PRIMENA OLAP KOCKE ZA ANALIZU PERFORMANSI NEUSAGLAŠENOSTI APPLICATION OF THE OLAP CUBE IN THE ANALYSIS OF THE ANTICOINCIDENCE PERFORMANCE Nataša Gojgić 1, Alempije Veljović 2, Marija Nikolić 1, Vladimir Veljović 3 1 Visoka škola tehničkih strukovnih studija Čačak 2 Tehnički fakultet Čačak 3 Siemens IT Solutions and Services d.o.o. Beograd Sadržaj - U radu je prikazan jedan od načina organizovanja, prezentovanja i upotrebe podataka dobijenih merenjem performansi indikatora za analizu neusaglašenosti. Metodološki pristup za uspostavljanje indikatora performansi i prikupljanju vrednosti istih, koristi koncept skladišta podataka koji daje mogućnost analize indikatora neusaglašenosti sa aspekta više dimenzija. Analiza se zasniva bazi višedimenzionih tabela (OLAP kocke) kreiranih u programu MS SQL Server - Anlysis Services a za grafički prikaz se koristi MS Excel. Time se obezbeđuju kvalitetne informacije radi izvođenja značajnih zaključaka o uspešnosti procesa ili donošenja odluka o konkretnim merama u cilju kontinualnog unapređenja što je jedan od zahteva stadarda ISO 9001. Ključne reči: analiza neusaglašenosti, skladište podataka, OLAP Abstract - The paper deals with one of the methods of organization, presenting and usage of the data, obtained by measuring the performances of the indicator for the anticoincidence analysis. The methodological approach for indicator performance establishing and collecting of its values, uses the concept of data warehouse which provides an opportunity to analyse the anticoincidence indicators in many aspects. The analysis is based on the manydymensional tables (OLAP cubes) designed in MS SQL Server -Anlysis Services programme. For the graphic display MS Excel is used. In that way, quality information for making right conclusions about the success of a process or the specific measures in order to advance it, is provided. It is also one of the ISO 9001 standard demands. Key words: antioincidence analysis, data warehouse, OLAP. 1. UVOD Svaki poslovni proces karakterišu odgovarajuće performanse. Performanse poslovanja se prate i mere tokom vremena vrednostima definisanih indikatora performansi/mera kako bi se pratila uspešnost procesa i sagledali mogući načini njihovog unapređenja. Praćenje i merenje procesa su glavne aktivnosti u otkrivanju neusaglašenosti jer se utvrđuju trenutne vrednosti indikatora i varijabli koje se upoređuju sa planiranim i prethodnim vrednostima. Kontrolisanje otkriva neusaglašenost, upravljanje neusaglašenošću identifikuje, odvaja i otklanja neusaglašenost. Korektivna mera je mera za trajno otklanjanje uzroka otkrivene neusaglašenosti ili druge neželjene situacije. Za razliku od nje, ispravka (trenutna mera) je mera preduzeta samo da bi se odklonila otkrivena neusaglašenost. Definisanje indikatora preformansi podrazmeva i definisanje načina prikuplja podataka koji mora da bude pouzdan što omogućuje baza podataka. U tu bazu podataka treba da su integrisani indikatori performansi za funkcionisanje informacionog sistema.
Informacioni model upravljanja neusaglašenostima, za procese visokoškolskih ustanova, za osnovu ima skladište podataka koji daje mogućnost analize neusaglašenosti sa aspekta više dimenzija. Izvor podataka za skladište podataka je transakciona baza koja omogućava unos i prikupljanje podataka o neusaglašnostima u svim procesima. Analiza se zasniva bazi višedimenzionih tabela (OLAP kocke) kreiranih u programu MS SQL Server -Anlysis Services a za grafički prikaz je korišćen MS Excel. Potrebe praćenja učestalosti pojavljivanja neusaglašenosti i periodične analize je jedan od zahteva standarda ISO 9001 da bi se definisale korektivne i preventivne mera koje ukazuju na kontinualno unapređenje kvaliteta. 2. DIMENZIONALNI MODEL Dimenziono modeliranje kao tehnika logičkog dizajna ima za cilj prezentaciju podataka u obliku koji obezbeđuje visoke performanse sistema radi vršenja analize podataka. Ishod ove faze je izrada dimenzionog modela korišćenjem CASE alata ERwin (slika 1), gde se izvodi definisanje hijerarhije elemenata i atributa, denormalizacija modela definisanjem tabela činjenica gde su smešteni indikatori performansi: - broj utvrđenih neusaglašenosti (BrojUtvrdjenihNeusag), - broj otklonjenih neusaglašenosti (BrojOtklonjenihNeusag), - broj uvedenih trenutnih mera (BrojTm); - broj uvedenih korektivnih mera (BrojKm), - broj uvedenih preventivnih mera (BrojPm). Količina takođe može biti mera ali ovim radom nije obuhvaćena. U tabelama dimenzija se smeštaju perspektive analize mera: radno mesto, organizacija, poreklo prijave neusaglašenosti, tačka standarda, proces, uzrok neusaglašenosti, status neusaglašenosti, vremenski periodi analiziranja (mesečno i kartalno). Slika 1. Dimenzionalni model neusaglašenosti 3. GENERISANJE SKLADIŠTA PODATAKA Fizički model skladišta podataka prevodi dimenzioni model skladišta podataka i tom prilikom dolazi do konvertovanja [2]: - entiteta iz modela podataka u tabele fizičke baze podataka, - atributa u kolone, u odgovarajućim tabelama, i - kandidata za ključeve entiteta u primarne ključeve u tabelama.
Informacije potrebne za generisanje su određene u okviru kreiranja fizičkog modela koji predstavlja interpretaciju tih informacija (slika 2). Generisanje se izvodi tako što se koristi jezik za definisanje podataka Data Definition Language (DDL) za relacione baze podataka. Slika 2. Skladište podataka za neusaglašenosti realizovan u MS SQL Server Učitavanja podataka je ključna faza u implementaciji skladišta podataka, koja sledi posle generisanja skladišta podataka. Prvi korak je izbor izvora podataka, odnosno tabele iz koje se preuzimaju podaci i odredišne tabele, odnosno tabele u koju se učitavaju podaci. Izvor podataka za skladište podataka je transakciona baza koja omogućava unos i prikupljanje podataka o neusaglašnostima u svim procesima. 4. VIŠEDIMANZIONALNA ANALIZA KORIŠĆENJEM OLAP A I GRAFIČKOG PRIKAZA Za pristup uskladištenim podacima koristi se tehnologija interaktivnog analitičkog procesiranja - OLAP-a koja omogućava najrazličitije vidove analize podataka koje variraju od jednostavnih izveštaja do detaljnih višedimanzionalnih analiza i predviđanja. Interaktivno analitičko procesiranje (On Line Analytical Processing OLAP) namenjeno je on line analizama i izveštavanjima, za razliku od produkcionih sistema namenjenih ažuriranju baza podataka i obradi transakcija (On Line Transaction Processing OLTP). Skraćenica OLAP podrazumeva kategoriju aplikacija i tehnologije namenjenu za skupljanje, upravljanje, obradu i prezentaciju multidimenzijskih podataka namenjenih analizama za potrebe upravljanja [3]. Obzirom da je aplikacija, kao krajnji rezultat ovog rada, namenjena podršci analitičkih baza za potrebe odlučivanja iz oblasti QMS-a, prikazan je i koncept OLAP kocke. Osnovni gradivni element skladišta podataka se naziva kocka, zbog sličnosti sa geometrijskim telom. Ona služi za tabelarno prikazivanje više dimenzija podataka. U okviru nje se sumarni podaci mogu prikazivati na bilo kom nivou detaljnosti. Koncept OLAP kocke namenjen za jedan od mogućih načina izrade izveštaja - kreiranje korisničkog interfejsa OLAP a korišćenog u radu (slika 3).
Slika 3. Korisnički interfejs OLAP kocke za analizu neusaglašenosti Drugi način analize podataka je izvršena primenom alata u okviru Microsoft Excel, kojim se direktno pristupa OLAP kocki u MS Analysis Services i gde izborom odgovarajućih mera i dimenzija se dobija odgovarajući grafik. Na grafiku (slika 4) može se videti da je najviše neusaglašenosti otkriveno kod procesa personalno studenata u ispunjenju zahteva tačke standarda 8.2.3, što ukazuje da se taj proces mora preispitati. Broj otkrivenih neusaglašenosti 4 3 2 1 0 Izrada resenja o promeni Izrada i pracenje Odlučivanje i planiranje Upravljanje nastavnim Vođenje dosijea Izavačka delatnost Organizovanje naučnih Odlučivanje i planiranje Poslovi planiranja i diplome i uverenja Prelazak i priznavanje Prijem studenata Polaganje prijemnog Evidentiranje realizacije Evidentiranje realizacije Prelazak i priznavanje Upis visih semestara i Vođenje dosijea Rešavanje reklamacije Vrednovanje nastave diplome i Praćenje ispita Vodjenje maticne knjige Vrednovanje nastave Rešavanje reklamacije 4.2.4 5.4 6.2 6.3 7.1 7.2 7.2.3 7.5 7.5.3 8.2.1 8.2.3 8.2.4 8.3 Tačka standarda / proces Slika 4. Analiza neusaglašenosti po tački standarda i procesu Na grafiku (slika 5) se može pratiti broj utvrđenih neusaglašenosti po poreklu prijave, kao i otklanjanje neusaglašenosti po kvartalima u toku 2008.godine. Na osnovu dobijenih rezultata može se videti da je najveći broj neusaglašenosti otkriveno je putem internih provera i to u trećem kvartalu. Analize koje se još mogu uraditi su: - u kojim organizacionim jedinicama odnosno radnim mestima je prijavljeno najviše neusaglašenosti, - koji je najčešći uzrok neusaglašenosti, status neusaglešenosti itd.
6 5 4 3 2 1 0 I II I II III IV I III I II III IV I III Analize Interna provera Merenje i Preispitivanje ciljeva Reklamacija Broj otklonjenih neusagl. 1 1 3 4 4 2 4 4 2 2 1 1 1 1 Broj utvrdjenuh neusag. 2 0 3 4 5 1 4 4 3 1 1 1 1 1 Slika 5. Analiza neusaglašenosti po poreklu prijave u kvartalima Na osnovu ovih analiza mogu se preduzimati korektivne mere radi sprečavanja njihovog ponovnog javljanja i prevetivne mere radi sprečavanja mogućih neusaglašenosti. Rezultati poređenja se dalje koriste za odgovarajuće mere i aktivnosti za unapređenje i postizanje planiranih vrednosti indikatora kako bi se povratnom informacijom ostvarila povratna sprega i PDCA ciklus. 5. ZAKLJUČAK Korisne informacije su zapravo skrivene u već ogromnoj (i stalno rastućoj) masi podataka tranasakcionih baza podataka i potrebno je pronaći način za njihovo dalje korišćenje. Jedno od mogućih rešenja je primena koncepta skladišta podataka gde se usposavljaju indikatori performansi i priklupljaju vrednosti o istima za dalju primenu u višedimenzionalnim analizama. U radu je dat je primer generisanja izveštaja za analizu neusaglašenosti korišćenjem interaktivnog analitičkog procesiranja podataka (OLAP) na bazi višedimenzionih tabela (OLAP kocke) korišćenjem skladišta podataka, kao izvor podataka i na taj način dobijanje kvalitetnih informacija za podršku u odlučivanju. LITERATURA [1] Veljović A., Objektno modeliranje informacionih sistema, Megatrend Univerzitet primenjenih nauka Beograd, 2005. [2] Veljović A., Njeguš A., Osnove relacionih i analitičkih baza podataka, Megatrend univerzitet primenjenih nauka, Beograd, 2004 [3] http://www.bi-verdict.com/analyses 31.01.2011.