Автоматизированное создание продукционных баз знаний на основе деревьев событий

Дородных Никита Олегович; Николайчук Ольга Анатольевна; Юрин Александр Юрьевич

УДК 004.89

АВТОМАТИЗИРОВАННОЕ СОЗДАНИЕ ПРОДУКЦИОННЫХ БАЗ ЗНАНИЙ

НА ОСНОВЕ ДЕРЕВЬЕВ СОБЫТИЙ Дородных Никита Олегович

Программист, e-mail: [email protected] Николайчук Ольга Анатольевна

Д.т.н., в.н.с. e-mail: [email protected] Юрин Александр Юрьевич

К.т.н., зав. лабораторией «Информационных технологий исследования природной и

техногенной безопасности», e-mail: [email protected] Институт динамики систем и теории управления имени В.М. Матросова СО РАН, 664033, г. Иркутск, ул. Лермонтова, 134,

Аннотация. Рассмотрен подход к автоматизированному созданию продукционных баз знаний на основе анализа авторской нотации деревьев событий. Подход основан на выделении структурных элементов деревьев событий и их преобразовании в конструкции целевого языка представления знаний, в частности, CLIPS. Приведены описание основных этапов подхода, анализируемых конструкций рассматриваемого формата деревьев событий, а также пример преобразования.

Ключевые слова: получение знаний, базы знаний, деревья событий, трансформация моделей, генерация кода, CLIPS.

Введение. В настоящее время разработка новых методов и подходов к созданию интеллектуальных систем и, в частности, проблемно-ориентированных систем прогнозирования техногенных чрезвычайных ситуаций остается перспективной областью научных исследований [10, 12, 16]. Базовым компонентом (ядром) таких систем является база знаний (БЗ), представленная на определенном языке представления знаний (ЯПЗ) [6]. Основную сложность при разработке БЗ представляет этап формализации (программная реализация) [3]. Эффективность данного процесса может быть повышена путем автоматической генерации кода БЗ на основе трансформации различных концептуальных моделей (например, диаграмм классов UML, концепт-карт и т.д.) [5, 8].

На сегодняшний день существует множество различных языков (стандартов) для представления концептуальных моделей предметной области (например, DFD, IDEF0, IDEF5, UML и т.д.), а также разрабатываются нотации для отражения специфических особенностей моделей представления знаний (например, RVML [15]). Графические (визуальные) нотации данных языков, прежде всего, ориентированы на системных аналитиков, программистов, инженеров по знаниям и т.д. Если говорить о специалистах той или иной предметной области (специалистов не в области проектирования программных систем), то они предпочитают модели, имеющие общесистемную направленность и ориентированные на систематизацию знаний или поддержку принятия решений (например, концептуальные карты, диаграммы Венна и Ишикавы, семантические модели [11] и т.д.). К

таким моделям можно отнести «деревья отказов» и «деревья событий», применяемые в области анализа отказов и риска технических систем (fault tree analysis, event tree analysis) [4]. Результаты моделирования в данных, можно сказать «предметных», нотациях, с одной стороны, содержат специальные знания, которые необходимо использовать для автоматизации решения предметных задач, с другой стороны, являются удобным и понятным для специалиста-предметника способом представления знаний.

Для построения деревьев событий и отказов существуют различные программные системы, выполняющие роль редакторов деревьев, а также осуществляющие расчеты на основе обработки данных деревьев (вероятность отказа, риск опасного события и др.), в частности:

RELEX Windchill FTA (Relax Software Corporation) [22]; Risk Spectrum (Relcon AB) [24]; SAPHIRE (INEL) [26]; RAM Commander ETA (A.L.D.Group) [21]; Reliability Workbench incorporating FaultTree+ (ISOGRAPH) [23]; ПК ACM СЗМА (ОАО «СПИК СЗМА») [13] и др.

Результаты анализа данных редакторов деревьев позволяют выделить следующие их недостатки:

отсутствие возможности синтеза программных кодов на основе построенных деревьев;

• отсутствие единого общепринятого формата (стандарта текстовой нотации) представления деревьев отказов и событий, при этом большинство из рассмотренных систем используют XML-подобные форматы, которые между собой не совместимы.

Принимая во внимание выделенные недостатки, можно сделать вывод о том, что данные системы не предполагают дальнейшее использование знаний, заключенных в созданных специалистами деревьях, и направлены на решение частных задач. Поэтому задача автоматизации синтеза кода БЗ на основе преобразования концептуальных «предметных» моделей и, в частности, деревьев отказов и событий, является актуальной.

Таким образом, целью данной работы является создание подхода к автоматизированной разработке продукционных БЗ на основе анализа деревьев событий, применяемых в области анализа отказов и риска технических систем. В качестве целевого ЯПЗ выбран CLIPS (C Language Integrated Production System) [17], как один из наиболее широко используемых языков и инструментальных сред для разработки продукционных экспертных систем благодаря своей скорости, эффективности и бесплатности.

Необходимо отметить, что задача анализа деревьев событий и их преобразования в БЗ, может быть сведена к задаче трансформации моделей. В общем случае трансформация моделей представляет собой процесс автоматической генерации целевой модели по исходной модели, в соответствии с набором правил трансформации (преобразования). При этом под правилом преобразования подразумевается описание того, как одна или более конструкций на исходном языке моделирования может быть преобразована (mapping) в одну или более конструкций на целевом языке моделирования [20].

Трансформация моделей является одной из основных составляющих модельно-ориентированного (модельно-управляемого) подхода к разработке программного обеспечения (Model-Driven Engineering, MDE) [18]. В рамках данного подхода, процесс разработки программного обеспечения представляет собой последовательное преобразование моделей с разным уровнем детализации, где на завершающем этапе генерируется исходный код программы.

Формализовать постановку задачи можно следующим образом: необходимо определить оператор преобразования концептуальной модели T :

Т : СМЕТ —» KB, (1)

где CMET - исходная концептуальная модель (дерево событий); KB - целевая БЗ, при этом

KB = (CodeCHPS)

Для решения поставленной задачи предлагается использовать ранее разработанную технологию [2] и ее реализацию в виде веб-ориентированной программной системы (Knowledge Base Development System, KBDS) [9]. Технология обеспечивает поддержку создания программных компонентов (модулей), предназначенных для трансформации исходных концептуальных моделей, представленных в формате XML, в код БЗ на целевом ЯПЗ (в частности, CLIPS).

1. Структура деревьев событий. Дерево событий (ДС) - алгоритм рассмотрения событий, исходящих от основного события (аварийной ситуации). ДС используется для определения и анализа последовательности (вариантов) развития аварии, включающей сложные взаимодействия между техническими системами обеспечения безопасности. При его построении используется прямая логика. В общем случае данный метод можно использовать и для анализа отказов, аварий и чрезвычайных ситуаций, где в качестве основного события рассматривается исходное состояние, т.е. состояние технического объекта в момент начала его эксплуатации.

Авторами предложено расширить существующую модель ДС и визуальную нотацию их представления для получения более полной информации об исследуемых процессах развития отказов и аварий [1]. В частности, на основании результатов системного анализа проблемы исследования динамики технического состояния механической системы выделены стадии развития обозначенных процессов (субмикроуровень, микроуровень, мезоуровень, макроуровень) и элементы их описания (механизм и кинетика). В свою очередь кинетика, рассматриваемая как последовательность событий, должна быть детализирована описанием параметров (характеристик) событий. В результате в обобщенном виде получен шаблон дерева, описывающий стадии, последовательность событий (кинетика) и механизмы их возникновения (рис. 1).

При отсутствии описаний элементов дерева, расширяющих классическую нотацию, мы получим общепринятое на данный момент дерево.

Особо необходимо сказать о механизме процесса (в предлагаемой визуальной нотации - это треугольник). Механизм процесса - это совокупность свойств объекта и факторов, воздействующих на него. Механизм может быть описан в виде продукции (правила) следующей структуры (шаблона правила) [1]:

ЕСЛИ ( Свойство объекта 1 И... И Свойство объекта п ) И

( Воздействующий фактор! И... И Воздействующий фактори ) ТО Механизм /-стадии развития /-исследуемого процесса И (Событие, о... о Событиеп ), где о - некоторая логическая операция, ° е /{,\/,© .

Стадия K

Рис. 1. Шаблон расширенной модели ДС

Метамодель (abstract syntax) расширенной модели ДС, определяющая в абстрактной форме основные концепты, из которых состоит ДС, представлена на рисунке 2. Построенная метамодель соответствует мета-метамодели Ecore [19] и в дальнейшем используется в качестве исходной метамодели при разработке правил трансформации (модели трансформации), описывающих соответствия между элементами данной метамодели и целевой метамодели БЗ.

На настоящее время не существует единого общепринятого формата (стандарта текстовой нотации) для представления ДС, пригодного для машинной обработки. Учитывая это, а также исходя из специфики расширения модели ДС дополнительными элементами (механизм и кинетика), принято решение о разработке собственного формата (спецификации) сериализации ДС на XML. Формат XML является универсальным и наиболее распространенным способом интеграции программных систем и обеспечения обмена информацией между приложениями.

Рис. 2. Метамодель расширенной модели ДC

Описание разработанного XML-формата (concrete syntax) расширенной модели ДС, определяющее основные XML-конструкции, представлено в таблице 1.

Таблица 1. XML-формат представления расширенной модели ДC

Элементы XML- Описание

структуры ДС

System Информация об исследуемом объекте, например, завод, линия, отделение, механическая система.

Component Информация о структурной иерархии исследуемого объекта

Element Информация о структурном элементе механической системы

EventTree Общая информация о ДС

ProcessStage Общая информация о стадии процесса

InitialEvent Информация об инициирующем событии

Mechanism Общая информация о механизме процесса

ObjectProperty Информация о свойстве объекта (элемента системы)

InfluencingFactor Информация о воздействующем факторе

ProcessMechanism Информация о механизме стадии развития исследуемого процесса

Kinetics Общая информация о кинетике

Event Информация о конкретном событии

Parameter Информация о параметрах события

Operator Логический оператор: И, ИЛИ, исключающее ИЛИ

2. Алгоритм преобразования деревьев событий. Для решения поставленной задачи (1) специализируем обобщенный алгоритм трансформации концептуальных моделей в код БЗ, описанный в работе [8]. Основной задачей разработанного алгоритмического обеспечения является преобразование (mapping) элементов расширенной модели ДС, представленной в формате XML, в конструкции ЯПЗ CLIPS, что может быть представлено в виде последовательности действий (рис. 3).

На этапах 1 и 2 такого преобразования средствами внешних программ (редакторов), пользователь (эксперт) строит ДС, описывающее последовательность событий некоторой аварийной ситуации, и представляет (сохраняет) его в формате XML. На этапе 3 процесса анализа XML-структуры ДС выделяются элементы дерева и их отношения. Далее (этап 4) на их основе автоматически формируется (генерируется) модель продукций, как универсальное представление знаний в виде продукционных правил, независящее от используемого ЯПЗ (например, CLIPS, JESS, Drools, RuleML, SWRL и т.д.). Данная модель может содержать правила с несколькими условиями и разными типами операторов (например, «and», «or», «not»). Описание модели продукции приводится в [14]. При помощи специальной графической нотации - Rule Visual Modeling Language (RVML) [15, 25] предоставляется возможность визуализации, модификации (проверки) полученных продукций (этап 5). На этапе 6 происходит генерация кода БЗ в формате CLIPS на основе сформированной модели продукций.

Таким образом, уточним оператор преобразования концептуальной модели из (1):

Т = {TCM-rm^RM-KB ), (2)

Тем-км MPR , TRM_KB -.MPR Codecups

где Тсм_ш - оператор преобразования ДС в модель продукций; '^/d/ /vy; — оператор

л ж ET

модели продукций в код БЗ на ЯПЗ CLIPS; M XML - представление расширенной модели ДС

PR

в XML-формате; M - представление полученных знаний в виде модели продукций;

Code - код БЗ на ЯПЗ CLIPS.

3. Реализация алгоритма. Реализация разработанного алгоритмического обеспечения осуществлялась с использованием специализированной технологии автоматизации разработки программных компонентов интеллектуальных систем (систем, основанных на знаниях), обеспечивающих генерацию кода БЗ на основе трансформации концептуальных моделей [2] и соответствующего программного средства - Knowledge Base Development System (KBDS) [9].

В частности, разработан экспериментальный программный компонент для генерации модели продукций на основе трансформации ДС. Процесс разработки соответствует этапам создания программного компонента (алгоритму), описанным в [2]. Поэтому далее кратко приведем основные этапы создания данного программного компонента: создание нового проекта программного компонента; построение (генерация) метамодели, описывающая исходные ДС (рис. 2); создание модели трансформации, которая описывает соответствия (правила трансформации) между элементами исходной метамодели ДС и целевой

метамодели представления знаний (модель продукций), и привязывание ее к создаваемому программному компоненту;

формирование правил трансформации с использованием редактора;

генерация кода модели трансформации на предметно-ориентированном

декларативном языке - TMRL (Transformation Model Representation Language) [2,

7];

уточнение TMRL-кода модели трансформации (добавление сложных правил определения, отражающих, например, омонимию отношений между элементами исходной и целевой метамодели);

финальная сборка (синтез) программного компонента (настройка типового программного компонента) на основе сгенерированной модели трансформации и выбранных блоках анализатора и генератора (в соответствии с выбранным типом программного компонента).

1

1. Формирование модели ДС средствами внешних программ

2. Представление модели ДС в формате XML

средствами внешних программ

3. Анализ XML-структуры модели ДС выделение элементов и их отношений

4. Формирование модели продукций на основе унифицированного представления, независящего от ЯПЗ или

источника моделей

I

5. Модификация модели продукций с использованием нотации RVML

6. Генерация кода на ЯПЗ в качестве примера ЯПЗ используется CLIPS

Рис. 3. Алгоритм синтеза кода БЗ на основе ДС

4. Пример формирования продукций на основе деревьев событий. Рассмотрим пример автоматизированного формирования продукций на примере фрагмента ДС, описывающего стадию повреждения деградационного процесса - коррозионная усталость фланцевого соединения (Ду 6) в трубопроводе обвязки компрессора (рис. 4).

Рис. 4. Пример фрагмента ДС коррозионной усталости

Графическому представлению ДС (рис. 4) соответствует фрагмент ХМЪ-документа (листинг 1). При этом выделены ключевые конструкции (табл. 1), на основе которых осуществлялось извлечение необходимых элементов ДС.

Листинг 1. Фрагмент XML-кода дерева событий, описывающего формирование

процесса коррозионной усталости

</EventTree>

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

</Mechanism>

</Event> ... </Operator> </Kinetics>

На основе извлеченных элементов ДС сгенерирована модель продукций, которая может быть представлена в нотации ЯУМЬ (рис. 5), для их дальнейшего уточнения и проверки.

Рис. 5. Пример полученной продукции в нотации RVML

Далее приводится фрагмент листинга сгенерированного кода БЗ в формате CLIPS, на основе трансформации полученной модели продукций (листинг 2).

Листинг 2. Фрагмент CLIPS-кода БЗ, описывающего формирование процесса

коррозионной усталости

(defrule Vid materiala+Rabocha tehnologicheska sreda+Tehnologicheskaya nasledstvennost+Vid mehanicheskih nagruzok+Legirovannost+Chastota ciklov mehanicheskih nagruzok->Mehanizm povrezhdeniya (declare (salience 4)) (Vid materiala (name "stal") )

(Rabocha tehnologicheska sreda (name "aktivnaya") )

(Tehnologicheskaya nasledstvennost (name "defekty izgotovleniya ILI povrezhdaemost poverhnosti vsledstvie vozdeystviya agressivnoy sredy") ) (Vid mehanicheskih nagruzok (name "peremennye") ) (Legirovannost (name "nizkolegirovanna stal") ) (Chastota ciklov mehanicheskih nagruzok (name "vysokaya (> 60 cikl/min)") )

=>

(assert

(Mehanizm povrezhdeniya (name "korrozionnaya ustalost") ) ) )

Заключение. В настоящей работе предлагается подход к автоматизированной разработке продукционных БЗ для проблемно-ориентированных систем прогнозирования техногенных чрезвычайных ситуаций. Подход основан на анализе структурных элементов ДС, расширенных конструкциями механизма процесса и кинетики, и их преобразования в конструкции целевого ЯПЗ CLIPS. Такой подход позволяет, с одной стороны, избежать ошибок программирования на этапе формализации знаний за счет автоматической кодогенерации и сократить время, затрачиваемое на разработку БЗ, с другой - приблизить специалистов-предметников к непосредственной разработке интеллектуальных компонентов проблемно-ориентированных программных систем, позволяя им создавать программный код, оперируя понятными предметно-ориентированными моделями.

Разработанный подход реализован в виде экспериментального программного компонента (конвертера), который может быть использован в качестве автономного модуля в составе других программных (интеллектуальных) средств. Компонент разрабатывался с использованием специальной технологии [2] и средства (KBDS) [9].

Работа выполнена при частичной финансовой поддержке РФФИ (проекты № 15-0705641, 16-37-00122) и Совета по грантам Президента Российской Федерации, государственная поддержка ведущих научных школ Российской Федерации (НШ-8081.2016.9).

СПИСОК ЛИТЕРАТУРЫ

1. Берман А.Ф., Николайчук О.А., Павлов Н.Ю., Юрин А.Ю. Методы и средства автоматизированного построения деревьев событий и отказов // Автоматизация и современные технологии. 2013. №9. С. 8-16.

2. Бычков И.В., Дородных Н.О., Юрин А.Ю. Подход к разработке программных компонентов для формирования баз знаний на основе концептуальных моделей // Вычислительные технологии. 2016. Т. 21. №4. С. 16-36.

3. Гаврилова Т.А., Кудрявцев Д.В., Муромцев Д.И. Инженерия знаний. Модели и методы. СПб.: Лань. 2016. 324 с.

4. ГОСТ Р 51901.5-2005. Менеджмент риска. Руководство по применению методов анализа надежности. М.: Стандартинформ, 2005. 101 с.

5. Грищенко М.А., Дородных Н.О., Николайчук О.А., Юрин А.Ю. Применение модельно-управляемого подхода для создания продукционных экспертных систем и баз знаний // Искусственный интеллект и принятие решений. 2016. №2. С. 16-29.

6. Джарратано Дж., Райли Г. Экспертные системы: принципы разработки и программирования, 4-е издание : пер. с англ. М.: Вильямс, 2007. 1152 с. [Giarratano J.C., Riley G.D. Expert Systems: Principles and Programming. 4th ed. Course Technology. 2004. 288 p.]

7. Дородных Н.О., Коршунов С.А., Юрин А.Ю. Концепция подхода к созданию программных компонентов генерации баз знаний на основе трансформации концептуальных моделей // Информационные и математические технологии в науке и управлении. 2016. №2. С. 111-120.

8. Дородных Н.О., Юрин А.Ю. Использование диаграмм классов UML для формирования продукционных баз знаний // Программная инженерия. 2015. №4. С. 3-9.

9. Дородных Н.О. Web-based software for automating development of knowledge bases on the basis of transformation of conceptual models // Материалы VII Международной научно-технической конференции OSTIS-2017. Минск: БГУИР. 2017. С. 145-150.

10. Массель Л.В., Массель А.Г. Интеллектуальные вычисления в исследованиях направлений развития энергетики // Известия Томского политехнического университета. 2012. Т.321. №5. С. 135-140.

11. Массель Л.В., Массель А.Г. Технологии и инструментальные средства интеллектуальной поддержки принятия решений в экстремальных ситуациях в энергетике // Вычислительные технологии. 2013. Т.18. Специальный выпуск. С. 37-44.

12. Ноженкова Л.Ф., Ничепорчук В.В., Ноженков А.И. Создание комплексной системы безопасности региона на основе системной интеграции технологий // Информатизация и связь. 2013. №2. С. 122-124.

13. Программный комплекс АСМ СЗМА (ПК АРБИТР). Режим доступа: http://www.szma.com/pkasm.shtml (дата обращения 16.02.2017).

14. Юрин А.Ю., Грищенко М.А. Редактор баз знаний в формате CLIPS // Программные продукты и системы. 2012. №4. С. 83-87.

15. Юрин А.Ю. Нотация для проектирования баз знаний продукционных экспертных систем // Объектные системы. 2016. №12. С. 48-54.

16. Berman A.F., Nikolaychuk O.A., Yurin A.Yu., Pavlov A.I. A methodology for the investigation of the reliability and safety of unique technical systems. Part O: Journal of Risk and Reliability. 2014. vol. 228. №1. Pp. 29-38.

17. CLIPS: A Tool for Building Expert Systems. Режим доступа: http://www.clipsrules.sourceforge.net (дата обращения 16.02.2017).

18. Cretu L.G., Florin D. Model-Driven Engineering of Information Systems: Principles, Techniques, and Practice. Apple Academic Press, 2014. 350 p.

19. Ecore structure description (Metamodelling Language). Режим доступа: http://download.eclipse.org/modeling/emf/emf/javadoc/2.9.0/org/eclipse/emf/ecore/package-summary.html (дата обращения 16.02.2017).

20. Kleppe A., Warmer J., Bast W. MDA Explained: The Model-Driven Architecture: Practice and Promise. 1st ed. Addison-Wesley Professional, 2003. 192 p.

21. RAM Commander ETA V8.5. Режим доступа: http://aldservice.com/Event-Tree-Analysis-ETA.html (дата обращения 16.02.2017).

22. RELEX Windchill FTA. Режим доступа: http://www.relexsoftware.it/ptc-windchill/windchill-fta (дата обращения 16.02.2017).

23. Reliability Workbench incorporating FaultTree+. Режим доступа: https://www.isograph.com/software/reliability-workbench/ (дата обращения 16.02.2017).

24. Risk Spectrum. Режим доступа: http://www.riskspectrum.com/en/risk (дата обращения 16.02.2017).

25. Rule Visual Modeling Language (RVML). Режим доступа: http://www.knowledge-core.ru/index.php?p=rvml (дата обращения 16.02.2017).

26. Systems Analysis Programs for Hands-on Integrated Reliability Evaluations (SAPHIRE). Режим доступа: https://saphire.inl.gov (дата обращения 16.02.2017).

UDK 004.89

AUTOMATED CREATION OF RULE-BASED KNOWLEDGE BASES ON THE BASIS OF EVENT TREES Nikita O. Dorodnykh

Programmer, e-mail: [email protected] Olga A. Nikolaychuk Ph.D., e-mail: [email protected] Alexander Yu. Yurin

Ph.D., Head. Laboratory of Information technology for investigation of techno-genic safety,

e-mail: [email protected] Matrosov Institute for System Dynamics and Control Theory of Siberian Branch of Russian Academy of Sciences (ISDCT SB RAS), 134, Lermontov Str., 664033, Irkutsk, Russia

Abstract. The paper describes an approach for automated creation of rule-based knowledge bases on the basis of analysis of the author's notation of event trees. The approach is based on the extraction of structural elements from the event trees and converting them to the target constructions of knowledge representation language, in particular, CLIPS. The description of main approach stages, the analyzed structures of event trees in the XML-format, and an example of transformation are considered. Keywords: knowledge acquisition, knowledge bases, event trees, model transformation, code generation, CLIPS.

References

1. Berman A.F., Nikolaychuk O.A., Pavlov N.Y., Yurin A.Yu. Metody i sredstva avtomatizirovannogo postroenija derev'ev sobytij i otkazov [Methods and tools of computer-aided synthesis of event and failure trees] // Avtomatizacija i sovremennye tehnologii = Automation and modern technologies. 2013. №9. Pp. 8-16. (in Russian).

2. Bychkov I.V., Dorodnykh N.O., Yurin A.Yu. Podhod k razrabotke programmnyh komponentov dlja formirovanija baz znanij na osnove konceptual'nyh modelej [Approach to the development of software components for generation of knowledge bases based on conceptual models] // Vychislitel'nye tehnologii = Computational Technologies. 2016. Vol. 21. №4. Pp.16-36. (in Russian).

3. Gavrilova T.A., Kudryavtsev D.V., Muromtsev D.I. Inzhenerija znanij. Modeli i metody [Knowledge Engineering. Models and methods]. SPb.: Lan' = St. Petersburg: Lan. 2016. 324 p. (in Russian).

4. GOST R 51901.5-2005. Menedzhment riska. Rukovodstvo po primeneniju metodov analiza nadezhnosti [Risk management. Guidance on the application of reliability analysis methods]. Moskow. Standartinform = Standartinform Publ. 2005. 101 p. (in Russian).

5. Grishenko M.A., Dorodnykh N.O., Nikolaichuk O.A., Yurin A.Yu. Primenenie model'no-upravljaemogo podhoda dlja sozdanija produkcionnyh jekspertnyh sistem i baz znanij [Application of the model-driven development approach for designing rule-based expert systems and knowledge-bases] // Iskusstvennyj intellekt i prinjatie reshenij = Artificial intelligence and decision-making. 2016. №2. Pp. 16-29. (in Russian).

6. Giarratano J.C., Riley G.D. Expert Systems: Principles and Programming. 4th ed. Course Technology. 2004. 288 p.

7. Dorodnykh N.O., Korshunov S.A., Yurin A.Yu. Koncepcija podhoda k sozdaniju programmnyh komponentov generacii baz znanij na osnove transformacii konceptual'nyh modelej [The concept of an approach for development of software components of knowledge bases generation based on the transformation of conceptual models] // Informacionnye i matematicheskie tehnologii v nauke i upravlenii = Information and mathematical technologies in science and management. 2016. №2. Pp. 111-120. (in Russian).

8. Dorodnykh N.O., Yurin A.Yu. Ispol'zovanie diagramm klassov UML dlja formirovanija produkcionnyh baz znanij [Using UML Class Diagrams for Design of Knowledge Bases of Rule-Base Expert Systems] // Programmnaya inzheneriya = Software engineering. 2015. №4. Pp. 3-9. (in Russian).

9. Dorodnykh N.O. Web-based software for automating development of knowledge bases on the basis of transformation of conceptual models. Proceedings of the VII International scientific-technical conference OSTIS-2017. Minsk: BSUIR. 2017. Pp. 145-150. (in Russian).

10. Massel' L.V., Massel' A.G. Intellektual'nye vychislenija v issledovanijah napravlenij razvitija jenergetiki [Intellectual computations in researches of energy development directions] // Izvestija Tomskogo politehnicheskogo universiteta = Bulletin of the Tomsk Polytechnic University. 2012. T.321. №5. Pp. 135-140 (in Ruaaian)

11. Mussel L.V., Mussel A.G. Tehnologii i instrumental'nye sredstva intellektual'noj podderzhki prinjatija reshenij v jekstremal'nyh situacijah v jenergetike [Technologies and tools of intellectual support of decision-making in extreme situations in power engineering] // Vychislitel'nye tehnologii = Computational Technologies. Special issue. 2013. Vol. 18. Pp. 3744. (in Russian).

12. Nozhenkova L.F., Nicheporchuk V.V., Nozhenkova A.I. Sozdanie kompleksnoj sistemy bez-opasnosti regiona na osnove sistemnoj integracii tehnologij [Creating the comprehensive regional safety system based on system integration of technologies] // Informatizacija i svjaz' = Informatization and communication. 2013. №2. Pp. 122-124. (in Russian).

13. ASM SZMA (PC ARBITER). Available at: http://www.szma.com/pkasm.shtml, accessed 16.02.2017. (in Russian).

14. Yurin A.Yu., Grishenko M.A. Redaktor baz znanij v formate CLIPS [Knowledge Base Editor for CLIPS] // Programmnye produkty i sistemy = Software & Systems. 2102. №4. Pp. 83-87. (in Russian).

15. Yurin A.Yu. Notacija dlja proektirovanija baz znanij produkcionnyh jekspertnyh sistem [Notation for design of knowledge bases of rule-based expert systems]. Obektnye sistemy = Object System. 2016. №12. Pp. 48-54. (in Russian).

16. Berman A.F., Nikolaychuk O.A., Yurin A.Yu., Pavlov A.I. A methodology for the investigation of the reliability and safety of unique technical systems. Part O: Journal of Risk and Reliability. 2014. Vol. 228. №1. Pp. 29-38.

17. CLIPS: A Tool for Building Expert Systems. Available at: http://www.clipsrules.sourceforge.net, accessed 16.02.2017.

18. Cretu L.G., Florin D. Model-Driven Engineering of Information Systems: Principles, Techniques, and Practice. Apple Academic Press. 2014. 350 p.

19. Ecore structure description (Metamodelling Language). Available at: http://download.eclipse.org/modeling/emf/emf/javadoc/2.9.0/org/eclipse/emf/ecore/package-summary.html, accessed 16.02.2017.

20. Kleppe A., Warmer J., Bast W. MDA Explained: The Model-Driven Architecture: Practice and Promise. 1st ed. Addison-Wesley Professional, 2003. 192 p.

21. RAM Commander ETA V8.5. Available at: http://aldservice.com/Event-Tree-Analysis-ETA.html, accessed 16.02.2017.

22. RELEX Windchill FTA. Available at: http://www.relexsoftware.it/ptc-windchill/windchill-fta, accessed 16.02.2017.

23. Reliability Workbench incorporating FaultTree+. Available at: https://www.isograph.com/software/reliability-workbench/, accessed 16.02.2017.

24. Risk Spectrum. Режим доступа: http://www.riskspectrum.com/en/risk, accessed 16.02.2017.

25. Rule Visual Modeling Language (RVML). Available at: http://www.knowledge-core.ru/index.php?p=rvml, accessed 16.02.2017. (in Russian).

26. Systems Analysis Programs for Hands-on Integrated Reliability Evaluations (SAPHIRE). Available at: https://saphire.inl.gov, accessed 16.02.2017.

Автоматизированное создание продукционных баз знаний на основе деревьев событий Текст научной статьи по специальности «Компьютерные и информационные науки»

Текст научной работы на тему «Автоматизированное создание продукционных баз знаний на основе деревьев событий»