کاربرد انباره داده در شرکتهای توزیع نیروی برق مطالعه موردی: شرکت توزیع نیروی برق استان فارس
محل انتشار: هفدهمین کنفرانس سراسری شبکه های توزیع نیروی برق
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,015
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EPDC17_140
تاریخ نمایه سازی: 12 بهمن 1391
چکیده مقاله:
امروزه تصمیم سازی بهنگام در دنیای رقابتی کسب و کار، امری حیاتی و تعیین کننده محسوب می شود. سیستم های عملیاتی متعدد موجود در شرکتهای توزیع، کار تولید و نگهداری حجم گسترده ای از داده های مرتبط با عملیات سازمان را بر عهده دارند . این سیستم ها امکان تهیه گزارشهای مجزا از سیستم های مختلف را فرا هم می کنند، اما به دلیل وجود تنوع ساختار و فرمت داده ها و تنوع تکنولوژی سیستم های نرم افزاری و پایگاه داده های جداگانه و ناهمگون، امکان تهیه گزارشهای ترکیبی از داده های سازمان وجود ندارد. همچنین با افزایش حجم اطلاعات مرتبط با چند سال، زمان پردازش داده در این سیستم ها بیشتر شده و مدت زمان تهیه گزارشات موردی نیز افزایش می یابد . برای مثال امکان بررسی تاثیر جریمه های اعمال شده بر روی مشتریان پر مصرف جهت کاهش مصرف، نیازمند گزارشاتی است که تهیه آنها به طول می انجامد. انباره داده 1 به عنوان مخزن یکپارچه ای از اطلاعات، امکان انجام گزارشات تحلیلی ترکیبی و پیچیده از کلیه داده های سازمان را در زمانی کوتاه فراهم می نماید و به دلیل نگهداری تاریخچه داده، میزان اعتبار اطلاعات آماری و تحلیلی افزایش می یابد. در این مقاله پس از بررسی مشکلات موجود در سیستم های اطلاعاتی توزیع برق و تحلیل نیازمندیها، طراحی انباره داده در سه فاز طراحی مفهومی، منطقی و فیزیکی انجام شده و پیاده سازی گردیده است. در انتها راهکار انباره داده مورد تحلیل قرار می گیرد و با مطالعه روند گذشته مشترکین و تعیین الگوی مصرف آنان میزان تاثیر روندهای انجام شده در گذشته مورد تحلیل قرار گرفته است و زمینه را جهت پیش بینی آینده فراهم ساخته ایم.
کلیدواژه ها:
نویسندگان
زهرا ممکن
کارشناسی ارشد مهندسی فناوری اطلاعات، دانشگاه شیراز. کارشناس نرم افزا
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :