84

	Федеральное агентство по образованию
	Государственное образовательное учреждение высшего профессионального образования «Рыбинская государственная авиационная технологическая академия имени П. А. Соловьева»

Н. В. ГОРЯЧЕВА

ЭКСПЕРТНЫЕ СИСТЕМЫ

В УПРАВЛЕНИИ КАЧЕСТВОМ

Учебное пособие

Рекомендовано Методическим Советом Рыбинской государственной авиационной технологической академии имени П. А.

Соловьева в качестве учебного пособия

Рыбинск 2009

УДК 658.562

Горячева Н. В. Экспертные системы в управлении качеством: Учебное пособие. – Рыбинск: РГАТА, 2009. – 80 с.

В учебном пособии рассмотрены структура, свойства, функции и классификация экспертных систем, модели представления знаний. Описана технология проектирования экспертных систем, приведены конкретные примеры их работы. Изложенный в пособии учебный материал сопровождается примерами, связанными с управлением качеством.

Для студентов специальности 220501 Управление качеством. Может быть полезно студентам других специальностей и направлений, связанных с применением экспертных систем в учебном процессе.

РЕЦЕНЗЕНТЫ: директор по качеству ОАО «КБ «Луч»,

канд. техн. наук Соколов М. А.;

кафедра «Аналитическая химия и контроль качества продукции» Ярославского государственного

технического университета

ОГЛАВЛЕНИЕ

Введение ……………………………………………………………………
1. Общее представление об экспертной системе ………………………...
1.1. Понятие искусственного интеллекта ………………………………
1.2. Понятие экспертной системы ………………………………………
1.3. Свойства экспертных систем …………………………………….....
1.4. Сравнение экспертных систем с экспертами ……………………...
1.5. Функции экспертных систем …………………………………….....
1.6. Общее описание технологии проектирования экспертных систем..
1.7. Практическое применение экспертных систем …………………...
2. История возникновения экспертных систем …………………………..
2.1. Исторический очерк о возникновении искусственного интеллекта.
2.2. Этапы возникновения экспертных систем ………………………...
3. Классификация экспертных систем ……………………………………
4. Структура экспертной системы ………………………………………...
4.1. Составляющие экспертной системы ………………………………
4.2. Данные и знания ………………………………………………….....
4.3. Модели представления знаний …………………………………….
4.3.1. Продукционные модели ………………………………………
4.3.2. Семантические модели ……………………………………….
4.3.3. Фреймы ………………………………………………………...
4.3.4. Формальные логические модели …………………………….
5. Технология проектирования экспертных систем ……………………..
5.1. Оценка целесообразности разработки экспертной системы для конкретной предметной области………………………………………..
5.2. Общие положения о разработке экспертной системы …………...
5.3. Выбор подходящей проблемы ……………………………………..
5.4. Разработка прототипа экспертной системы ……………………....
5.4.1. Стадия идентификации …………………………………........
5.4.2. Стадия извлечения знаний …………………………………...
5.4.3. Стадия структурирования знаний …………………………...
5.4.4. Стадия формализации знаний ……………………………….
5.4.5. Стадия реализации ………………………………………........
5.4.6. Стадия тестирования ……………………………………........
5.5. Доработка до промышленной экспертной системы ……………...
5.6. Оценка, стыковка и поддержка системы…………………………..
6. Пример разработки прототипа экспертной системы для решения задач управления качеством…………….....................................................
Библиографический список ……………………………………………….

ВВЕДЕНИЕ

Под экспертной системой понимается система, объединяющая возможности компьютера со знаниями эксперта в такой форме, что система может предложить разумный совет или осуществить разумное решение поставленной задачи. Дополнительной желаемой характеристикой такой системы, которая многими рассматривается как основная, является способность системы пояснять ход своих рассуждений в понятной для спрашивающего форме.

Экспертная система обеспечивает с помощью компьютера компетентность человека-эксперта. Например, такие системы могут диагностировать болезнь, воссоздать химическую структуру, разведывать места добычи полезных ископаемых или решать другие подобные задачи. Они достаточно удобны в работе, и, кроме того, имеют возможность объяснить свои действия и мнения так, как это мог бы сделать человек-эксперт. И, наконец, подобно человеку они способны даже научить кого-то, как проводить экспертизу.

Подобно человеку-эксперту экспертные системы используют символическую логику и эвристики, т. е. эмпирические правила, чтобы найти решения. Они тоже могут ошибаться, но обладают способностью учиться на своих ошибках. Однако у этой искусственной экспертизы есть некоторые преимущества перед человеческой экспертизой. Она постоянна, непротиворечива, легко передается, документируется и уточняется. В итоге, связывая мощные компьютеры с богатством человеческого опыта, экспертные системы повышают ценность экспертных знаний, делая их широко применяемыми.

Менеджерам по качеству в своей деятельности постоянно приходится анализировать имеющиеся данные, оценивать различные показатели, прогнозировать деятельность и принимать управленческие решения. Задачи менеджера усложняются из-за отсутствия достоверной информации, наличия различных видов «погрешностей» (неточностей) и недостаточного объема данных. Поэтому на рабочих местах менеджеров, и особенно менеджеров по качеству, а также руководителей всех уровней управления распространяются информационные системы, имитирующие на компьютере процессы мышления человека и ускоряющие их, т. е. экспертные системы.

1. Общее представление об экспертной системе

1.1. Понятие искусственного интеллекта

Достаточно трудно дать точное определение интеллекту человека, потому что интеллект – это сплав многих навыков в области обработки и представления информации.

Интеллект (intelligence) происходит от латинского intellectus – что означает ум, рассудок, разум; мыслительные способности человека. С большой степенью достоверности интеллектом можно называть способность мозга решать задачи путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам.

Искусственный интеллект – это одно из направлений информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с электронно-вычислительными машинами на ограниченном подмножестве естественного языка [1].

Сегодня искусственный интеллект – это обширная область исследований и разработок интеллектуальных систем, предназначенных для работы в трудно формализуемых областях деятельности человека. Для задач, решаемых методами искусственного интеллекта, характерно наличие большого числа степеней свободы с числом вариантов поиска решений, приближающимся к бесконечности. В отличие от жестко детерминированных компьютерных программ системы искусственного интеллекта сами ищут пути решения поставленной задачи. При этом они могут менять свои параметры и структуру, совершенствоваться и развиваться, жить самостоятельной, не зависящей от воли разработчика жизнью [2].

Среди множества направлений искусственного интеллекта есть несколько ведущих, которые в настоящее время вызывают наибольший интерес у исследователей и практиков [1, 2]:

- разработка интеллектуальных систем, основанных на знаниях;

- нейросетевые и нейрокомпьютерные технологии;

- компьютерная лингвистика;

- интеллектуальные роботы;

- обучение и самообучение;

- распознавание образов;

- игры и машинное творчество.

Разработка интеллектуальных систем, основанных на знаниях (knowledge-based systems) – это основное направление в области разработки систем искусственного интеллекта. Оно связано с разработкой моделей представления знаний, созданием баз знаний, образующих ядро экспертных систем.

1.2. Понятие экспертной системы

Цель исследований по экспертным системам состоит в разработке программ (устройств), которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. В большинстве случаев экспертные системы решают трудно формализуемые задачи или задачи, не имеющие алгоритмического решения.

Рассмотрим несколько определений.

Экспертная система – программно-техническое средство, позволяющее пользователю в диалоговом режиме получать от компьютера консультационную помощь в конкретной предметной области, где сконцентрированы опыт и знания людей-экспертов (специалистов в данной области) [3].

Экспертная система – сложный программный комплекс, аккумулирующий знания специалистов в конкретных предметных областях и тиражирующий этот эмпирический опыт для консультации менее квалифицированных пользователей [1].

Экспертная система – программа для компьютера, которая может воспроизводить процесс решения проблемы человеком-экспертом [4].

Экспертная система – программа, которая использует знания специалистов (экспертов) о некоторой конкретной узко специализированной предметной области и в пределах этой области способна принимать решения на уровне эксперта-профессионала [5].

Экспертная система – прикладная программа искусственного интеллекта, в которой база знаний представляет собой формализованные эмпирические знания высококвалифицированных специалистов (экспертов) в какой-либо узкой предметной области [6].

Экспертная система – программа для компьютера, которая оперирует со знаниями в определенной предметной области с целью выработки рекомендаций или решения проблем [6].

В основе функционирования экспертной системы лежит использование знаний, а манипулирование ими осуществляется на базе эвристических правил, сформулированных экспертами. Экспертные системы выдают советы, проводят анализ, выполняют классификацию, дают консультации и ставят диагноз. Они ориентированы на решение задач, обычно требующих проведения экспертизы человеком-специалистом. В отличие от машинных программ, использующих процедурный анализ, экспертные системы решают задачи в узкой предметной области (конкретной области экспертизы) на основе дедуктивных рассуждений.

Главное достоинство экспертных систем – возможность накапливать знания, сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации от наличия в ней квалифицированных специалистов [7].

1.3. Свойства экспертных систем

Для того чтобы определить, чем отличаются экспертные системы от обычных программ, необходимо охарактеризовать свойства экспертных систем. Главное различие состоит в том, что экспертные системы манипулируют знаниями, а обычные программы манипулируют данными. Различия этих программ отражены в табл. 1.1 [8].

Таблица 1.1

Сравнение экспертных систем с обычными программами

Обычные программы	Экспертные системы
Представление и использование данных	Представление и использование знаний
Алгоритмы	Эвристики
Повторный прогон	Процесс логического вывода
Эффективная обработка больших баз данных	Эффективная обработка больших баз знаний

Экспертная система обладает свойствами, которые отличают ее от обычной программы (рис. 1.1) [8]:

- компетентность;

- символьное рассуждение;

- глубина;

- самосознание.

Рис. 1.1. Свойства экспертной системы

Компетентность означает, что экспертная система должна достигать в конкретной предметной области того же профессионализма, что и эксперты-люди.

Но просто уметь находить хорошие решения еще недостаточно. Настоящие эксперты не только находят хорошие решения, но часто находят их очень быстро, тогда как новичкам для нахождения тех же решений, как правило, требуется намного больше времени. Следовательно, экспертная система должна быть умелой – она должна применять знания для получения решений эффективно и быстро, используя приемы и ухищрения, какие применяют эксперты-люди, чтобы избежать громоздких или ненужных вычислений.

Для того чтобы по-настоящему подражать поведению эксперта-человека, экспертная система должна обладать робастностью. Это подразумевает не только глубокое, но и достаточно широкое понимание предмета. А этого можно достичь, используя общие знания и методы нахождения решений проблем, чтобы уметь рассуждать исходя из фундаментальных принципов в случае некорректных данных или неполных наборов правил.

Символьное рассуждение – в экспертной системе знания представляются в символьном виде, т. е. с помощью наборов символов, соответствующих понятиям предметной области. Каждый символ может быть представлен строкой знаков, которые соответствуют содержанию понятия реального мира. Символы можно объединять для того, чтобы выразить отношение между ними – это называется символьными структурами.

Подобным образом и эксперты обходятся без решения систем уравнений или других трудоемких математических вычислений. Вместо этого они с помощью символов представляют понятия предметной области и применяют различные стратегии и эвристики в процессе манипулирования этими понятиями.

Нельзя сказать, что экспертная система вообще не производит математических расчетов, она их делает, но в основном она приспособлена для манипулирования символами. Вследствие подобного подхода представление знаний – выбор, форма и интерпретация используемых символов – становится очень важным. Кроме того, эксперты могут получить задачу, сформулированную неким произвольным образом, и преобразовать ее к тому виду, который в наибольшей степени соответствует быстрому получению решения или гарантирует его максимальную эффективность. Эта способность переформулирования задачи – как раз то свойство, которое должно быть присуще экспертным системам для того, чтобы приблизить их мастерство к уровню экспертов-людей.

Глубина означает, что экспертная система должна иметь глубокие знания, т. е. способна работать эффективно в узкой предметной области, содержащей трудные, нетривиальные задачи. Поэтому правила в экспертной системе должны быть сложными, либо в смысле сложности каждого правила, либо в смысле их обилия.

Экспертные системы, как правило, работают с предметными областями реального мира, а не с тем, что специалисты в области искусственного интеллекта называют игрушечными предметными областями. В предметной области реального мира тот, кто решает задачу, применяет фактическую информацию к практической проблеме и находит решения, которые являются ценными с точки зрения некоторого критерия, определяющего соотношение стоимости и эффективности. В игрушечной предметной области либо задача подвергается чрезвычайному упрощению, либо производится нереалистическая адаптация некоторой сложной проблемы реального мира. Тот, кто решает такую проблему, обрабатывает искусственную информацию, которая в целях облегчения решения упрощена и порождает решения, имеющие чисто теоретический интерес.

Самосознание означает, что экспертная система способна объяснять свои выводы и действия. Она имеет в своем составе знания, позволяющие рассуждать о ходе решения задачи. Такие знания принято называть метазнания (знания о знании).

Например, если экспертная система основана на правилах, то ей легко просмотреть цепочки выводов, которые она порождает, чтобы прийти к решению задачи. Если заданы еще и специальные правила, из которых ясно, что можно сделать с этими цепочками выводов, то можно использовать эти знания для проверки точности, устойчивости и правдоподобия решений задачи и можно даже построить доводы, оправдывающие или объясняющие процесс рассуждения.

Самосознание имеет следующие положительные стороны:

- пользователи начинают больше доверять результатам, испытывать большую уверенность в системе;

- ускоряется развитие системы, так как систему легче отслеживать;

- предположения, положенные в основу работы системы, становятся явными, а не подразумеваемыми;

- легче предсказывать и выявлять влияние изменений на работу системы.

1.4. Сравнение экспертных систем с экспертами

Сам собою напрашивается вопрос: зачем разрабатывать экспертные системы? Не лучше ли обратиться к человеческому опыту, как это было в прошлом?

Существуют веские доводы в пользу применения искусственной компетентности с целью усилить возможности человеческого рассуждения. Некоторые из этих доводов приведены ниже [8].

Одним из положительных качеств искусственной компетентности является ее постоянство. Человеческая компетентность ослабевает, независимо от того, относится она к физической или умственной деятельности. Эксперт должен постоянно практиковаться и упражняться, чтобы сохранить свой профессиональный уровень в некоторой предметной области. В отличие от эксперта, искусственная компетентность экспертной системы сохраняется навсегда, если только не произойдет непредвиденная авария с памятью компьютера.

Другим преимуществом искусственной компетенции является легкость, с которой можно ее передавать и воспроизводить. Передача знаний от одного человека другому – трудоемкий, долгий и дорогой процесс, называемый обучением. Передача искусственной компетенции – это простой процесс копирования программы или файла данных.

Кроме того, искусственную компетентность намного легче документировать. Документировать человеческую компетентность чрезвычайно трудно и занимает это много времени.

У искусственной компетентности более устойчивые и воспроизводимые результаты, чем у человеческой. Эксперт-человек может принимать различные решения в однотипных ситуациях из-за эмоциональных факторов.

И последнее преимущество искусственной компетентности – ее невысокая стоимость. Эксперты, особенно высококвалифицированные, очень ценятся и, следовательно, обходятся очень дорого. Экспертные системы, наоборот, сравнительно недороги. Их разработка дорога, но они дешевы в эксплуатации.

Человеческая компетентность	Искусственная компетентность
Непрочная	Постоянная
Трудно передаваемая	Легко передаваемая
Трудно документируемая	Легко документируемая
Непредсказуемая	Устойчивая
Дорогая	Приемлемая по затратам

Если искусственная компетентность настолько лучше человеческой, то почему бы полностью не отказаться от экспертов-людей, заменив их экспертными системами? Однако существует несколько веских доводов в пользу того, чтобы не отказываться полностью от эксперта-человека.

Возьмем, например, область творчества. Люди обладают значительно большей способностью к творчеству и изобретательностью, чем даже самая умная программа. Эксперт-человек способен реорганизовать информацию и использовать ее для синтеза новых знаний, в то время как экспертная система тяготеет к рутинному, лишенному творчества поведению. Эксперты справляются с неожиданными поворотами событий с помощью воображения и новых подходов к решению задачи, включая проведение аналогий с ситуациями из совершенно других предметных областей.

Другой областью, где человеческая компетентность превосходит искусственную компетентность, является обучение. Эксперты адаптируются к изменяющимся условиям, а экспертные системы мало приспособлены к обучению новым концепциям и правилам. Правда, существуют обучающиеся программы, но они разработаны для простых задач и оказываются мало пригодными в тех случаях, когда требуется учитывать всю сложность реальных задач.

Эксперты могут непосредственно воспринимать весь комплекс входной сенсорной информации, т. е. визуальную, звуковую, осязательную или обонятельную информацию. У экспертной системы есть только символы. Поэтому сенсорную информацию необходимо преобразовать в символьную форму, которая понятна системе. Но при этом теряется некоторая часть информации.

Эксперты-люди могут исследовать все аспекты проблемы и понять, как они относятся к основной задаче. А экспертная система стремится сосредоточить все внимание на самой задаче, игнорируя те аспекты, которые хотя, и связаны с основной задачей, но не входят в нее явно.

И, наконец, люди, эксперты и неэксперты, имеют то, что обычно называется здравым смыслом, или общедоступными знаниями. Это широкий спектр общих знаний о мире, о том, какие законы в нем действуют, т. е. те знания, которыми каждый из нас обладает и постоянно пользуется.

Все перечисленное является обоснованием невозможности полного исключения человека из экспертной системы [8].

Человеческая компетентность	Искусственная компетентность
Творческая	Запрограммированная
Приспосабливающаяся	Нуждается в подсказке
Использует чувственное восприятие	Использует символьный ввод
Широкая по охвату	Узконаправленная
Использует общедоступные знания (здравый смысл)	Использует специализированные знания

1.5. Функции экспертных систем

1. Приобретение знаний – это процесс передачи потенциального опыта решения задачи от человека-эксперта к экспертной системе. Процесс приобретения знаний подразумевает обмен знаниями между специалистом по проектированию экспертной системы (инженер знаний) и специалистом в предметной области (экспертом).

Причины низкой эффективности приобретения знаний:

- эксперт использует специальную терминологию, она требует дополнительного разъяснения для инженера знаний;

- факты и принципы, лежащие в основе знаний эксперта не всегда могут быть четко сформулированы;

- эксперт должен обладать не только знанием фактов и принципов из предметной области, но и должен владеть методологией решения задачи;

- экспертный анализ, выполняемый человеком, как правило, имеет обширный контекст.

2. Представление знаний заключается в использовании математической логики, когнитивной психологии для формализации больших массивов полезной информации с целью ее последующей обработки с помощью символьных вычислений.

3. Управление процессом поиска решения заключается в выборе методов, по которым выполняется перебор существующих знаний в ходе решения конкретной задачи.

4. Разъяснение принятого решения.

Разделяют два режима работы экспертной системы [9]:

- режим приобретения знаний;

- режим использования знаний, или режим консультации.

В режиме приобретения знаний общение с экспертной системой осуществляет эксперт через посредничество инженера по знаниям. В этом режиме эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют экспертной системе в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования с данными, характерные для рассматриваемой области. Режиму приобретения знаний в традиционном подходе к разработке программ соответствуют этапы алгоритмизации, программирования и отладки, выполняемые программистом. Таким образом, в отличие от традиционного подхода в случае экспертной системы разработку программ осуществляет не программист, а эксперт (с помощью экспертной системы), не владеющий программированием.

В режиме консультации общение с экспертной системой осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. Необходимо отметить, что в зависимости от назначения экспертной системы возможны две роли пользователя:

1. Пользователь не является специалистом в данной проблемной области (в этом случае он обращается к экспертной системе за результатом, не умея получить его сам).

2. Пользователь является специалистом (в этом случае пользователь может сам получить результат, но он обращается к экспертной системе с целью либо ускорить процесс получения результата, либо возложить на экспертную систему эту рутинную работу).

В режиме консультации данные о задаче через интерфейс пользователя поступают в рабочую память (здесь хранятся промежуточные данные решаемой в текущий момент задачи). На основе входных данных из рабочей памяти, общих данных о проблемной области и правил базы знаний с помощью механизма логического вывода формируется решение задачи. Экспертная система при решении задачи не только исполняет предписанную последовательность операций, но и предварительно формирует ее.

1.6. Общее описание технологии построения экспертной системы

Технологию построения экспертных систем часто называют инженерией знаний. Как правило, этот процесс требует специфической формы взаимодействия создателя экспертной системы, которого называют инженером знаний, и одного или нескольких экспертов в некоторой предметной области. Инженер знаний «извлекает» из экспертов процедуры, стратегии, эмпирические правила (эвристики), которые они используют при решении задач, и встраивает эти знания в экспертную систему, как показано на рис. 1.2 [8].

Рис. 1.2. Технология построения экспертной системы

Перед созданием экспертной системы структурируется совокупность знаний, а именно:

- изучается процесс мышления человека, решающего определенные задачи или принимающего решения в конкретной профессиональной области;

- выделяются основные шаги этого процесса;

- разрабатываются программные средства, воспроизводящие изученный процесс на компьютере.

1.7. Практическое применение экспертных систем

Существует ряд прикладных задач, которые решаются с помощью систем, основанных на знаниях, более успешно, чем любыми другими средствами. При определении целесообразности применения экспертных систем нужно руководствоваться следующими критериями [7].

1. Данные и знания надежны и не меняются со временем.

2. Пространство возможных решений относительно невелико.

3. В процессе решения задачи должны использоваться формальные рассуждения. Существуют системы, основанные на знаниях, пока еще не пригодные для решения задач методами проведения аналогий или абстрагирования (человеческий мозг справляется с этим лучше). В свою очередь традиционные компьютерные программы оказываются эффективнее экспертных систем в тех случаях, когда решение задачи связано с применением процедурного анализа. Системы, основанные на знаниях, более подходят для решения задач, где требуются формальные рассуждения.

В табл. 1.2 приведены сравнительные свойства прикладных задач, по наличию которых можно судить о целесообразности использования для их решения экспертной системы [7].

Таблица 1.2

Критерии применимости экспертных систем

Применимы	Неприменимы
Не могут быть построены строгие алгоритмы или процедуры, но существуют эвристические методы решения.	Имеются эффективные алгоритмические методы.
Есть эксперты, которые способны решить задачу.	Отсутствуют эксперты или их число недостаточно.
По своему характеру задачи относятся к области диагностики, интерпретации или прогнозирования.	Задачи носят вычислительный характер.
Доступные данные «зашумлены».	Известны точные факты и строгие процедуры.
Задачи решаются методом формальных рассуждений.	Задачи решаются процедурными методами, с помощью аналогии или интуитивно.
Знания статичны (неизменны).	Знания динамичны (со временем изменяются).

В целом экспертную систему не рекомендуется применять для решения следующих типов задач:

- математических, решаемых обычным путем формальных преобразований и процедурного анализа;

- задач распознавания, поскольку в общем случае они решаются численными методами;

- задач, знания о методах решения которых отсутствуют (невозможно строить базу знаний).

Экспертные системы успешно применяются в различных отраслях человеческой деятельности [1] (табл. 1.3).

В менеджменте качества можно выделить некоторые области, где можно эффективно использовать экспертные системы. Но есть и такие задачи, для решения которых применение экспертных систем невозможно или затруднительно (табл. 1.4).

Таблица 1.3

Примеры применения экспертных систем

Название систем	Предназначение систем
АВТАНТЕСТ, МИКРОЛЮШЕР	Определение основных свойств личности по результатам психодиагностики
ANGY	Медицинская диагностика
СПРИНТ	Контроль за работой электростанции
XCON	Проектирование конфигураций компьютера
WILLARD	Предсказание погоды
ECON	Прогнозирование в экономике
ISIS	Планирование промышленных заказов
MOLGEN	Планирование экспериментов
CRYSIS	Выбор стратегии выхода фирмы из кризиса

Таблица 1.4

Применение экспертных систем в менеджменте качества

Задачи менеджмента качества согласно ИСО 9001:2000, для которых
применимы экспертные системы	применение экспертных систем невозможно или затруднительно
Анализ СМК со стороны руководства (5.6) Компетентность и подготовка персонала (6.2.2) Определение требований потребителей (7.2.1) Проектирование и разработка (7.3) Закупки (7.4) Оценка удовлетворенности потребителей (8.2.1) Внутренний аудит (8.2.2) Мониторинг и измерение процессов (8.2.3) Мониторинг и измерение продукции (8.2.4) Разработка корректирующих и предупреждающих действий (8.5.2, 8.5.3)	Разработка и внедрение СМК (4.1) Управление документацией и записями (4.2.3, 4.2.4) Разработка политики и целей в области качества (5.1, 5.3, 5.4.1) Планирование создания, поддержания и улучшения СМК (5.4.2) Внутренний обмен информацией (5.5.3) Управление инфраструктурой и производственной средой (6.3, 6.4) Планирование процессов жизненного цикла продукции (7.1) Производство и обслуживание (7.5)

Непосредственное отношение к управлению качеством и экологическому менеджменту имеют экологические экспертные системы, которые позволяют обеспечить:

• диагностику экологического состояния окружающей среды;

• прогноз влияния на здоровье населения загрязненных воды, продук­тов, воздуха и условий рабочей зоны промышленных предприятий;

• поиск причин и источников загрязнений;

- выдачу рекомендаций по улучшению экологической обстановки [10].

Экспертная система «Санитарно-лабораторная экспертиза продуктов питания»

Экспертная система предназначена для работников санитарно-эпиде­миологических служб, контролирующих качество продовольственных продуктов. Экспертная система, используя результаты лабораторных ис­следований (бактериологических, органолептических), а также санитарно-гигиенические методы контроля позволяет:

- определять качество некоторых скоропортящихся продуктов;

• проводить санитарно-гигиенический контроль технологических це­почек обработки и приготовления продуктов;

• выявлять причины снижения качества продукции и источники зара­жения продуктов.

Экспертная система «Оценка качества воды»

Система предназначена для работников районных и городских центров санитарно-эпидемиологического надзора, контролирующих чистоту питьевой воды.

Экспертная система использует данные бактериологического, химиче­ского и органолептического анализа, осуществляет оценку качества питьевой воды, предоставляет возможность проанализировать качество воды из различных водоисточников: водопровода, артезианских скважин, колодцев, родников, колонок, открытых водоемов.

Система дает заключение о качестве воды, прогноз о возможных последствиях ее употребления и рекомендации по дальнейшему, более углубленному ее исследованию.

Экспертная система позволяет:

• определять качество питьевой воды;

• давать прогноз влияния на здоровье населения загрязненной воды;

• учитывать совместное действие разных факторов и длительность употребления загрязненной воды;

• осуществлять контроль качества очистки воды;

• определять качество непитьевой воды, предназначенной для практических нужд (сауны, бани, места купания);

• накапливать экологическую информацию об объекте контроля;

- проводить обобщенный анализ экологической информации.

Данные, которые вводятся в решатель во время сеанса конкретного диагностирования, можно накапливать в базе данных. Специальные программы позволяют просматривать эти записи для любого типа водоисточников за любой конкретный промежуток времени по любой точке водозабора, сравнивать, выдавая в табличном виде, выводить на печать, вычислять средние значения числовых показателей за какой-нибудь отрезок времени. Кроме того, все хранящиеся в базе данных записи можно вновь ввести в решатель (это относится и к средним значениям, тем самым можно получить усредненную картину прогнозируемых заболеваний населения, употребляющего данную воду).

При запуске системы пользователю предлагается выбрать тип водоисточника, по которому проводится анализ:

- открытые водоемы для хозяйственно-питьевого водоснабжения;

- городской водопровод (краткий анализ);

- городской водопровод (полный анализ);

- колодцы и каптажи родников;

- колонки;

- микробассейны бань и саун;

- открытые водоемы;

- артскважины;

- бассейны.

В режиме «выход» при выборе любой из опций: «Закончить работу» или «Вывести результаты в файл» обязательно происходит внесение выводов системы в стандартный бланк для заключений санитарно-эпидемиологической службы (рис. 1.3).

Рис. 1.3. Вывод заключения экспертной системы «Оценка качества воды» на стандартный бланк службы санэпиднадзора

Экспертная система «Санитарно-гигиеническая оценка рабочей зоны»

Экспертная система позволяет контролировать состояние рабочей зоны промышленных предприятий, а именно:

- определять загрязненность воздуха химическими соединениями, уровень шума, вибрации, соответствие температурным требованиям;

- давать прогноз влияния вредных факторов на здоровье работающих;

- определять причины появления отрицательных факторов;

- накапливать данные об объектах контроля промышленных предприятий и использовать их для анализа состояния промышленных зон.