*영* 스토어

*영*

개인인증

팔로워0 팔로우

소개

등록된 소개글이 없습니다.

전문분야 등록된 전문분야가 없습니다.

판매자 정보

학교정보

입력된 정보가 없습니다.

직장정보

입력된 정보가 없습니다.

자격증

입력된 정보가 없습니다.

판매지수

판매중 자료수

12개
전체 판매량

30개
최근 3개월 판매량

0개
자료후기 점수

평균B
자료문의 응답률

0%

전체자료 12개

[소프트웨어] case tool 사례

목 차분석-설계-코딩 ----------------------------3제품명 : Together회사명 : Genesis Technology분석 -----------------------------------4제품명 : PS2CBD회사명 : Genesis Technologyv유지보수(Reengineering) -------------------- 5제품명 : YES! Translator회사명 : CAMIS설계-코딩 ------------------------------- 6제품명 : YES! WebPlus회사명 : CAMIS기획-분석-설계 --------------------------- 7제품명 : YES! Aurora회사명 : CAMIS설계 ----------------------------------- 8제품명 : YES! Aurora회사명 : CAMIS코딩-유지보수 ---------------------------- 9제품명 : YES! Modeler회사명 : CAMIS분석-개발(Rational Suite AnalystStudio) ---------- 10제품명 : Rational Rose회사명 : IBM Rational Software분석-테스트 ----------------------------- 11제품명 : Rational Suite AnalystStudio회사명 : IBM Rational Software테스트(Rational Suite TestStudio 제품군) -------12제품명 : Rational Robot회사명 : IBM Rational Softwarev테스트 ----------------------------------13제품명 : Rational Suite TestStudio분석 ------------------------------------14제품명 : Analyst Pro회사명 : Goda Software설계-코딩 ------------------------------- 15제품명 : OOAD Tool회사명 : ITcamp)- PDF, RTF, HTML 보고서 생성 지원- Component 개발 방법론인 마르미III 산출물과 KCSC SW 컴포넌트 개발 산출물 표준 개발산출물 지원(예정)설계제품명 : YES! Modeler회사명 : CAMISSite : http://www.camis.co.kr제품 개요데이터베이스의 설계를 도와주는 데이터 모델링 툴로써 기존에 만들어진 다양한 형태의 정보를 Import하여 등록하여 데이터베이스를 Oracle, MS SQL 등으로 생성제품 기능Data Migration 기능 프로그램 재구축 또는 Database의 Migration Project에 기존에 사용하던 Data를 새로운 Relational Database로 변환하는 작업이 필요한데 기존의 수작업으로 변환하던 업무를 툴을 사용하여 자동 변환하는 기능이다.기존에 존재하는 Database의 구조와 실제의 Data를 읽어 들여 사용자가 툴을 통하여 Data를 직접 볼 수 있는 Data Viewer, 새로운 Database의 구조를 만들거나 관계를 생성시켜서 Database에 적용시키는 Modeler, 기존 Database로 부터 구조를 변환시키는 Migrator, 실제 Data를 변환시켜주는 Data Migration 기능이툴 구성에 포함되어 있다.-User Security Management-SQL Schema Generation-Data Dictionary-Report(Document)-Database Import코딩-유지보수제품명 : YES! WinPlus회사명 : CAMISSite : http://www.camis.co.kr제품 개요국내 최초로 개발된 e-Business를 구축해 주는 프로그램 자동화 솔루션제품 기능Cobol, Visual Basic, Delphi, Power Builder, C#, ASP, JSP, Java에 이르는 소프트웨어를 단 몇 분만에 자동 생성하는 기능을 제공하고 있으며 단순한 소프트웨어 생산성 뿐만 아니라 유지보수 확장성, 표준화, 교육적인 효과까지 다양한 기주얼 베이직, 비주얼 C++ 어플리케이션이나 자바 애플릿의 오류를 자동으로 찾아냄으로 신뢰도 테스트 시간을 많이 줄여준다.-웹사이트의 완전무결성 관리 : Rational Suite TestStudio는 컨텐츠가 업데이트될 때마다 웹사이트를 자동 점검하여 가장 최근의 변경작업으로 링크가 깨졌거나 페이지 로딩 속도가 느려지지는 않았는지 확인한다.-회귀 테스트 개선 : 코드가 변경되었을 경우 그 영향을 받는 기능 테스트 스크립트를 자동으로 식별할 수 있음으로 회귀 테스트를 신속하고 간편하게 수행할 수 있다.폭 넓은 환경 지원 : HTML, DHTML, 자바, 비주얼 베이직, 비주얼 C/C++, 액티브X, SAP, 오라클 디벨로퍼/2000, 파워빌더 7 같은 주요 환경들을 잘 지원한다.Component productRational Robot : 어플리케이션 전체의 기능을 철저히 테스트한다.Rational TestFactory : 사용자의 도움 없이도 런타임 오류를 추적하고 최적의 회귀 테스트(Regression test) 스크립트를 생성한다.Rational Purify : 발견하기는 힘들지만 프로그램 실행을 정지시킬 수도 있는 런타임 오류의 위치를 정확하게 찾아낸다.Rational Quantify : 어플리케이션의 성능 병목지점을 찾아낸다.Rational PureCoverage : 테스트 중에 실행되지 않은 코드 부분을 자동으로 찾아준다.분석제품명 : Analyst Pro회사명 : Goda SoftwareSite : http://www.analysttool.com제품 개요Analyst Pro offers you a solid management option designed to keep your requirements clear, your systems development on track, and your project management simple.제품 기능-Analyst Pro empowers developers to perform essential functy easy to use in both host and target environments.제품 기능-Dynamic Testing FeaturesDynamic testing actively demonstrates whether user code performs to its specification.Uses your compiler's IDE to build and execute tests, minimising the product's learning curve.Wizard driven Test Script generation including on-line help and step-by-step facilities for creating a test driver environment.Intuitive Test Directives for quickly developing structured repeatable tests and generating clear unambiguous results.-Coverage AnalysisCode Coverage Metrics: Entry points, Statements, Decisions (branches), Conditions (Booleans), MC/DC (DO-178B), ExceptionsData Value coverage of specified variable values - 'always true' or 'true at least once'.Check Path and Trace to ascertain detailed path execution through code.Coverage Checks are integrated into dynamic tests resulting in Pass/Fail/Warnings.Coverage Statistics can be produced both as text file and HTML highlighted views of source code.-Static AnalysisBa로 분석, 산출되어 제공된다.Data사전을 통한 속성의 이질화 방지속성명 및 각종 코드명등을 용어사전을 통해 관리함으로서, 동일 속성에 대한 정보의 이질화를 방지하고, 속성 관련 Object 정보를 제공함으로서 유지보수의 생산성을 향상시킬 수 있다.Table의 Multi Creation & Modify특정 Column 의 속성을 변경할 경우, 관련된 모든 Table 을 자동으로 Re-Creation 하거나, Altering 시킬수 있다.Graphic화면을 통한 정보 제공프로젝트의 진행 공정, Issue사항, 고객 요구사항의 해결여부, 프로그램의 개발공정등을 그래픽 화면을 통해 효율적이고 편리하게 확인할수 있다.자료의 사용권한 관리모든 자료에 대해서 팀 단위, 업무기능 단위, 업무시스템 단위별로 사용자에 대한 자료의 사용 권한을 관리(통제)할 수 있도록 되어있어 필요시 자료에 대한 보안 및 안전 장치를 할 수 있다.통합 Menu 구성에 따른 사용의 편리성프로젝트 관리부터 유지보수까지의 모든 기능을 단일 화면에서 처리할 수 있도록 Menu 를 통합하여 제공함으로서 사용을 편리성을 제공한다.모든 정보를 Excel 로 Interface 화Allinone 을 통해 정의한 모든 자료는, Excel 로 Interface 하여 사용자가 적당한 Format 으로 편집하여 사용할수 있도록 되어 있다.산출물 인쇄범위의 손쉬운 설정모든 산출물의 작성 범위를 Tree View 를 통해 쉽게 결정할 수 있다.사용자 코드정의 환경 제공AllinOne 에서 사용되는 코드의 대부분을 사용자가 재정의 하거나 신규로 추가하여 사용할수 있도록 되어 있다.항목별 Sort 기능 제공그리드에 Display 되는 자료는 사용자가 항목별로 재정렬시킬 수 있는 기능을 제공하며, 정렬된 순서대로 저장 시킬 수도 있다.Edit 자료에 대한 Log 정보 제공주요 자료에 대해서는 Edit 한 Log 정보를 제공 한다.Table 참조키의 추적Table 간에 복잡하게 정의된 참조키 정보를 추적하여 한눈에 파악할 수 줍니다.

공학/기술| 2003.06.13| 29페이지| 5,000원| 조회(1,391)

분석, 소프트웨어, 설계, case tool

미리보기

닫기
[XML] XML Email 만들기 평가D별로예요

..FILE:letter2.xml유머..애인으로 삼고싶은 여자 베스트4김동환fanyfany@hanmail.net20030541.애인으로 삼고싶은 여자 베스트 41위 귀여운 여자 39%2위 착한 여자 36%3위 예쁜 여자 14%4위 섹시한 여자 11%예쁜 여자보다는 착한 여자와 귀여운 여자들의 승리.자신이 부담할 수 없을 정도로 화려한 외모의 여자보다는착한 마음에다 싹싹한 애교까지 있는 귀여운 여자를애인으로 삼고 싶다는 남자들의 바람이 그대로 드러났다.2 귀여운 여자에게 호감이 가는 이유는?1위 깨물어주고 싶을 정도로 앙증맞은 행동이 신선하다 52%2위 강아지처럼 안아주고 싶다 24%3위 남자의 부성애를 팍팍 자극한다 16%4위 귀여운 여자를 사로잡고 싶은 전투의욕을 불러일으킨다 8%말없이 조용히 분위기만 잡는 섹시녀보다는가끔가다 어리광도 부리고 앙탈도 부릴 줄 아는 귀여운 여자들이오히려 남자들의 감성을 팍팍 자극한다.가끔 남자들은 지고지순한 여자에게서는 느낄 수 없는팽팽한 긴장감을 통통 튀는 귀여운 여자들의 행동에서 느끼고 싶어한다.3 귀여운 여자의 신체조건은?1위 안으면 품 안에 들어올 정도의 자그마한 스타일 40%2위 약간 통통한 듯 동글동글한 스타일 24%3위 들어갈 곳은 들어가고 나올 곳은 나온 글래머 스타일 20%4위 보호해주고 싶을 정도로 마른 스타일 16%덩치 큰 여자가 귀여워 보이기란 힘든 일.자신이 보호해줄 수 있을 정도로 안으면한 품에 들어오는 아담한 체격의 여자여야귀여운 짓을 해도 받아줄 수 있다는 게 남자들의 압도적인 생각이다.4 어떤 헤어스타일의 여자가 귀엽나요?1위 핑클처럼 풀린 듯 퍼머한 긴머리2위 멕 라이언 같은 바람머리3위 은실이 같은 귀밑 단발머리4위 말괄량이 삐삐같이 양쪽으로 묶은 머리세월이 지나도 여자들의 긴머리에 대한 남자들의 환상은 변하지 않나보다.바람에 흩날리는 긴 머리를 자연스럽게 쓸어 올리는 여자의 모습은그 자체만으로도 남자들의 마음을 흔들어놓는 매력을 가지고 있다는 사실.5 가장 귀여워 보이는 여자들의 행동은?1위 두근두근 가슴이 뛸 정도로 눈웃음을 치며 쳐다볼 때 36%2위 애교만점인 톤으로 조잘조잘 얘기할 때 32%3위 꼼꼼하게 이것저것 챙겨줄 때 26%4위 자기 일에 열심히 몰두하고 있을 때 8%웃는 얼굴에 침 못 뱉는 법이다.핑클의 효리처럼 눈을 반짝이며 눈웃음으로 남자를 쳐다보면아무리 무뚝뚝한 남자라도 그 눈빛을 거부하기란 힘들다.6 국적을 불문하고 여자 연예인 중 가장 귀여운 스타는 누구?1위 핑클 38%2위 멕 라이언 28%3위 송혜교 18%4위 김희선 9%5위 줄리아 로버츠 7%7 귀여운 그녀에게 듣고 싶은 말1위 널 좋아해(사랑해) 40%2위 난 너만 믿어 28%3위 너처럼 잘생긴 애는 처음 봐 24%4위 너 정말 똑똑하구나 8%40%의 남자들이 그녀가 자신을 정말 좋아하는지확인해보고 싶은 마음을 드러냈다.남자도 인간인지라 자신이 좋아하는 여자가자신을 인정해주고 의지해줬으면 하는 마음을 항상 가지고 있다.가끔가다 남자 친구에게 ‘널 좋아해’라고 말해보자.그 순간부터 남자 친구의 눈빛이 변할 거다.8 다음 두 가지 타입 중 좀 더 호감이 가는 사람은 누구?1위 안 예쁘지만 귀여운 여자 72%2위 얼 굴은 예쁘지만 귀염성이 조금도 없는 여자 28%남자들의 진짜 속마음은 사실 죽어도 예쁜 여자를 추구한다는 것이다.하지만 오래 만나고, 정말 마음으로부터 사귀고 싶은 여자라면일단 귀엽고 매력적이어야 한다는 사실!좀 못 생겼더라도 질리지 않고, 자기 품에 쏘옥 들어올 수 있는귀엽고 애교있는 여자를 남자들은 좋아한다.매일매일 명심! 귀여운 여자의 생활수칙1 얘기할 때나 얘기를 들을 땐 항상 상대방의 눈을 응시한다.2 음료수 한 컵을 빨대 두 개로 나눠 먹는다.3 상대방의 얘기를 들어줄 땐 항상 턱을 받친다.4 밥 먹을 때 숟가락, 젖가락을 꼭 챙겨준다.5 가끔가다 가방을 들어달라고 하거나 먼저 손을 잡자고 한다.6 애간장을 녹일 듯 가늘고 앙증맞은 목소리 톤을 유지하고말끝마다 아~잉, 아이이~ 등과 같은 의성어를 붙인다.7 팔짱은 내가 먼저 낀다.8 웃을 땐 옆사람을 애교있게 친다.9 물건을 살 땐 덤을 꼭 얻어낸다...FILE:letter3.xml두 눈 멀고 바보여도 좋습니다지현이gihyun@hanmail.net2003053두 눈 멀고 바보여도 좋습니다내가 사랑하는 그가 내게 바보 같답니다지독한 사랑에 빠져서바로 눈앞의 것도 제대로 못 보는 바보 같답니다나보다 항상 부족하다고 말하는 그 사람내 눈에는 최고 잘난 사람으로 보이는데 말입니다그래서 욕심 많은 나 그를 놓을 수 없는데 말입니다그의 말이라면 나 바보가 되어도 좋습니다그를 보는 눈이 멀어 그이 허물 보이지 않고그것조차 다 좋은 모습으로 아름답게만 보인다면나 그에게만은 두 눈 멀고 바보여도 좋습니다이런 나를 지키기 위해 이제 그가 노력한다 합니다앞 못 보는 내 손 꼭 잡고서 살아가겠답니다세상 어느 누구보다도가장 먼저 우리를 만나게 해주신 분께서로를 보이고 감사한 우리그 분이 지켜주시는 한 그와 난 끄떡없습니다먼훗날 노아의 방주에 나를 안고 타겠단 그의 말처럼가끔은 흔들려도 꺾이지 않고 그렇게 살아가겠습니다詩;서린..FILE:letter4.xml선배님 이여자 왜이럴까여?운섭이skybelly@hanmail.net2003051.. 제가 정말루 좋아하는..짝사랑하는 동갑내기 간호사가 있습니다.^^;;저마 좋아하다보니..이만저만 힘든게 아닙니다....가끔 제가 사랑한다구..정말루 너 행복했으면 좋겠다구 말하면..그년가끔 부답스럽다고 합니다...전에 저한테 뭐먹고살래 이런말을 하는가하면은...어젠 그녀에게 꽃과 삔을 선물했을땐 아무말 없더니...메일로 사랑하는이에게 이렇게해서 메일1개 보냈더니..이말에 또 부답스럽다구 합니다...절 어찌 생각하기에 그녀가 이런말만 하는걸까여 ㅡ.ㅡ;; 무슨말만하면친구가 좋다구 하면서...자꾸 힘들게 하네여...같이 만나구..영화도보구..과자도 먹여주고 할때도 있는데..정말루 친구로만 생각한다면 이럴수도 있을가여???왜 날 이렇게 힘들게 할가여..멀어질려구 해두 너무너무사랑스러워서제가 두렵습니다..그녀가 이런말들을 해도..저 그녀가 정말루 사랑하는 남자 만날때까지..100번이구.1000번이구 고백하구또고백하구...이벤트도 하궁 ...할껀데...정말루 그녀가 이런 저의 마음을 몰라주고 정말로 친구로밖에생각할수 없을가여 ㅠ.ㅠ....FILE:letter5.xml눈물닮은 사랑미련아milone@hanmail.net20030511눈물닮은사랑-감성시인 하.얀.사.랑만나면,헤어지기 싫은 이가 있습니다헤어짐의 순간 앞에서,한 순간도 놓칠 수 없는얼굴이 있습니다머물다 간 자리에 남은향기까지도...가슴 저려오는 그리움이 되는 이가 있습니다눈물 닮은 사랑...세상이 허락치 않은 그대가 있습니다.....FILE:report.xml처음 메일두번째 메일세번째 메일네번째 메일다섯번째 메일..FILE:letter.xsl제목보낸이보낸이메일주소도착일년월일..FILE:report.xslEmailList Mini mail♥♥ 메일 확인 하세여 ♥♥copyright@ 문의사항^^-2003/5/8.....FILE:letter4.xml.bak선배님 이여자 왜이럴까여?운섭이skybelly@hanmail.net2003051.. 제가 정말루 좋아하는..짝사랑하는 동갑내기 간호사가 있습니다.^^;;저마 좋아하다보니..이만저만 힘든게 아닙니다....가끔 제가 사랑한다구..정말루 너 행복했으면 좋겠다구 말하면..그년가끔 부답스럽다고 합니다...전에 저한테 뭐먹고살래 이런말을 하는가하면은...어젠 그녀에게 꽃과 삔을 선물했을땐 아무말 없더니...메일로 사랑하는이에게 이렇게해서 메일1개 보냈더니..이말에 또 부답스럽다구 합니다...절 어찌 생각하기에 그녀가 이런말만 하는걸까여 ㅡ.ㅡ;; 무슨말만하면친구가 좋다구 하면서...자꾸 힘들게 하네여...같이 만나구..영화도보구..과자도 먹여주고 할때도 있는데..정말루 친구로만 생각한다면 이럴수도 있을가여???왜 날 이렇게 힘들게 할가여..멀어질려구 해두 너무너무사랑스러워서제가 두렵습니다..그녀가 이런말들을 해도..저 그녀가 정말루 사랑하는 남자 만날때까지..100번이구.1000번이구 고백하구 또고백하구...이벤트도 하궁 ...할껀데...정말루 그녀가 이런 저의 마음을 몰라주고 정말로 친구로밖에생각할수 없을가여 ㅠ.ㅠ....FILE:letter5.xml.bak눈물닮은 사랑미련아milone@hanmail.net20030511눈물닮은사랑-감성시인 하.얀.사.랑만나면,헤어지기 싫은 이가 있습니다헤어짐의 순간 앞에서,한 순간도 놓칠 수 없는얼굴이 있습니다머물다 간 자리에 남은향기까지도...가슴 저려오는 그리움이 되는 이가 있습니다눈물 닮은 사랑...세상이 허락치 않은 그대가 있습니다.....FILE:letter.xml.bak좋은글 행복한 사람아름이arime@hanmail.net2003052너무 좋아서 보내는거야 한번 읽어봐^^행복한사람詩, 李根大사랑하고 싶었습니다사랑하고 싶어서나무 밑에서떨어지는 나뭇잎처럼 울었습니다사랑을 하면세상이 온통 꽃밭으로 변할 줄 알았는데내가 사랑을 하면그 곳에 당도하고 나서야 나는 알았습니다사랑은 가시밭길 이었다는 사실을,그래도 사랑 받고 싶은 사람이 있습니다지옥 속이라도

프로그램소스| 2003.06.09| 9페이지| 2,000원| 조회(1,111)

xml, email, XML Email 만들기

미리보기

닫기
마우스의 역사

마우스의 역사소위 문제의 최초 기록은 1950년으로 거슬러 올라간다. Information theory의 아버지로 잘 알려진 Dr Claude Shannon과 MIT공대의Emeritus 교수는 두개의 모터로 움직이고 감지 손가락을 가진 최초의 미로 찾는 기계를 만들었다.2년뒤 Dr Shannon은 미로 밑바닥에 설치된 릴레이 회로에 의해 기억된 정보에 의하여 미로 속에서 길을 찾을 수 있는 전자적인 마우스를 만들었다.1972년 Machine Design이라는 잡지는 Le Mouse 5000이라는 대회를 후원하였는데 쥐덫의 스프링 힘으로만 동력을 얻는 기계적인 마우스 대회로서 경기 트랙을 누가 멀리 주행하는가를 겨루는 경기였다.1등은 Mousemobile로서 기록은 825.3 feet (약 251.55m) 였다.한편 1977년 Machine Design은 1972년의 Le Mouse 5000 대회를 보다 발전시킨 The great Clock Climbing Contest 라는 이름의 다른 마우스 대회를 후원하였는데 여전히 기계적인 메카니즘을 겨루는 대회였다.한편 IEEE Spectrum 잡지의 편집장인 Don Christiansen은 전기전자 공학도를 위한 진정한 전자적인 마우스를 위한 대회를 기획하게 되었다.심사숙고와 마이크로 프로세서 제조업체와의 협의를 거쳐 드디어 "복잡한 미로를 풀고 주행할 수 있는 능력을 가진 지능을 불어 넣은 조그만 마이크로프로세서로 제어되는 운반체"라는 마이크로마우스의 개념을 내놓았다.드디어 1977년 5월 Amazing Micromouse Maze Contest 라고 불리우는 첫번째 미국 대회가 스펙트럼지에 의해서 발표되었다.1979년 6월 5일~7일 동안 뉴욕에서 전국 컴퓨터 컨퍼런스의 하일라이트로서 15대의 마우스가 모여 1000불의 상금을 노리고 모두들 만반의 태세를 갖추었다. 상품으로는 Tektronix에서 기증한 오실로스코프와 Atari에서 기증한 비디오 컴퓨터 시스템등도 포함되어 있었다.1977년 5월 대회를 발표한 이후 4차례의 예비 모임끝에 이루어지는 결승전이었다. 15대의 약간은 엉성한 마우스들은 6000대의 참가 신청자들 중의 일부로서 참가 신청자 중에는 이탈리아 같이 먼곳도 있었다.그러나 많은 참가자들이 나타나지 않았는데 두뇌가 망가졌다거나 마우스가 타버리거나등의 여러 이유로 불참을 하였다.관심은 높은 반면 실망스럽게도 지능형 마우스를 설계하고 조립하는데 생각보다 형편 없는 것들이었다.참가자들 대부분이 500에서 1000시간을 소모했고 대다수는 하는 일도 접어 두고 매달렸으며 대략 재료비로는 500불정도가 들었다고 하니 상금이 대회를 참가하는 주요 목적이 아닌 것이 분명했다.15대의 마우스중에 4대만이 10X10 미로를 1차 주행에서 풀었으며 추가로 2대가 3차 시도에서 성공하였다.최후의 승리자는 Moonlight Flash로서 미로 통과 기록은 30.04초였다.지능이 없는 기계적 마우스가 상대적으로 전자적으로 복잡하고 보다 지능이 있는 적수를 이길 수 있다는 사실이 이후의 대회 규정을 수정하게 만들었다.즉 골이 미로 주변에서 가운데로 옮겨지게 되어 단순히 벽을 따라가면 골을 찾아가기 어렵게 되었다.영국 Portsmouth Polytechnic의 John Billingsley 교수는 1980년 변경된 규정을 적용하여 런던에서 Euromicro'80을 시작으로 대회가 열리게 되었다.그 당시에 일본 신기술진흥재단에서 온 5명의 대표단들이 대회를 참관하고 규정을 일본으로 가져가 같은해 11월 제1회 전일본 마이크로마우스대회를 개최하였다.1회 전일본 마이크로마우스 대회에서는 18대의 마우스 모두 완주에 실패하였으나 5년후 1985년 8월 일본 쯔쿠바 박람회에서는 첫번째 국제마이크로마우스대회가 개최되었다.일본은 세계대회를 개최하고자 미로를 세계 여러나라에 보내고 동일한 조건에서 연습할 기회를 가질 것을 희망하였고 각나라에 대표를 파견하여 그곳 대회를 참관하고 우승자에게 세계 대회 참가를 초청하였던 것이다.유럽과 미국등지에서 온 마우스들은 여러가지 형태와 크기로 적외선 센서, 초음파 센서, CCD센서 등을 채용하였고 스테핑모터, DC서보 모터 등의 구동 메카니즘으로 우승을 놓고 경쟁을 하였다. 결과는 상위권 6위까지 입상을 일본인들이 독식하였다.1위는 Noriko-1로 후꾸야마 컴퓨터 클럽 회장인 제작자의 부인 이름을 따서 붙인 것으로기록은 19.83초였다. 이같은 결과는 대회 미로의 특성에 기인한 것으로 일본이 미로를 보내는데 문제가 많아서 실제로 많은 연습을 하지 못한 상태였으며 미로벽 윗부분이 상대적으로 반사율이 낮았고 방송용 조명 등의 영향으로 영국의 Enterprise를 제외한 외국팀들은 골을 찾지도 못하고 끝났다.미국에서는 1979년 Amazing Micromouse Maze Contest이후 대회가 사라졌다가 이대회를 조직한바 있고 이후 마이크로마우스의 어머니로 알려진 Susan Rosenbaum의 노력으로 1986년부터 대회가 부활되어 오늘날에 이른다.1987년에는 IEE 주최로 영국 Savoy Place에서 마이크로마우스참피언쉽 대회가 개최되었으며 13대의 마이크로마우스가 모여서 결전을 벌였다. MIT의 David Otten은 MITEE MOUSE I과 MITEE MOUSE II로 1등과 2등을 모두 차지하였다.새롭지만 약간은 복잡한 채점 방법이 적용되기도 하였다. 만약 마우스가 시작점에서 종점까지 제작자의 도움없이 주행을 마칠 경우 주행시간에서 보너스 10초를 삭감한다.일단 마우스에 손을 대면 보너스는 주어지지 않는다. 이 시간에 마우스가 주행을 시작하여 경과된 시간을 매분에 2초씩 더한다.이러한 새로운 기록 방식으로 1등인 MITEE MOUSE II의 기록은 미로에서 2분48초를 사용하였고 최단 주행 시간은 15.7초로 환산한 경연 시간은 10.6초였다.다음으로 주요한 대회는 1991년 7월 싱가포르에서 열렸는데 이전보다 한층 속도가 증가하였다. 1등은 MIT David Otten의 MITEE MOUSE 6이 보너스를 받아서 10.19초의 기록으로 우승하였고 일본의 Noriko X는 10.23초의 기록으로 가장 빠른 주행시간을 보였다.같은해 홍콩에서는 월드 참피언쉽 대회가 열렸으며 1985년 쯔쿠바대회 이후 가장 많은 13개국에서 온 21명의 참가자가 30대의 마우스를 출전시켰다. 싱가포르의 Ngee Ann Polytechnic에서 온 신예가 일본의 노리꼬나 미국의 MITEE MOUSE를 누르고 영예를 차지하였다.( 이 대회에서 규정이 변경되어 오늘날일반적으로 사용되고 있다.) 속도보다는 안정성에 중점을 두고 규정이 변경되었다. 손을 대지 않음으로 받는 보너스를 10초대신 패널티를 더하는 것으로 바뀌었다.홍콩대회에서는 선구자적인 역할을 한 David Otten의 45도 대각선 주행을 여러 마우스가 선을 보였다.우리나라에서는 1983년 11월 4일 서울대 제어계측공학과 주최로 전국 마이크로로보트 대회가 개최되어 오늘날까지 매년 9월경에 계속되고 있다.1회 대회의 우수상은 유일한 완주로봇인 서울대 제어계측공학과의 SECRET로 기록은 3분 15초였다.5회 대회까지는 주행시간 으로 기록을 산출하였으나 6회대회때부터 10회 대회까지는 국제 경기 규정에 의거 경연시간을 산출하였고 EXPO'93 국제 마이크로 로봇 경연대회 때부터는 국제 경기 규정이 일부 수정되어 보너스 삭감시간이 10초에서 3초로 변경되었다.역대 대회 5회 대회부터 7회 대회까지 3회 연속 우승한 전윤호씨의 SPEEDY 시리즈는 최초로 10초대의 경연 기록을 기록하며 당시 마우스 매니아들의 선망의 대상이었다.6회 대회에서 TURBO4는 우리나라 최초로 스무스턴을 선보이며 마우스 주행 기술의 새로운 장을 열었다.1993년 10월 7일 대전 엑스포 공원에서 열렸던 EXPO'93 국제 마이크로 로봇 경연대회는 국내에서 처음 열렸던 세계대회로서 외국에서 5팀을 포함 모두 11팀이 참가하여 싱가포르의 NP-ZAP3가 12초20의 기록으로 1위를 차지 하였고 2위는 일본의 가루가모가 17초87로 3위는 미국의 MITEE MOUSE 5로 19초56의 기록을 보였다.저자의 MANIAC-3는 22초 73의 기록으로 국내 참가자중 가장 좋은 기록으로 학생부 특별상을 수상하게 되었다.아쉽게도 4위에 입상한 일본의 Noriko 92는 엄청난 주행속도와 6륜구동이라는 특이한 메카니즘으로 환상의 주행을 선보이며 7초72의 경이적인 주행시간을 기록하였으나 미로시간이 길어져서 아깝게 우승을 놓치기도 하였다.

공학/기술| 2003.05.31| 3페이지| 5,000원| 조회(1,181)

컴퓨터, 마우스, mouse

미리보기

닫기
신경망

(39쪽 분량)12.1 신경망의 역사12.2 생물학적 신경망과 인공 신경망12.2.1 생물학적 신경망12.2.2 인공 신경망12.3 신경망의 학습과 회상12.4 전진형 신경망12.4.1 감독 학습 방법12.4.2 무감독 학습 방법12.5 피드백형 신경망12.5.1 홉필드 네트워크12.5.2 코호넨 네트워크12.6 신경망의 특징12.7 신경망의 응용 분야12.1 신경망의 역사1940년대 초반에 컴퓨터가 발명되고 1956년에 인공지능이란 용어가 처음 사용된 이래 지능형 컴퓨터 기술은 그 동안 비약적인 발전을 하였으며, 인공지능의 아이디어와 방법들은 여러 분야에 적용되고 있다. 인간은 유아들도 사물을 인식하고 언어와 지식을 습득하는 뛰어난 학습 능력을 갖고 있지만, 현재 대부분의 인공지능 시스템은 매우 제한된 학습 능력만을 가지고 있을 뿐이다.그 동안 컴퓨터의 눈부신 발전에도 불구하고 이와 같은 결과가 나온 것은 무엇 때문일까? 원인을 분석하기 위해 현재 사용되고 있는 컴퓨터의 구조와 사람의 두뇌 구조를 비교해 보자(표12.1). 먼저 각 계산 소자의 속도 면에서, 현재 반도체 칩에서의 계산이 나노 초 단위로 수행된다고 볼 때, 이는 생물학적인 신경세포가 밀리 초 단위로 활성화되는 것에 비하면 106배 정도 빠른 속도이다. 이렇게 개개의 계산 속도는 생물학적인 계산 소자를 훨씬 능가함에도 불구하고, 아직까지 컴퓨터가 여러 가지 인공지능 문제를 잘 해결하지 못하고 있는 것은 단순한 계산 속도만의 문제가 아니라는 것을 시사하고 있다. 사람의 두뇌에는 약 1011개의 신경세포가 존재하며, 이들은 평균 약 1,000개 정도의 많은 다른 신경세포와 연결되어 정보를 분산 저장하고 초병렬적으로 계산을 수행한다. 이에 비해 현재의 대부분의 컴퓨터는 아주 빠르지만 적은 수의 프로세서가 중앙집중적이고 순차적인 방식으로 계산을 수행한다. 인간이 현재의 컴퓨터 보다 뛰어난 적응 및 학습 능력이나 유연한 의사 결정 능력을 갖게 된 것은 아마도 이러한 정보처리 방식의 근본적인 차이에서 오는: Excitatory Post Synaptic Potential)라 부르며, 음(-)의 전위 변화는 역으로 흥분을 억제하므로 억제성 시냅스 후전위(IPSP:Inhibitiory Post Synaptic Potential)라 부른다. EPSP를 발생시키는 시냅스는 흥분성 시냅스, IPSP를 발생시키는 시냅스는 억제성 시냅스라 한다. 시냅스가 흥분성인가, 억제성인가는 방출되는 화학 전달 물질의 성질과 그것을 수용하는 뉴런의 시냅스 후막의 성질에 따라 결정된다.12.2.2 인공 신경망인공 신경망의 뉴런과 생물학적인 뉴런과의 차이는 매우 크다. 우선 생물학적인 뉴런은 주위의 뉴런들과 고밀도의 연결을 가진다. 두뇌에서 뉴런의 경우 1000개에서 100,000개의 다른 뉴런들과 연결되어 있다. 인공적인 신경망에서는 이것의 1% 가량의 연결성도 현재 수준으로는 원활하게 처리하기 어렵다. 또한 생물학적 뉴런들은 본래부터 전기 화학적(electrochemical)이다. 즉, 뉴런들 사이의 연결 강도는 전기적인 신호에만 의존하는 것이 아니고, 전기적이고 화학적인 신호들에 의해 조정된다. 현재까지 이러한 전기 화학적인 신경망의 모델링은 거의 없었다.생물학적 뉴런의 성질을 정보처리 기능의 면에서 다음과 같이 정리할 수 있다.- 다입력 1 출력- 흥분성과 억제성의 시냅스 결합- 시간적, 공간적 연결 강도- 펄스 발생- 아날로그 정보를 펄스 빈도로 전송- 비선형성- 절대 불응기, 상대 불응기- 시간 지연- 순응, 적응, 피로- 기타이러한 성질의 몇 가지를 추상화한 뉴런 모델이 다수 제안되었다. 이 중에서 뉴런의 가장 단순한 모델은 1943년에 McCulloch과 Pitts가 제안한 뉴런이다. 이 모델에 대하여 좀 더 자세히 살펴보면 다음과 같다. 뉴런이 N개의 입력을 갖고 각 입력의 신호를 x1, x2, x3 ????? xn , 출력을 y라 하면, 형식 뉴런의 동작은 아래의 식 (1)과 같이 이산 시간의 차분 방정식으로 기술된다.Ny(t+1) = f[∑wi?xi(t) - θ] …… 지를 입력으로 하였을 때 가장 큰 값의 출력 노드가 그 이미지가 가리키고 있는 숫자인 것이다. 기호처리 인공지능 방법에 비하여 간단하지 않은가? 그럼 문제는 "어떻게 가중치를 설정할 것인가"가 문제인데 초기 신경망의 가중치는 보통 -1.0 ~ 1.0의 임의값으로 설정되어 있다. 신경망에서의 학습이란 원하는 결과의 노드가 최대값이 나오도록 적절히 가중치를 설정하는 과정이다. 즉, 111101001001이나 111001001001의 입력이 들어가도 출력 노드 7이 최대값이 되도록 가중치를 설정하면 된다. 이때 학습에 사용되는 대표적인 알고리즘이 오류 역전파(error back propagation) 알고리즘이다.단층 퍼셉트론이나 다층 퍼셉트론처럼 입력층에서 시작하여 출력층으로, 한 방향으로만 연산이 진행되는 신경망을 전진형(feedforward) 신경망이라 하고, (그림 12.9)와 같은 신경망을 피드백형(feedback) 신경망이라고 한다. 피드백형 신경망은 망의 상태가 안정될 때까지는 출력을 발생시키지 않기 때문에 연산 시간이 일정하지 않은 반면, 전진형 신경망은 항상 일정한 연산 시간을 갖는다.(그림 12.9) 피드백형 신경망지금까지 설명한 단층 퍼셉트론, 다층 퍼셉트론 이외에도 망을 구성하고 있는 뉴런의 연결 형태와 동작에 따라 여러 가지 신경망 모델이 제안되어 있다. (표 12.3)은 대표적인 신경망의 모델과 특징에 대해 간략하게 기술한 것이다. 신경망의 학습 알고리즘도 여러 가지 제안되어 있다. 그 중에 대표적인 것으로는 Hopfield 네트워크 등에서 사용되는 Hebb의 학습 알고리즘과 다층 퍼셉트론 등에서 사용되는 오류 역전파 알고리즘 등이 있다.(표 12.3) 대표적인 신경망 모델과 그 특징신경회로망 모델주응용분야장점/비고단점Hopfield/Kohonen최적화 문제해결대규모 구현학습 기능 없음가중치 고정Perceptron인쇄체 문자 인식최초의 신경망변화에 민감,XOR 해결 못함Multi-layerPerceptron(MLP)패턴 인식전진형 신경회로망 때문이다. 둘째는 신경망의 학습 정도에 관한 것이다. 즉, ④과정에서 신경망이 완전히 학습되었는지를 판단하는 기준이 필요하다. 여기에서, 에러가 우리가 원하는 수준까지 감소하게 되면 이 때는 학습되었다고 생각할 수 있다.신경망에서 에러는 신경망의 실제 출력 패턴과 목적 패턴과의 차이에 의해 계산된다. 식은 다음과 같다.errorp =(Op0 - tp0)2 + (Op1 - tp1)2 + + (Opn - tpn)2 …… (2)=(Opj - tpj)2ERROR =errorperrorp : 입력 패턴 p에 대한 신경망의 에러Opj : 입력 패턴 p에 대한 출력층의 j번째 신경세포의 실제 출력tpj : 목적 패턴 p의 j번째 성분ERROR : 모든 패턴에 대한 신경망의 에러(2) 델타 규칙과 단층 퍼셉트론델타 규칙은 1957년 Rosenblatt에 의해 만들어진 두 번째 신경망 학습 규칙이다. 연결 가중치를 조절함으로써 신경망을 학습시킨다는 기본 개념에 있어서는 앞서 이야기한 헵의 규칙과 동일하지만, 연결 가중치를 조절하는 방법에 있어서는 다소 차이가 있다. 델타 규칙의 초기 형태는 매우 단순한 것이었지만, 그것은 오늘날 감독 학습 방법을 사용하는 보다 복잡한 많은 학습 규칙들의 기본이 되었다. 더욱이, 당시 주목을 받고 있던 퍼셉트론이라는 신경망에 적용되어 놀라운 성능을 나타냄으로써 한때, 신경망 연구자들로 하여금 신경망과 인공 지능의 미래에 대해 몹시 큰 기대를 갖게 하였던 학습 규칙이기도 하다. 델타 규칙의 경우도 헵의 규칙과 마찬가지로 매우 간단한 방법에 의해 연결 가중치를 조절한다. 델타 규칙의 주요 골자는 다음과 같다.“만일, 어떤 신경세포의 활성이 다른 신경세포가 잘못된 출력을 내는데 공헌을 하였다면, 두 신경세포 간의 연결 가중치를 그것에 비례하여 조절해 주어야 한다.”여기에서, 잘못된 출력을 판단하는 기준은 신경세포의 활성 값과 목적 패턴과의 차이, 즉 에러를 의미한다. 델타 규칙을 식으로 나타내면, 다음과 같다.w(new)ij = w(old)ij +닉층을 추가하여 (그림 12.17)을 완성할 수 있다.(그림 12.17) 다층 신경망의 XOR 문제여기에서 신경세포 2의 동작은 단층 신경망에서 고려한 출력 신경세포와 같다. 즉, 연결 가중치 w02, w12 와 역치 C2 에 의해 결정되는 하나의 직선으로 a0, a1평면을 나누게 되며, 그 직선의 위쪽에 있는 점들에 대해서는 1로, 그리고 그 직선의 아래쪽에 있는 점들에 대해서는 0으로 반응하게 된다. 마찬가지로 신경세포 3의 경우, 연결 가중치 w03, w13 과 C3 에 의해 결정되는 하나의 직선으로 a0, a1평면을 나누게 되며, 그 직선의 위쪽에 있는 점들에 대해서는 1로, 그리고 그 직선의 아래쪽에 있은 점들에 대해서는 0으로 반응하게 된다. 두 개의 신경세포 2와 3은 다음의 a0, a1평면 그림과 같이 나타내도록 w02, w12, C2 와 w03, w13, C3을 결정할 수 있다.(그림 12.18) 해결된 XOR 문제직선 2는 신경세포 2에 의해 만들어진 것이며, 직선 3은 신경세포 3에 의해 만들어지는 것이다. 두 개의 직선을 나누어진 a0, a1 평면상의 세 부분(왼쪽, 가운데, 오른쪽)에서 신경세포 2와 3의 출력 a2, a3를 보면 왼쪽 부분에서는 a2 = 0, a3 = 0이다. 가운데는 a2 = 1, a3 = 0이고, 오른쪽은 a2 = 1, a3 = 1 이다. 따라서 (표 12.4)가 생성되는데, 이것으로 XOR 문제는 완전하게 해결되었다.(표 12.4) 신경세포 2,3,4의 출력a0a1a2a*************1111a2a3a*************(a) 신경세포 2, 3의 관점 (b) 신경세포 4의 관점신경세포 4의 연결 가중치를 의미하는 w24, w34 와 역치 C4를 적당히 조절함으로써 a2, a3 평면 상의 세 점(0, 0), (1, 0), (1, 1)을 직선 w24a2 + w34a3 = C4에 의해서 나눌 수가 있다.(그림 12.19) 다층 신경망에 의해 분할된 a2, a3 평면이와 같이 다층 신경망을 사용할 경우, 은닉층

공학/기술| 2003.05.31| 39페이지| 5,000원| 조회(840)

신경, 생물, 신경망

미리보기

닫기
[소프트웨어공학] case 평가B괜찮아요

제 15 장 CASE개요 CASE란 무엇인가? CASE의 빌딩 블록 CASE 도구의 분류법 통합 CASE 환경 통합 아키텍쳐 CASE 저장소 요약1. 개요CASE(Computer Aided Software Engineering) 절대적으로 필요한 물품을 제공 시간이 지남에 따라 보다 익숙, 유용 개인 실무자들의 요구에 잘 적응2. CASE란 무엇인가(1)장인을 위한 최고의 작업장의 주요 특성 제품을 구축하는 모든 단계에 도움을 줄 수 있는 유용한 도구들의 모음 도구들을 빨리 찾을 수 있고 효율적으로 사용하도록 돕는 조직화된 레이아웃 도구들을 어떻게 효율적인 방법으로 사용하는지를 이해하고 있는 숙련된 장인통합 프로젝트 지원 환경 Integrated Project Support Environment툴박스CASECASECASE2. CASE란 무엇인가?(2)CASE 엔지니어에게 수작업 활동들을 자동화 시킬 수 있는 능력 제공 공학에 관한 통찰력을 향상시키는 능력 제공 제품이 구축되기 전에 설계되고 있는 제품의 품질을 확인하는데 도움 줌3. CASE의 빌딩 블록(1)[그림15-1] Case 빌딩 블록들환경 아키텍쳐하드웨어 플랫폼운영 체제이식성 서비스통합 프레임 워크CASE 도구3. CASE의 빌딩 블록(2)[그림15-2] 통합 옵션들IPSE단일 소스조합과 표준도구 교량 파트너쉽data exchange개별 도구 (포인트 솔루션)4. CASE 도구의 분류법CASE 도구를 분류할 때는 언제나 많은 위험이 수반된다 사람들이 특정한 도구가 한 범주에 속한다고 믿고 있을 때, 이것을 다른 범주 내에 넣게 되면 혼동이 발생한다. 도구들의 계층적 상호작용이나 도구들 간의 관계를 보여줄 수 없다. 위험에도 불구하고 CASE의 폭을 보다 잘 이해하고 소프트웨어 공학 과정에서 이러한 도구들을 적용할 수 있는 곳을 인지하기 위해 CASE 도구들의 분류법을 만들 필요가 있다.4. CASE도구의 분류법(1)정보공학도구들(information engineering tools) 조직의 전략적인 정gement tools) 소프트웨어 매트릭스 : 관리자나 실무자의 능력을 향상 시켜 줌 오늘날의 매트릭스와 측정도구 : 프로세스와 프로덕트, 프로덕트의 특성들에 초점 관리중심 도구들 : 프로젝트의 특수한 매트릭스를 추출한다. 기술중심도구들 : 테크니컬 매트릭스를 결정해 준다. 더욱 발전된 많은 매트릭스 도구들 : “산업평균”을 측정할 수 있는 데이터베이스를 유지4. CASE도구의 분류법문서화 도구들(documentation tools) 문서 생성과 전자 출판 도구들 모든 측면을 지원해 주고, 개발자에게 실질적인 “목표달성”의 기회를 제공 소프트웨어 개발 조직에서 많은 시간을 문서 개발에 사용 문서화 과정은 비효율적 보통 20-30%를 소비 문서화 도구들 : 생산성을 향상시키는 중요한 기회를 제공4. CASE도구의 분류법시스템 소프트웨어 도구들(system software tools) 고품질의 네트워크 시스템 소프트웨어, 전자우편, 게시판, 다른 커뮤니케이션 능력 등을 갖고 있어야 한다. 품질 보증 도구들(quality assurance tools) 대다수의 CASE 도구들은 언어가 표준에 일치하는가 여부를 결정하기 위한 소스 코드를 감시하는 매트릭스 도구들이다 다른 도구들은 구축하고 있는 소프트웨어의 품질을 계획하는 노력으로 테크니컬 매트릭스를 추출해 낸다.4. CASE도구의 분류법데이터베이스 관리 도구들(database management tools) 데이터베이스 관리 소프트웨어는 CASE 데이터베이스(repository)를 설정하는데 필요한 토대를 제공한다. 형상 객체들이 강조되면 CASE용 데이터베이스관리 도구들은 RDMS == OODMS4. CASE도구의 분류법소프트웨어 형상 관리 도구들(software configuration management tools) 다섯 개의 주요 SCM 태스크인 식별, 버전 제어, 변경 제어, 감사, 상태 설명을 지원 CASE 데이터 베이스는 모든 형상 항목을4. CASE도구의 분류법소프트웨어 형상 관리 도구들(softwa 그리고 디버거를 포함한다. 이외에도 객체 지향 프로그래밍 환경, 4세대언어, 어플리케이션 생성기, 그리고 데이터베이스 질의어들도 이 범주에 속한다4. CASE도구의 분류법통합과 시험 도구들(integration and testing tools) 테스팅 도구의 범주의 정의(Software Quality Engineering) 데이터획득(data acquisition) : 테스팅시에 사용되는 데이터를 획득하는 도구 정정측정(static measurement) : 테스트 사례를 시행하지 않고 소스코드를 분석 동적측정(dynamic measurement) : 실행시에 소스코드를 분석하는 도구 시물레이션(simulation) : 하드웨어나 다른 외부 기능을 모의 실험하는 도구 데스트 관리(test management) : 테스팅의 계획 수립, 개발, 그리고 제어를 도와주는 도구 크로스 기능 도구(cross functional tools) : 위에 있는 범주의 범위를 교차시키는 도구4. CASE도구의 분류법정적 분석 도구들(static analysis tools) 정적 테스팅 도구들은 소프트웨어 엔지니어가 테스트 사례들을 만드는데 도움을 준다. 정적 테스팅 도구 3가지 코드기반 테스팅 도구:입력으로 소스코드를 받아들여 테스트 사례들의 생성에서 결과가 나오는 많은 분석을 수행 전문테스팅 언어 : 소프트웨어 엔지니어가 각 테스트 사례들과 그 실행에 관한 지원들을 설명하는 세부적인 테스트 명세를 작성할 수 있게 해준다. 요구사항 기반 테스팅 도구 : 특정 사용자의 요구사항들을 격리시켜서 그 요구사항을 조사할 수 있는 데스트 사례들을 제안한다.4. CASE도구의 분류법테스트 관리 도구들(test management tools) 테스트 관리도구들은 각 주요 테스팅 단계에 대한 소프트웨어 테스팅을 제어하고 조정하기 위해서 사용된다. 회귀분석 테스팅을 관리하고 조정하며 실제 결과와 예상결과 사이의 차이점을 확인하는 비교를 수행, 대화형 휴먼 컴퓨터 인터페이스로 프로그램의 일괄 테스 항목에 대한 변경이 관련된 다른 정보 항목으로 추적될 수 있게 해야 한다. 모든 소프트웨어 공학 정보에 대한 버전 제어와 전체 형상 관리를 제공해야 한다. 환경에 포함된 어떠한 도구도 직접, 비순차적으로 액세스가 허용되어야 한다. 도구들과 데이터를 표준 작업 분석 구조로 통합시키는 소프트웨어 공학 작업에 대한 절차 내용에 자동 지원이 설정되어야 한다. 각 도구의 사용자들이 휴먼 컴퓨터 인터페이스에 일관된 모양과 느낌을 경험할 수 있게 해야 한다. 소프트웨어 엔지니어들간의 커뮤니케이션을 지원해야 한다. 포르세스와 프로덕트를 개선하기 위해 사용할 수 있는 관리와 테크니컬 메트릭스가 수집되어야 한다.6. 통합 아키텍쳐도구 관리 서비스객체 관리 계층 통합 서비스 형상 관리 서비스공유 저장소 계층 CASE 데이터베이스 액세스 제어 기능CASE 도구도구계층[그림15-4] 통합 프레임워크에 대한 아키택처 모형사용자 인터페이스 계층 인터페이스 톨 키트 프리젠케이션 프로토콜7. CASE 저장소Webster 사전에는 “저장소(repository)”란 단어를 “축적이나 저장의 중심으로 생각되는 어떤 사물이나 사람”이라고 정의하고 있다. 초창기에 저장소는 사람 오늘날에 저장소는 사물, 즉 소프트웨어 공학 정보의 축적과 저장 모두에 중심으로 활동하는 것은 데이터베이스 사람은 저장소와 통합 CADE 도구들을 사용해서 저장소와 상호작용 한다. CASE 데이터베이스, 프로젝트 데이터베이스, 통합 프로젝트 지원환경(IPSE) 데이터베이스, 데이터 사전, 저장소 등이 있다.7.1 통합 CASE에서 저장소의 역할데이터와 도구, 데이터와 데이터 통합을 성취하는 메커니즘과 데이터 구조의 집합이다 데이터베이스 관리 시스템의 명확한 기능을 제공해 준다 데이터 무결성(data integrity) 입력을 검증하는 기능, 객체간의 일관성을 보장하는 기능, 계단식 수정으로 자동으로 수행하는 기능 정보 공유(information sharing) 정보를 공유하는 메커니즘을 제공해 주고, 여러 사용자들의 액세스 준다. 고급 수준 액세스(high-level access) 저장소는 데어터 처리 장치가 각 CASE 도구에서 복제되지 않도록 공통 데이터 액세스 메커니즘을 제공해 준다. 데이터 독립성(data independence) CASE 도구와 목표 어플리케이션(target application)은 물리적 기억장치로부터 분리시키면 형상이 변경될 때 영향을 받지 않는다. 트랜잭션 제어(transaction control) 동시 사용자나 시스템이 실패한 경우에 데이터의 무결성을 유지시키는 방법으로 여러 부분의 상호작용을 관리한다. 보통 레코드 로킹(locking), en 단계 수행(twostage commits), 처리 로깅(logging), 회복 절차(recovery procedures)7.2 특성과 내용CASE 저장소의 표준 DBMS 특성(2) 보안(security) 저장소 안에 포함된 정보를 관찰하고 수정하는 사람을 제어하는 메커니즘을 제공해 준다. 특별한 데이터 질의와 보고(ad hoc data queries and reports) CASE 도구가 제공해 주는 표준 보고서 외에 사용자 정의 분석을 가능하게 해서 SQL이나 형식 지향 브라우저 같은 편리한 사용자 인터페이스를 통하여 저장소의 내용에 직접 접근할 수 있게 해준다. 개방(openness) 보통 주요한 로딩(loading)이나 전송을 가능하게 해주는 간단한 import/export 메커니즘을 제공해 준다.7.2 특성과 내용CASE 저장소의 표준 DBMS 특성(3) 다중 사용자 지원(multiuser support) 다중 개발자가 동시에 어플리케이션 작업을 할 수 있도록 해준다. 정교한 데이터 구조의 저장 장치(storage of sophisticatied data structures) 다이어그램, 문서, 파일과 같은 복잡한 데이터 형태도 수용 데이터의 구조, 관계, 의미를 기술하는 정보모형(메타모형)을 포함 무결성 향상(integrity enforcement) 저장소에 입력되어 있는 정보에 대한 확인된 규칙

공학/기술| 2003.05.31| 42페이지| 5,000원| 조회(879)

case, CASE PPT

미리보기

닫기