[图解]SysML和EA建模住宅安全系统-03-现有运营领域-图标表示结构

1
00:00:01,590 --> 00:00:04,260
接下来,我们来看图17.8

2
00:00:05,590 --> 00:00:08,430
图17.8跟图17.7是一样的

3
00:00:08,440 --> 00:00:14,610
它也是描述运营领域现状的一个BDD

4
00:00:16,150 --> 00:00:18,340
但是它用图标来表示

5
00:00:19,260 --> 00:00:20,680
这样看起来生动一点

6
00:00:22,550 --> 00:00:26,450
但是这个图应该不是用建模工具画出来

7
00:00:26,460 --> 00:00:28,610
你看,这里又缺少了元素

8
00:00:29,980 --> 00:00:32,740
包的名字,图的名字

9
00:00:33,090 --> 00:00:34,690
少了一个图的名字

10
00:00:35,900 --> 00:00:39,320
然后你看,这个是BDD,这是Block

11
00:00:39,330 --> 00:00:40,130
这是Block

12
00:00:42,280 --> 00:00:45,320
中间这个跟刚才那个图

13
00:00:45,330 --> 00:00:47,000
跟图17.7

14
00:00:47,010 --> 00:00:49,030
就已经矛盾了

15
00:00:49,040 --> 00:00:51,150
刚才你是一个组合什么的

16
00:00:51,710 --> 00:00:53,040
现在变成这样了

17
00:00:53,680 --> 00:00:55,530
而且还双箭头

18
00:00:58,570 --> 00:01:01,190
两边都可以导航的

19
00:01:02,010 --> 00:01:02,800
这不对了

20
00:01:04,820 --> 00:01:08,890
为什么这一章,就是17章

21
00:01:10,960 --> 00:01:12,190
住宅安全系统

22
00:01:12,200 --> 00:01:15,670
比起16章水蒸馏器

23
00:01:17,960 --> 00:01:19,590
严谨上差了一点

24
00:01:22,180 --> 00:01:24,730
我猜想可能是这样的

25
00:01:25,060 --> 00:01:27,410
这个书是由三个作者写的

26
00:01:28,370 --> 00:01:31,490
作者的水平就参差不齐

27
00:01:32,450 --> 00:01:33,940
可能17章的作者

28
00:01:34,300 --> 00:01:38,790
可能这上面投入的精力不太够了

29
00:01:39,780 --> 00:01:41,860
所以东西都不太严谨

30
00:01:43,870 --> 00:01:46,560
我们尽量照着它画

31
00:01:47,190 --> 00:01:49,920
那些不对的地方我们把它改过来

32
00:01:52,800 --> 00:01:56,180
所以这张图只能另起炉灶了

33
00:01:57,030 --> 00:01:59,290
不能用刚才的

34
00:02:00,110 --> 00:02:02,460
我们图17.7画的

35
00:02:02,470 --> 00:02:04,030
那些block,不行的

36
00:02:04,040 --> 00:02:07,750
因为它跟这个内容都已经不一样了

37
00:02:10,230 --> 00:02:15,950
所以这些block我们一会都要重新添加进去

38
00:02:16,080 --> 00:02:19,900
不能用现有的

39
00:02:19,910 --> 00:02:21,540
我们重新另起炉灶

40
00:02:21,550 --> 00:02:22,700
画一张这样的图

41
00:02:24,000 --> 00:02:27,710
其中这123456个,6个block

42
00:02:28,480 --> 00:02:30,390
我们重新添加

43
00:02:30,400 --> 00:02:33,090
不用刚才我们已经有的那些block

 

1
00:00:00,490 --> 00:00:01,180
怎么加

2
00:00:01,570 --> 00:00:04,380
我们来看,这是刚才那个图

3
00:00:05,200 --> 00:00:06,390
17.7

4
00:00:07,150 --> 00:00:08,260
我们同样在这里加

5
00:00:08,430 --> 00:00:10,100
同样在这个下面加

6
00:00:10,960 --> 00:00:12,100
2-结构下面加

7
00:00:13,710 --> 00:00:14,890
添加一张图

8
00:00:16,290 --> 00:00:18,470
然后同样是BDD

9
00:00:19,280 --> 00:00:21,730
我们名字叫做什么

10
00:00:21,740 --> 00:00:27,380
叫做现有运营领域

11
00:00:28,080 --> 00:00:33,630
然后,括号,图标表示

12
00:00:37,670 --> 00:00:38,110
OK

13
00:00:41,630 --> 00:00:45,670
这样,刚才那个图就少了

14
00:00:46,320 --> 00:00:48,070
包的名字在这里

15
00:00:51,270 --> 00:00:55,680
然后我们来看它要加

1
00:00:00,850 --> 00:00:04,630
我们看第一个要加的,就是现有中央工作站

2
00:00:06,380 --> 00:00:09,030
分派员、警察、入侵者

3
00:00:09,440 --> 00:00:11,390
住宅等等

4
00:00:11,560 --> 00:00:13,350
就这样加,我们一个个加上去

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/755177.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

2000-2022年 省、市、县三级逐年归一化植被指数NDVI

NDVI(归一化植被指数)是一种重要的遥感指数,广泛应用于植被生长状况的监测和评估。以下是对省、市、县三级逐年归一化植被指数NDVI数据的介绍: 数据简介 定义:NDVI是一种基于植被在红光和近红外波段反射特性的遥感指…

财务RPA与数字化转型——财务RPA如何促进企业的数字化转型

在数字化时代,企业面临着推动创新、提高效率的巨大挑战。RPA财务机器人作为智慧财务不可或缺的新动能,不仅能够优化财务流程,还能够在整个企业中引领数字化变革。本文金智维将深入探讨财务RPA如何成为企业数字化转型的战略利器,为…

WordPress Quiz Maker插件 SQL注入漏洞复现(CVE-2024-6028)

0x01 产品简介 WordPress Quiz Maker插件是一款功能强大的测验生成工具,旨在帮助用户轻松、快速地构建复杂的测验和考试。插件支持多种问题类型,包括单选框(MCQ)、复选框(MCQ)、下拉列表(MCQ)、文本、短文本、数字、日期等。还支持横幅(HTML)显示信息性消息、填空题…

Java应用cpu过高如何分析

1. 查看进程cpu使用情况 top 2. 根据PID查看指定进程的各线程的cpu使用情况 top -H -p PID

使用 Compose Multiplatform Media Player 实现跨平台媒体播放

使用 Compose Multiplatform Media Player 实现跨平台媒体播放 在跨平台开发中,媒体播放功能是一个常见且重要的需求。Compose Multiplatform Media Player 是一个专为 Compose Multiplatform 项目设计的强大媒体播放器库,它可以在 iOS 和 Android 平台上无缝实现视频播放、…

小程序驾校预约系统的设计

管理员账户功能包括:系统首页,个人中心,学员管理,教练管理,驾校信息管理,驾校车辆管理,教练预约管理,考试信息管理 微信端账号功能包括:系统首页,驾校信息&am…

python--基础篇--正则表达式--py脚本--题目解答

文章目录 验证输入用户名和QQ号是否有效并给出对应的提示信息从一段文字中提取出国内手机号码替换字符串中的不良内容拆分长字符串 验证输入用户名和QQ号是否有效并给出对应的提示信息 """ 验证输入用户名和QQ号是否有效并给出对应的提示信息要求:用…

智能农业技术:物联网、无人机与机器人引领的绿色革命

在这个信息化与智能化并行的时代,农业——这个最古老的人类产业,正经历一场前所未有的科技变革。物联网(IoT)、无人机(UAV)和机器人技术的深度融合,正逐步构建起一个高效、精准、可持续的现代农…

华为HCIP Datacom H12-821 卷18

1.问答题 (拖拽题)如图所示,请根据 DHCPv6 的四歩交互流程, 将报文按照顺序拖拽到相应的位置 参考答案: 1--solicit ,2--advertise , 3--equest, 4--reply 解析: DHCPv6的报文交互流程,类似于V4,先组播发现,服

静态链表详解(C语言版)

顺序表和链表的优缺点 顺序表和链表是两种基本的线性数据结构,它们各自有不同的优缺点,适用于不同的应用场景。 顺序表(Sequential List,通常指数组) 优点: 随机访问:可以通过索引快速访问任…

【前端】简易化看板

【前端】简易化看板 项目简介 看板分为三个模块,分别是待办,正在做,已做完三个部分。每个事件采取"卡片"式设计,支持任务间拖拽,删除等操作。 代码 import React, { useState } from react; import { Car…

如何有效保护生物医药企业隔离网数据导出的安全性?

生物医药企业的核心数据保护至关重要,企业为了保护内部的核心数据,会将网络进行物理隔离,将企业内⽹与外⽹隔离。⽹络隔离后,仍存在重要数据从内网导出至外网的隔离网数据导出需求。以下是一些需要特别保护的核心数据类型&#xf…

【图论 树 深度优先搜索】2246. 相邻字符不同的最长路径

本文涉及知识点 图论 树 图论知识汇总 深度优先搜索汇总 LeetCode 2246. 相邻字符不同的最长路径 给你一棵 树(即一个连通、无向、无环图),根节点是节点 0 ,这棵树由编号从 0 到 n - 1 的 n 个节点组成。用下标从 0 开始、长度…

Python学习笔记五

1.当循环执行完整后&#xff0c;就会执行else里面的代码 s0 i1 while i<100:sii1 else:print(s) 当循环不完整就会如下 s0 i1 while i<100:sii1if s6:break; else:print(s) 2. 实现密码匹配&#xff0c;可以输入三次&#xff0c;若输入三次错误会退出&#xff0c;或者输…

Reactor模型:网络线程模型演进

一&#xff0c;阻塞IO线程池模型&#xff08;BIO&#xff09; 这是传统的网络编程方案所采用的线程模型。 即有一个主循环&#xff0c;socket.accept阻塞等待&#xff0c;当建立连接后&#xff0c;创建新的线程/从线程池中取一个&#xff0c;把该socket连接交由新线程全权处理。…

【C++课程设计——演讲比赛系统】

文章目录 前言一、演讲比赛程序需求二、每个功能模块的实现1. 创建管理类(.h文件)2.1. 创建管理类(.cpp文件)3.创建参赛选手类(.h)4.将整体逻辑进行封装 测试项目总结 前言 在学习完C的stl容器后&#xff0c;我们来写一下小项目对其进行应用&#xff01; 项目名称为&#xff1…

常见的反爬手段和解决思路(爬虫与反爬虫)

常见的反爬手段和解决思路&#xff08;爬虫与反爬虫&#xff09; 学习目标1 服务器反爬的原因2 服务器长反什么样的爬虫&#xff08;1&#xff09;十分低级的应届毕业生&#xff08;2&#xff09;十分低级的创业小公司&#xff08;3&#xff09;不小心写错了没人去停止的失控小…

排序算法(1)之插入排序----直接插入排序和希尔排序

个人主页&#xff1a;C忠实粉丝 欢迎 点赞&#x1f44d; 收藏✨ 留言✉ 加关注&#x1f493;本文由 C忠实粉丝 原创 排序之插入排序----直接插入排序和希尔排序(1) 收录于专栏【数据结构初阶】 本专栏旨在分享学习数据结构学习的一点学习笔记&#xff0c;欢迎大家在评论区交流讨…

JavaParser抽取测试用例对应的被测方法

背景介绍 博主目前要做的工作需要将一个java项目的所有RD手写的测试用例和被测方法对应起来&#xff0c;最后将得到的结果存入一个json文件。 本教程以项目GitHub - binance/binance-connector-java 为例。 结果展示 最终会得到一个 funcTestMap.json&#xff0c;里面存放着…

昇思25天学习打卡营第6天|linchenfengxue

​​​​​​SSD目标检测 SSD&#xff0c;全称Single Shot MultiBox Detector&#xff0c;是Wei Liu在ECCV 2016上提出的一种目标检测算法。使用Nvidia Titan X在VOC 2007测试集上&#xff0c;SSD对于输入尺寸300x300的网络&#xff0c;达到74.3%mAP(mean Average Precision)以…