Контрольные вопросы и задания

1. Сформулируйте основные отличия систем искусственного ин­теллекта от обычных программных средств.

2. Перечислите и охарактеризуйте основные компоненты статиче­ских экспертных систем.

4. Какого профиля специалисты привлекаются для разработки экс­пертных систем? Каковы их функции?

5. Чем отличаются динамические экспертные системы от стати­ческих?

6. Охарактеризуйте экспертную систему по следующим парамет­рам: типу приложения, стадии существования, масштабу, типу проблемной среды, типу решаемой задачи.

7. Расскажите об основных характеристиках инструментальных средств, предназначенных для разработки интеллектуальных ин­формационных систем (уровень используемого языка, парадиг­ма программирования; способ представления знаний, механизм вывода и моделирования, средства приобретения знаний, технологии разработки приложений).

8. Опишите основные технологические этапы разработки эксперт­ных систем: идентификацию, концептуализацию, формализа­цию, выполнение, тестирование, опытную эксплуатацию.

9. Технологические процессы объектно-ориентированного программирования в проектировании интеллектуальной системы поддержки управления

Повышение эффективности деятельности предприятия требует качественно нового подхода к постановке задач принятия решений в оперативно-диспетчерском управлении (ОДУ). Как показывает опыт проектирования автоматизированных систем оператив­но-диспетчерского управления (АСОДУ), в настоящее время наи­более перспективным представляется включение в контур управле­ния экспертных систем, позволяющих повысить интеллектуальный уровень принимаемых решений.

В случае плохо формализованных задач, а именно такие чаще всего возникают в системах ОДУ во многих предметных областях (ПО) (таких, как горное дело, атомная энергетика, химическое производство и т.п.), процедуры принятия оптимальных решений обычно слабо реализуемы. Поэтому правильному принятию реше­ний способствует создание баз знаний, основанных на принципах объектно-ориентированного подхода (ООП). Имеющиеся в нем средства позволяют отображать реальные сущности предметной об­ласти в виде объектов, которые взаимодействуют друг с другом че­рез сообщения. Конечный пользователь получает возможность ес­тественным образом работать с сущностями ПО как с объектами (классами объектов), используемыми в его профессиональной дея­тельности. Гибкое сочетание ООП и БЗ, а также использование со­временных средств отображения информации позволяют опреде­лить новый подход к постановке и решению задач принятия реше­ний в системах поддержки диспетчера (СПД).

Интеллектуализация ОДУ — проблема со многими аспектами, в числе которых находятся традиционные для искусственного интел­лекта задачи, инвариантные по отношению к области применения (поддержка принятия решений, взаимодействие с пользователем на естественном языке и т.п.).

Задачи интеллектуализации СПД как предметной области свя­заны с вопросами одновременного распознавания многих взаимо­связанных технологических ситуаций. В большинстве практиче­ских случаев даже быстродействующие реализации процедуры при­нятия управленческих решений не способны оценить все возмож­ные сочетания параметров, характеризующих ситуацию, поскольку множество их бесконечно или практически бесконечно. Кроме того, принятие эффективных управляющих решений является сложной задачей для оперативного персонала из-за неполноты ин­формации о ситуациях, большой размерности объекта идентифика­ции, отсутствия формализованного описания объекта (основная часть информации представляется в форме рекомендаций специа­листов-экспертов). Разнообразные технологические ситуации тре­буют от управляющего диспетчера различных типов знаний для принятия соответствующих решений. В настоящее время процесс принятия решений по распознаванию ситуаций остается одной из самых сложных задач для оперативного персонала, особенно при возникновении нештатных ситуаций, в которых отсутствуют запро­граммированные управленческие решения.

Для создания базы знаний и механизма логического вывода ин­теллектуальной СПД требуются:

• метод описания ситуаций, позволяющий структурировать сущности предметной области в базе знаний;

• алгоритм использования диагностических знаний для автома­тической идентификации ситуации на ПЭВМ.

Эти задачи могли быть решены при помощи либо методов ис­кусственного интеллекта с использованием соответствующего про­граммного инструментария — оболочек ЭС, либо языков представ­ления знаний. Однако применение подобных средств осложняется спецификой обсуждаемой предметной области: необходимостью работы в реальном масштабе времени, большим объемом знаний и ограниченностью вычислительных ресурсов, имеющихся в контуре управления.

Это обусловливает применение структурных элементов описа­ния, предлагающих сравнительно низкий уровень абстракции зна­ний, а именно причинно-следственных деревьев с задержками по времени, называемых деревьями знаний (ДЗ).

Основной единицей описания предметной области в процессе идентификации является алгоритм обработки, который представ­ляет собой разветвленную последовательность логических заключе­ний, выполняемых на основании фактической информации о тех­нологическом объекте управления и приводящих к выводу о со­стоянии этого объекта. Этот алгоритм реализует процедуральные (описанные в технологических регламентах и инструкциях) и ког­нитивные (субъективная модель процесса, сформированная опера­тором) знания об объекте.

Условие, содержащееся в вершине ДЗ, является минимальной единицей знаний, представляемой в процессе описания ПО. Иден­тификация события заключается в проверке условия одного из че­тырех описываемых ниже типов.

1. Анализ значения объекта

P*V ± e  Si, (9.1)

где Si — идентифицируемое событие;

Р — значение объекта ( технологического параметра);

V — величина, с которой сравнивается значение Р;

* — предикатный символ (=,<>,>,>=,<,<=);

е — допустимая ошибка рассогласования, определяющая уве­ренность в том, что ситуация (событие) может быть распознана.

Задание значения «е» связано с определением степени принад­лежности μ(Si) для нечеткого множества Sm на шкале [0,1]. Ины­ми словами, «е» является функцией отображения Si на интервал [0, 1], т.е.

e:Si  [0,l] = μSm(Si), (9.2)

где Si — некоторая распознаваемая ситуация; Sm — эталонная (полностью известная и описанная) ситуация из базы знаний.

С учетом (9.2) возможна обработка нечеткой (как числовой, так и лингвистической) информации путем введения в ДЗ соответ­ствующих узлов. Следовательно, появляется возможность анализа состояния технологических объектов в нечетких условиях среды функционирования.

С помощью узла 1-го типа можно записать правило:

ЕСЛИ значение объекта Р достигло (превысило и др., в зависимо­сти от предикатного символа) некоторой величины V с точностью е, ТО имеет место событие Si.

2. Анализ изменения значения параметра

dP / dt * V ± e  Si, (9.3)

где dP/dt — изменение значения технологического параметра Р за время dt.

Приведенное высказывание (9.3) означает, что в узле 2-го типа может содержаться правило вида:

ЕСЛИ значение технологического параметра Р за время dt измени­лось на некоторую величину V с точностью е, ТО имеет место собы­тие Si.

3. Анализ взаимосвязей параметров

Pk * aPl + b ± e  Si, (9.4)

где Рk — значение зависимого технологического параметра;

Pl — значение независимого технологического параметра;

а — коэффициент регрессии;

b — свободный член уравнения регрессии.

Приведенное высказывание (9.4) означает, что в узле 3-го типа может содержаться правило:

ЕСЛИ значение технологического параметра Рk изменяется в со­ответствии с линейной зависимостью от параметра Р1 с коэффици­ентами a, b и точностью е, ТО имеет место событие Si

4. Анализ диалоговой информации

"?"  Si, (9.5)

где «?» — запрос у оператора недостающей информации.

Высказывание (9.5) означает, что событие Si (а также дальней­шее продвижение по ДЗ) определяется оператором. Введение со­бытия 4-го типа вызвано отсутствием в технологической ЭВМ ряда важных для анализа ситуации параметров и другой информации. При обработке события 4-го типа система выдает оператору за­прос, который предполагает ответ в форме (да/нет/ не знаю) и оп­ределяет путь дальнейшего продвижения по ДЗ.

При принятии решений в реальном масштабе времени необхо­димо учитывать временной фактор. Иногда важно не только уста­новить факт наступления события, но и проанализировать, сколько времени прошло с момента наступления предыдущего события. Для учета динамических изменений объекта управления введены временные задержки на ветвях дерева.

Итак, рассмотрена модель описания предметной области дея­тельности диспетчера в виде деревьев знаний.

Под предметной областью, как и раньше, будем понимать на­бор ее понятийных сущностей. Для задач распознавания ситуаций СПД сущностями можно считать технологические параметры со­стояния оборудования, технологические ситуации на объекте, ди­агностируемые события, последовательность действий оперативно­го персонала, анализируемые условия и др.

Модель ПО представляется в виде системы сущностей (объектов), в качестве которых выступают данные, их атрибуты и отношения ме­жду ними. Данные отображаются в файлах БД или БЗ; действия над ними осуществляются прикладными программами или процедурами. Каждая процедура (или прикладная программа) отражает некоторое знание об определенной функции или задаче; последующая формали­зация модели ПО направлена на приближение к профессиональной терминологии пользователя. Одним из возможных способов достиже­ния этой цели является объектно-ориентированный подход.

Модель представления знаний приведена на рис. 9.1. Объект MANAGER управляет деревьями, описывающими работу различ­ных подсистем. Каждое дерево — это отдельный алгоритм анализа ситуаций, связанных по технологическим признакам, причем ДЗ — это бинарное дерево, в каждой вершине которого содержится определенное условие. Корневые вершины являются исходными точками для поддеревьев (подалгоритмов) ДЗ. Вершины четырех типов описаны выше.

Структура ДЗ на основе ООП представлена на рис. 9.2. В ней отражены объекты сущность—атрибут—связь. Между сущностями указаны два вида связей: обязательная, которая обозначается — , и необязательная (факультативная) - - - - . На концах связей указа­ны поименованные ассоциации сущностей.

В данной модели MANAGER, являющийся сущностью верхнего уровня иерархии, образует обязательную связь с сущностью TREE (т.е. ни одно дерево не существует без связи с менеджером). В свою очередь, TREE имеет два обязательных атрибута: указатель на корень дерева и число вершин дерева. Из схемы видно, что узлы ROOT, FIRST, SECOND, THIRD, FOURTH обязательно связаны с сущно­стью BASE и наследуют ее свойства и признаки. Сущность TREE является «другом» BASE, т. е. все функции класса TREE имеют дос­туп к закрытой части класса BASE. Кроме этого, показано, что корневой узел (родоначальник поддерева ДЗ) должен быть узлом первого типа, а узел первого типа может не быть корневой вершиной. Узлы различных типов, наследуя признаки и атрибуты базовой сущности BASE, также имеют только им присущие атрибуты. Корневой узел ROOT, являясь по сути узлом FIRST и наследуя его свойства, должен добавить свой атрибут — время исполнения подалгоритма ДЗ.

Рис. 9.1. Модель представления знаний в виде деревьев знаний (ДЗ)

Каждая используемая в процессе управления последователь­ность действий при анализировании ситуаций представляет собой отдельный объект, свойства которого как элемента класса пред­ставлены в БЗ. Таким образом, с помощью понятия «объект» опи­сываются ситуации, объединенные в логические последовательно­сти, и атрибуты (идентифицирующие данные ситуации), свойст­венные этому объекту. В результате объект TREE становится носителем информации о значениях атрибутов, что отображает набор экспертных правил.

Разработав соответствующий алгоритм анализа ситуации (дере­во), когнитолог заполняет БЗ, т.е. создает объект TREE в БЗ. Для объекта задаются:

• номер или имя объекта, по которому к нему можно обратиться;

• количество вершин в дереве.

Рис. 9.2. Структура дерева знаний

Кроме того, каждому объекту (дереву, узлу) предоставляется не­который набор процедур, которые запоминаются в БЗ и позволяют производить те или иные действия над объектом. В соответствии с этими процедурами и функциями осуществляется создание, редак­тирование, загрузка, удаление, сохранение объекта, а также его об­работка: сканирование дерева, раскрытие вершин (рис. 9.3).

В ООП основные понятия описания исследуемой предметной области, такие, как логическая последовательность действий, при распознавании ситуаций можно обозначить объектами с общими свойствами. В общем виде модель предметной области для задачи распознавания нештатных ситуаций в интеллектуальной СПД предприятия представляется в виде

МПО = {(T,N,P)/t}.

В этой модели используются объекты:

Рис. 9.3. Операции над объектами ДЗ

Т = {Ti}, i , T — множество задач или подсистем;

N = {NR, N1, N2, N3, N4} — множество, в котором данные сформированы по задачам из множества Т и содержатся в узлах ДЗ: корневом, первого, второго, третьего и четвертого типов;

Р ⁼ {Pj}, — множество процессов j-гo логического вывода дерева знаний, t — временной фактор.

Гибкое сочетание объектно-ориентированного программирова­ния и баз знаний для представления реальных информационных сущностей предметной области в виде древовидных структур явля­ется наиболее оправданным подходом к интеллектуализации в дан­ной предметной области. Конечный пользователь в итоге получает возможность естественным образом работать с сущностями пред­метной области как с объектами, используемыми в его профессио­нальной деятельности, а такие свойства ООП, как полиморфизм, инкапсуляция, наследование, позволяют достигнуть компактности программного кода системы.