В Iki diterangake yen publikasi iki digawe ing basis saka dataset saka asil regane kadaster obyek real estate ing Khanty-Mansiysk Autonomous Okrug.
Perangan praktis dipunandharaken kanthi wujud langkah-langkah. Kabeh reresik ditindakake ing Excel, amarga minangka alat sing paling umum lan operasi sing diterangake bisa diulang dening umume spesialis sing ngerti Excel. Lan cukup cocok kanggo karya tangan-kanggo-tangan.
Aku bakal sijine karya ing Bukak lan nyimpen file minangka tataran nul, awit iku 100 MB ing ukuran, banjur karo nomer operasi iki ing puluhan lan atusan, padha njupuk jumlah pinunjul wektu.
Wektu mbukak, rata-rata, yaiku 30 detik.
Ngirit - 22 detik.
Tahap pisanan diwiwiti kanthi nemtokake indikator statistik saka dataset.
Tabel 1. Indikator statistik saka dataset
Teknologi 2.1.
Kita nggawe lapangan tambahan, aku duwe ing nomer - AY. Kanggo saben rekaman kita mbentuk rumus «=LEN(F365502)+LEN(G365502)+…+LEN(AW365502)»
Total wektu ngginakaken ing tataran 2.1 (kanggo rumus Schumann) t21 = 1 jam.
Jumlah kesalahan sing ditemokake ing tataran 2.1 (kanggo rumus Schumann) n21 = 0 pcs.
Tahap kapindho.
Priksa komponen dataset.
2.2. Kabeh nilai ing cathetan dibentuk dening simbol standar. Mulane, kita bakal nglacak statistik kanthi simbol.
Tabel 2. Indikator statistik simbol ing dataset kanthi analisis awal asil.
Teknologi 2.2.1.
Kita nggawe lapangan tambahan - "alpha1". Kanggo saben rekaman kita mbentuk rumus "=CONCATENATE(Sheet1!B9;...Sheet1!AQ9)"
Kita nggawe sel tetep "Omega-1". Ing sel iki, kita bakal ngetik kode karakter miturut Windows-1251 saka 32 nganti 255 siji-siji.
Kita nggawe lapangan tambahan - "alpha2". Kanthi rumus "=FIND(CHAR(Omega;1); "alpha1";N)".
Kita nggawe lapangan tambahan - "alpha3". Kanthi rumus “=IF(ISNUMBER(“alpha2”;N);1;0)”
Nggawe sel tetep "Omega-2" kanthi rumus "=SUM("alpha3"N1:"alpha3"N365498)"
Tabel 3. Asil analisis awal asil
Tabel 4. Kasalahan sing dicathet ing tahap iki
Total wektu ngginakaken ing tataran 2.2.1 (kanggo rumus Schumann) t221 = 8 jam.
Jumlah kasalahan didandani ing tataran 2.2.1 (kanggo rumus Schumann) n221 = 0 pcs.
Tahap 3.
Langkah katelu yaiku ndandani kahanan dataset. Kanthi menehi nomer unik (ID) kanggo saben rekaman lan saben lapangan. Iki perlu kanggo mbandhingake dataset sing diowahi karo asline. Sampeyan uga kudu nggunakake kanthi lengkap kapabilitas klompok lan nyaring. Kene maneh kita nguripake kanggo Tabel 2.2.2 lan pilih simbol sing ora digunakake ing dataset. Kita entuk apa sing ditampilake ing Gambar 10.
Gambar 10. Nemtokake pengenal.
Total wektu ngginakaken ing tataran 3 (kanggo rumus Schumann) t3 = 0,75 jam.
Jumlah kesalahan sing ditemokake ing tataran 3 (kanggo rumus Schumann) n3 = 0 pcs.
Wiwit rumus Schumann mbutuhake tahapan rampung kanthi koreksi kesalahan, kita bali menyang tahap 2.
Tahap 2.2.2.
Ing tataran iki kita uga bakal mbenerake spasi pindho lan telung.
Gambar 11. Jumlah spasi pindho.
Koreksi kesalahan sing diidentifikasi ing tabel 2.2.4.
Tabel 5. Tahap koreksi kesalahan
Conto kenapa aspek kayata panggunaan huruf "e" utawa "yo" penting ditampilake ing Gambar 12.
Gambar 12. Inconsistency ing huruf "ё".
Total wektu ngginakaken ing tataran 2.2.2 t222 = 4 jam.
Jumlah kesalahan sing ditemokake ing tataran 2.2.2 (kanggo rumus Schumann) n222 = 583 pcs.
Tahap kaping papat.
Tahap iki cocog banget karo mriksa redundansi lapangan. Saka 44 lapangan, 6 lapangan yaiku:
7 - Tujuan saka struktur
16 - Jumlah lantai lemah
17 - obyek induk
21 - Dewan Desa
38 - Parameter struktur (deskripsi)
40 - Warisan Budaya
Dheweke ora duwe entri siji. Sing, padha keluwih.
Bidang "22 - Kutha" nduweni siji entri, Gambar 13.
Gambar 13. Siji-sijine entri Z_348653 ing kolom "Kutha".
Bidang "34 - Jeneng bangunan" ngemot entri sing jelas ora cocog karo tujuan lapangan, Gambar 14.
Gambar 14. Tuladha entri sing ora cocog.
Kita ngilangi kolom kasebut saka dataset. Lan kita ngrekam owah-owahan 214 cathetan.
Total wektu ngginakaken ing tataran 4 (kanggo rumus Schumann) t4 = 2,5 jam.
Jumlah kesalahan sing ditemokake ing tataran 4 (kanggo rumus Schumann) n4 = 222 pcs.
Tabel 6. Analisis indikator dataset sasampunipun tahap 4
Umumé, nganalisis owah-owahan ing indikator (tabel 6), kita bisa ngomong:
1) Rasio tuas saka nomer rata-rata simbol kanggo tuas standar deviasi cedhak 3, yaiku, ana pratandha saka distribusi normal (aturan enem sigma).
2) Penyimpangan sing signifikan saka pengungkit minimal lan maksimal saka tuas rata-rata nuduhake yen sinau buntut minangka arah sing apik kanggo nggoleki kesalahan.
Kita bakal nliti asil nemokake kesalahan nggunakake metodologi Schumann.
Tahap nganggur
2.1 Total wektu ngginakaken ing tataran 2.1 (kanggo rumus Schumann) t21 = 1 jam.
Jumlah kesalahan sing ditemokake ing tataran 2.1 (kanggo rumus Schumann) n21 = 0 pcs.
3 Total wektu ngginakaken ing tataran 3 (kanggo rumus Schumann) t3 = 0,75 jam.
Jumlah kesalahan sing ditemokake ing tataran 3 (kanggo rumus Schumann) n3 = 0 pcs.
Tahap asil
2.2 Total wektu ngginakaken ing tataran 2.2.1 (kanggo rumus Schumann) t221 = 8 jam.
Jumlah kasalahan didandani ing tataran 2.2.1 (kanggo rumus Schumann) n221 = 0 pcs.
Total wektu ngginakaken ing tataran 2.2.2 t222 = 4 jam.
Jumlah kesalahan sing ditemokake ing tataran 2.2.2 (kanggo rumus Schumann) n222 = 583 pcs.
Total wektu ngginakaken ing tataran 2.2 t22 = 8 + 4 = 12 jam.
Jumlah kesalahan sing ditemokake ing tataran 2.2.2 (kanggo rumus Schumann) n222 = 583 pcs.
4 Total wektu ngginakaken ing tataran 4 (kanggo rumus Schumann) t4 = 2,5 jam.
Jumlah kesalahan sing ditemokake ing tataran 4 (kanggo rumus Schumann) n4 = 222 pcs.
Amarga ora ana tahapan nol sing kudu dilebokake ing tahap pertama model Schumann, lan ing sisih liya, tahap 2.2 lan 4 pancen mandiri, mula dikira model Schumann nganggep manawa kanthi nambah durasi tes, kemungkinan ndeteksi kesalahan suda, yaiku, aliran kegagalan suda, banjur kanthi sinau babagan tahapan iki, bakal nemtokake tingkatan sing luwih dhisik, ing ngendi tahapan kasebut bakal ditemtokake. asring, sing tataran sijine pisanan.
Gambar 15.
Saka rumus ing Gambar 15, luwih becik dilebokake tahap kaping papat sadurunge tahap 2.2 ing petungan.
Nggunakake rumus Schumann, kita nemtokake perkiraan jumlah kesalahan awal:
Gambar 16.
Saka asil ing Gambar 16, bisa dideleng yen prediksi jumlah kesalahan N2 = 3167, sing luwih gedhe tinimbang kriteria minimal 1459.
Minangka asil koreksi, kita mbenerake 805 kesalahan, lan angka sing diprediksi yaiku 3167 - 805 = 2362, sing isih luwih saka ambang minimal sing diadopsi.
Kita nemtokake parameter C, lambda lan fungsi linuwih:
Gambar 17.
Intine, lambda minangka indikator nyata intensitas sing dideteksi kesalahan ing saben tahapan. Yen katon ing ndhuwur, prakiraan saka Indikator iki sadurunge gunggungipun 42,4 kasalahan saben jam, kang cukup iso dibandhingke karo Indikator Schumann. Referring menyang bagean pisanan saka materi iki, iki ditemtokake yen intensitas nemokake kesalahan dening pangembang ngirim ora kurang saka 1 kesalahan saben 250,4 cathetan, nalika mriksa 1 cathetan saben menit. Dadi nilai kritis lambda kanggo model Schumann:
60 / 250,4 = 0,239617.
Tegese, kabutuhan kanggo nindakake prosedur deteksi kesalahan kudu ditindakake nganti lambda, saka 38,964 sing ana, mudhun dadi 0,239617.
Utawa nganti indikator N (nomer potensial kesalahan) minus n (jumlah kesalahan sing didandani) mudhun ing ngisor ambang sing diadopsi (ing bagean pisanan) - 1459 pcs.
Source: www.habr.com
