Создание сайта на Netcat, доработка платформы

ГИМАДЕЕВА Г.Р., КГЭУ, г. Казань

Науч. рук. канд. физ.-мат. наук, с.н.с. ФИЛИМОНОВА Т.К.

В последние годы в России быстрыми темпами развивается Интернет, и большая доля населения имеет у себя дома или на работе выход к его ресурсам. Возникает необходимость использования этого направления в рекламных целях.

Пользователи сети Internet больше всего ценят информацию. Поэтому содержание web-страниц является одним из ключевых моментов, на который необходимо обратить внимание при разработке сайта и который даст огромное преимущество фирме перед конкурентами в случае размещения нужной пользователю информации.

Цель: создание рекламно-информационного канала для энергети-ческой компании, облегчение коммуникации с действующими и потенциальными партнерами, формирование положительного имиджа компании как предприятия, использующего современные технологии. Для этого я выбрала платформу Netcat.

Платформа Netcat – универсальный движок для сайтов.

Netcat – это простая и быстрая платформа для сайта любого уровня сложности: от простых корпоративных сайтов до крупных порталов и сервисов электронной коммерции.

1. Редакция Standard – удобная платформа для создания и поддержки несложного корпоративного сайта.

2. Netcat Standard позволяет создавать интерактивные сайты с личным кабинетом пользователя.

3. Редакция Business – простой движок для создания интернет-магазина и быстрого запуска продаж в интернете.

4. Редакция Corporate – система управления крупным корпора-тивным сайтом или порталом.

5. Netcat E-commerce – возможно, лучший движок для
интернет-магазина на российском рынке по соотношению «стоимость/функциональность».

6. Netcat Extra – готовый движок интернет-магазина и портала «в одной коробке».

Этапы создания сайта:

1. Создание шаблона сайта – пошаговое создание шаблона сайта с помощью Adobe Photoshop, выбор фрагментов и сохранение для использования в страницах.

2. Верстка сайта – основные HTML-теги и способы организации контента статических страниц.

3. Сайт на PHP – отличие статических и динамических страниц. Сайт преобразуем в 3-страничный динамический. Даются начальные сведения о системах управления контентом (CMS).

4. Публикация сайта в Интернет – основные шаги, необходимые для публикации сайта в сети.

5. Домен и хостинг – доменные имена и критерии выбора хостинговой компании.

6. Размещение сайта на сервере – приводятся практические рекомендации по загрузке на сервер.

Административная часть сайта

 

УДК 004.42: 621.311.42

 

СТАТИСТИЧЕСКИЙ АНАЛИЗ И ПРОГНОЗИРОВАНИЕ

ОБЪЕМА ПРОДАЖ НА ПРИМЕРЕ ЛИТЕЙНОГО ЗАВОДА

ОАО «КАМАЗ»

ГРИГОРЬЕВА С.Г., КГЭУ, г. Казань

Науч. рук. канд. физ.-мат. наук, доцент АНДРЕЕВ В.В.

 

Одна из важных составляющих успеха компании – качественное прогнозирование продаж. Правильно рассчитанный прогноз позволяет более эффективно вести бизнес, прежде всего, контролировать и оптимизировать расходы. Кроме того, если речь идет о продукции, это позволяет сформировать оптимальные (а не завышенные или заниженные) запасы продукции на складе.

Актуальность данной темы состоит в том, что при нынешнем нестабильном состоянии экономики многие предприятия терпят убытки из-за дефицитного или, что встречается чаще, избыточного количества продукции на складе. Поэтому возникла необходимость в глубоком изучении методов прогнозирования, их эффективности и путей реализации.

Объектом исследования выбран Литейный завод ОАО «КамАЗ», предоставляющий комплекс услуг литейного производства. Поставлена цель: разработать мероприятия для прогнозирования объемов продаж Литейного завода ОАО «КамАЗ».

Прогнозирование объема продаж предприятия было достигнуто с использованием пакетов PASWStatistics 18 и Statistica 10.0.

В качестве факторов, «вероятно» определяющих количественное изменение объема продаж продукции, были выбраны следующие: x ₁ – цена на производственные помещения (руб.); x ₂ – цена на комплектующие (руб.);
x ₃ – затраты на обслуживание оборудования (руб.); x ₄ – транспортные расходы (руб.); x ₅ – индекс промышленного производства (%); x ₆ – индекс инфляции (%); x ₇ – курс доллара (руб.); x ₈ – среднемесячная заработная плата (руб.); x ₉ – индекс цен на топливо (%); x ₁₁ – цена за первичный металл (руб.).

Составлено уравнение и выявлены параметры, оказывающие наиболее существенное влияние на объем продаж. Уравнение множественной линейной регрессии имеет вид:

Из уравнения видно, что при увеличении x ₂ (цена на комплектующие) объем продаж увеличивается, при увеличении x ₃ (затраты на обслуживание оборудования) объем продаж увеличивается, при увеличении x ₁₁
(цена за первичный металл) объем продаж увеличивается.

Прогнозы объемов продаж литейной продукции Литейного завода ОАО «КамАЗ» были получены двумя методами: с помощью
ARIMA-модели и сезонной декомпозиции посредством пакета Statistica 10.0.

Для прогнозирования методом сезонной декомпозиции был получен график тренд-циклической компоненты временного ряда и тренда вместе. Функция, отраженная в графике, поможет нам получить прогнозируемый ряд, представленный в таблице.

 

Прогнозируемые данные на 2017 г.

Месяц (2017 г.)	Прогноз (тыс. т)
Январь	29,5778
Февраль	29,6945
Март	29,8112
Апрель	29,9279
Май	30,0446
Июнь	30,1613
Июль	30,278
Август	30,3947
Сентябрь	30,5114
Октябрь	30,6281
Ноябрь	30,7448
Декабрь	30,8615

В результате прогнозирования методом ARIMA-модели были получены доверительный интервал и прогнозные значения, представленные на рисунке.

 

Доверительный интервал и прогнозные значения

 

Чтобы выбрать модель с более высоким качеством прогноза, нужно сравнить среднюю ошибку аппроксимации. Ошибка аппроксимации метода сезонной декомпозиции равна 4,51 %. Следовательно, точность прогноза составит 95,5 %. В случае ARIMA-модели средняя ошибка аппроксимации MAPE равна 4,24 %, т.е. прогноз имеет точность 95,8 %. В результате анализа средней ошибки аппроксимации лучшей оказалась модель с использованием ARIMA-модели.

 

УДК 004.9

 

РАЗРАБОТКА СИНТАКСИЧЕСКОГО АНАЛИЗАТОРА

АРИФМЕТИЧЕСКИХ ВЫРАЖЕНИЙ НА ЯЗЫКЕ C++

ГУБАЕВ Т.О., КГЭУ, г. Казань

Науч. рук. канд. физ.-мат. наук, доцент ПЕТРОВА Н.К.

При современной скорости внедрения информационных технологий в жизнь в виде смартфонов, планшетов, электронных книг появляются новые операционные системы (ОС) и новые языки программирования, на которых эффективно разрабатывать не только приложения для этих ОС, но и системные программы, такие, к примеру, как трансляторы. Этим, в значительной степени, обусловлена актуальность представленной работы, способствующей, кроме всего прочего, формированию навыков и умений, необходимых в профессиональной деятельности студента-программиста.

Для реализации поставленной задачи нами был использован язык программирования С++. Несмотря на постепенную утрату лидирующих позиций С++ как языка для системного программирования, его не стоит вычеркивать из инструментария современного программиста. Он, как преемник языка C, включает в себя его стандартную библиотеку и имеет возможности по управлению памятью, т.е. является языком программирования с управляемой памятью. Помимо этого, он реализует основные парадигмы ООП, с помощью которых возможно создание приложений с гибкой архитектурой. Это также дает возможность варьировать поведение программы во время выполнения (ведь в наше время приложение может решать очень широкий спектр задач).

В ходе исследования мы ввели в рассмотрение упрощенную модель транслятора и разработали проект, который позволяет в тексте программы на С++ анализировать арифметические выражения на наличие ошибок с точки зрения синтаксиса языка C++. Так как речь идет лишь об арифметическом выражении, то нужно понимать, что в нем не могут участвовать разного рода ветвления, циклы, операторы присваивания, вызовы функций, обращение к переменным. Иными словами, речь идет о выражении, состоящем только из числовых констант (целочисленные константы, константы с фиксированной точкой и константы с плавающей точкой), основных арифметических операций (сумма, разность, произведение, частное, изменение знака) и группирующих скобок (круглая открывающая и круглая закрывающая соответственно). Кроме того, программа-анализатор должна поддерживать все форматы числовых данных и формы их записи.

Прежде чем начать непосредственный синтаксический анализ арифметического выражения, нужно сгруппировать символы, из которых состоит выражение на формальном языке, в так называемые лексемы. Пользователь, работая с консолью, набирает на клавиатуре исходные данные, используя символы, которые входят в алфавит языка C++. После ввода формулы выражение тут же разбивается на объекты-лексемы, цепочка из которых в дальнейшем будет проанализирована в ходе синтаксического разбора. Сам процесс выделения лексем из потока символов называется лексическим анализом.

Поскольку арифметическое выражение является, по сути, чередованием операндов, операторов и группирующих скобок, то синтаксический анализ можно свести к простой проверке соседних лексем. То есть, проверяя очередную лексему, мы смотрим на то, чем, с точки зрения языка C++, является предыдущее слово. Таким образом, для каждой группы лексем со сходными грамматическими правилами можно составить список из других групп, которые не могут им предшествовать.

Структура разработанного проекта построена методами ООП и включает в себя: типы данных TokenValue и TokenType для хранения информации о лексеме, класс Token, хранящий саму лексему и содержащий методы для работы с ней, и класс Expression, служащий для обработки арифметического выражения.

Такой подход позволяет работать в контексте классов и объектов, что очень удобно, так как при написании программ нет необходимости вникать в суть операций на низком уровне. Достаточно лишь знать интерфейс классов и работать с их методами, следуя контракту, который, как правило, описан в отдельной документации или в комментариях к самому методу.

Таким образом, нами разработан проект, в котором реализован алгоритм выявления ошибок в арифметическом выражении на языке C++. Полнота программ проверена разнообразием контрольных примеров. Дальнейшим развитием проекта может оказаться расширение понятия арифметического выражения вплоть до любого выражения на языке C++, а процесс анализа можно дополнить построением древа синтаксического разбора или иной структуры, которую можно проверять на предмет семантики.

 

УДК 004.6