Napovedni model za učinkovito sinhronizacijo podatkov med sistemi z različnimi objektnimi modeliPetrova, Ana (Avtor) Vavpotič, Damjan (Mentor) Radin, Dragoslav (Komentor) spodbujevano učenjesinhronizacija podatkovstarost informacijenapovedovanje dogodkovintegracije poslovnih sistemovPoslovne integracijske platforme podatke iz zunanjih sistemov pogosto sinhronizirajo v fiksnih intervalih. Ti v mirnih obdobjih povzročajo prazne sinhronizacije, med izbruhi pa zastarelost podatkov. Preučujemo prilagodljivo razporejanje s spodbujevanim učenjem (RL), pri nekaterih konfiguracijah dopolnjeno z napovedmi števila dogodkov na minuto (ER) ali časa do naslednje aktivne minute (TTE). Sinhronizacijske politike ovrednotimo na osmih enotah štirih platform. Pri Brightpath Salesforce preverjamo posploševanje prek preloma režima. Na nespremenjenih testnih sledeh s sinhroniziranim začetkom zgradimo skupne Paretove fronte za sinhronizacijsko breme in zgornji rep zastarelosti ter agente primerjamo z vnaprej določenim naborom periodičnih intervalov z eno fazo na interval. Sinhronizacijske politike RL pri vsaki enoti prispevajo vsaj eno točko na skupni Paretovi fronti. Vendar periodične sinhronizacijske politike pri primarni logaritemski preslikavi v povprečju pokrijejo več preizkušenih uteži; nekateri izbori se pri linearni preslikavi spremenijo. Opisne primerjave in omejena usklajena ablacija niso pokazale dosledne splošne prednosti napovednih značilk. Primerjave ne potrjujejo zanesljive povezave med napovedno točnostjo in uporabnostjo napovedi. Izbiro sinhronizacijske politike je zato treba potrditi za vsako enoto in njene operativne prioritete.20262026-11-10 14:10:05Magistrsko delo/naloga191014VisID: 38539sl