опьяняющий губоцветны Lagochllus Inebrlans Эндем Cpi
+ 103 □ ЗАМАНИХА ВЫСОКАЯ эхинспанакс высокий аралиевые Oplopanax elatus Nakal Приморси
+ 104 □ ЗВЕРОБОИ ПРОДЫРЯВЛЕННЫЙ зверобой обыкновенный, за зверобойнь Hypericum perforatum Евро-азиа"
+ 105 □ ЗОЛОТОТЫСЯЧНИК МАЛЫЙ золототысячник зонтичный горечавков Centaurlum minus Переднеа:
+ 105 □ ИСТОД ТОНКОЛИСТНЫИ истод сибирский истодовые Polygala tenuifolia Сибирско
+ 107 □ КАЛИНА ОБЫКНОВЕННАЯ снежки ЖИМОЛОСТИ! Viburnum opulus Евро-Сиб
+ 108 0 КЛОПОГОН ДАУРСКИИ цимицифуга даурская лютиковые Cimicifuga dahurica бассейн А
+ 109 □ КОРОВЯК ГУСТОЦБЕТКОВЫИ коровяк скипетровидный, и норичников Verbascum denslflorum Европейср
+ 110 □ КРАПИВА ДВУДОМНАЯ кропива большая.Жгучка, к крапивные Urtica dloica Евро-азиа"
+ 111 0 КРАСАВКА БЕЛЛАДОННА красавка,санная одурь, бел пасленовьк Atropa belladonna Украина и
+ 112 0 КРЕСТОВНИК РОМБОЛИСТНЫИ крестовник ппосколистный сложноцвеп Seneclo rhomblfollus Эндемик h
Рис. 5. Фрагмент данных из таблицы «Trava»
Один параметр куба может содержатся как в одной таблице, так и в нескольких связанных, находящихся на разных уровнях иерархии в пространстве. Дополнительные таблицы пространств в такой схеме соот-
ветствуют верхним уровням иерархии пространства и находятся в отношении один ко многим с основной таблицей пространства, соответствующей нижнему уровню иерархии (консольные таблицы).
Для решения поставленной проблемы была разработана трехуровневая информационная система поддержки принятия решений на базе хранилища данных и OLAP-технологии:
1. Гетерогенные базы данных.
2. Хранилище данных.
3. Киоски данных.
Схематическая модель представленной системы приведена на рис. 6.
Рассматриваемая система имеет хранилище данных, ориентированное на построение нескольких OLAP-кубов.
Это связано с тем, что общее хранилище данных состоит из нескольких таблиц фактов и таблиц пространств, среди которых есть такие, которые используются более чем одним кубом. Так, для врача важными будут сведения, как о состоянии пациента, так и о лекарственных средствах, назначаемых пациенту.
В результате объединения требований ко всем OLAP-кубам была разработана физическая модель хранилища данных (рис. 7).
Рабочее место пользователя реализовано через Microsoft Access. Внешний вид отчета, дающий информацию о назначенном лечении, приведен на рис. 8
Рис. 6. Трехуровневая информационная система на базе хранилища данных
Рис. 7. Физическая модель хранилища данных
квдвцда 1
ПРИ к-Г| .Ч|РЯС К^Я \ М' Е — ^*~~
5АГН=1ЛЧЧ* Г =КХ=СТЪ=Н-№Я м и
БАОЛПЛСТНЛК БО-ЮЧЛД н :: : :
ИСТО Д ТО-КОПЛСТНЫЛ —
о ь га-ю енквд -- ,чт
КРБСТО БЫЛ; РОМ БСГИСТЬЬ й м 113
КУКУРУЗА ОБЬКНОБВ-НАЯ н
ГУСТЬ РТ-ИК СЕРДВ-НЬЙ -- «
Рис. 8. Отчет о назначенном лечении
5. Выводы
Таким образом, использование OLAP-технологии на базе разработанного хранилища данных позволяет пользователю принимать более обоснованные решения, имея необходимую для этого информацию. Предлагаемая система поддержки принятия решения имеет средства представления пользователю агрегатных данных для разнообразных выборок из выходящего набора в удобном для восприятия виде. Все данные организованы в виде иерархии, представляющие разные уровни их детализации, что позволяет создавать сложные и сложноподчиненные запросы, генериро-
вать отчеты и получать справочную информацию. Создание хранилища данных позволяет облегчить процесс принятия решения о назначении того или иного лекарственного средства, максимально упрощая необходимой для этого информации.
Литература
1. Страчан, А. Базы данных: проектирование, реализация и сопровождение [Текст] / А. Страчан, К. Бегг, Т. Коннол-ли. - М.: Вильямс, 2000. - 1112 с.
-□ □-
Розглядаеться застосування техноло-гш програмування для розв'язання задач моделювання роботiв, включаючи ршен-ня ктематичних задач манiпуляторiв, роз-робку систем техтчного зору, комп'ютерне моделювання мобшьних робототехтчних систем.
Ключовi слова: робот, техтчний зiр, мобшьна платформа, ктематика, OpenGL, OpenCV
□-□
Рассматривается применение технологий программирования для решения задач моделирования роботов, включая решение кинематических задач манипуляторов, разработку систем технического зрения, компьютерное моделирование мобильных робо-тотехнических систем.
Ключевые слова: робот, техническое зрение, мобильная платформа, кинематика,
OpenGL, OpenCV
□-□
This article considers an application of programming technologies for decision of robot simulation tasks, including robot's kinematical tasks solving, technical vision system development and computer simulation for mobile robotic system.
Keywords: robot, technical vision, mobile
platform, kinematics, OpenGL, OpenCV -□ □-
1. Введение
Разработка робототехнических систем различного назначения представляет значительный интерес не только с производственной, но и научной точки зрения. Современный робот является многоцелевой машиной,
2. Дейт, К. Дж. Введение в системы баз данных [Текст] / Дж.К. Дейт. - Киев*Москва: Диалектика, 1998. - 787 с.
3. Гайдышев, И. Анализ и обработка данных [Текст] / И. Гайдышев. - СПб.: Питер, 2001. - 752 с.
4. Уидом, Дж. Системы баз данных [Текст] / Дж. Уидом, Д.Дж. Ульман. - М.: Вильямс, 2003. - 1088 с.
5. Хансен, Г. Базы данных: разработка и управление [Текст] / Г. Хансен, Дж. Хансен. - М.: «Издательство БИНОМ», 1999. - 704 с.
УДК 681.324
А.М. Цымбал
Кандидат технических наук, доцент* Контактный тел.: 8 (057) 702-14-86 Е-mail: mcdulcimer@ukr.net
А.И. Бронников
Контактный тел.: 8 (0572) 92-07-46 Е-mail: avtomatuk@rambler.ru
А.В. Литвинова
Контактный тел.: 8 (0572) 98-91-04 Е-mail: da7k@ukr.net
О.Е. Черны шенко
Контактный тел.: 8 (0572) 771-63-50 Е-mail: ne_88@mail.ru *Кафедра технологии и автоматизации производства Харьковский национальный университет радиоэлектроники пр. Ленина, 14, Харьков, 61166
удовлетворяющей современным требованиям создания гибко переналаживаемого автоматизированного производства. С другой стороны любой робот, как исполнительное устройство, является платформой для широкого круга экспериментов, связанных с практической реализацией методов искусственного интеллекта [1].
ТЕХНОЛОГИИ ПРОГРАММИРОВАНИЯ И РОБОТОТЕХНИКА
