CC BY
121
УДК 681.3.06
Н.Б. Культин
ЭКСПЕРТНАЯ СИСТЕМА КАК ИНСТРУМЕНТ ПОДДЕРЖКИ ПРИНЯТИЯ
УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ
В процессе подготовки и реализации проекта руководитель вынужден принимать решения в условиях неопределенности, на основе неполной или недостоверной информации о текущем состоянии и перспективах развития проекта. Качество принимаемых решений во многом определяется опытом руководителя.
Повысить качество принимаемых решений можно за счет интеграции в автоматизированное рабочее место руководителя проекта [2] интеллектуального компонента - экспертной системы.
Экспертная система это - компьютерная программа, которая на основе заложенных в ее базу знаний правил может дать разумный совет, предложить вариант решения проблемы. Применение экспертной системы в качестве инструмента поддержки принятия решений оправдано для решения задач, которые не могут быть решены на основе аналитических расчетов.
Применительно к задачам управления проектами при помощи экспертной системы можно решить следующие задачи:
- уточнить тип проекта;
- оценить длительность и стоимость как всего проекта в целом, так и его отдельных этапов и задач;
- выбрать исполнителей наиболее важных этапов;
- распределить ресурсы;
- провести анализ рисков.
Экспертная система, знания, которые в нее заложены, является мощным инструментом обучения, повышения квалификации руководителей среднего звена. В процессе работы над проектом, использования экспертной системы, руководитель проекта как бы консультируется с экспертом в области управления проектами, получает, впитывает его опыт.
В работах по искусственному интеллекту под экспертной системой понимается система, объединяющая возможности компьютера со знаниями и опытом эксперта в такой форме, что система может предложить разумный совет или осуществить разумное решение поставленной задачи [1]. Типовая структура экспертной системы приведена на рис. 1.
Рис. 1. Структура экспертной системы
| Научно - технические ведомости. ИННОВАТИКА СПбГПУ 3'2011
Основой экспертной системы является база знаний о предметной области. База знаний содержит знания - совокупность информации об объекте и его функционировании. В большинстве случаев знания экспертной системы являются эвристиками и носят вероятностный характер: существует некоторая степень неуверенности в достоверности факта или в точности правила. При построении экспертных систем чаще всего используются три метода представления знаний: правила вывода, семантические сети и фреймы. Представление знаний, основанное на правилах, построено на использовании выражений вида ЕСЛИ условие ТО заключение, отражающих естественный ход рассуждений эксперта. Правила обеспечивают естественный способ описания предметной области, процесса принятия решений. Семантические сети и фреймы, как правило, используют для решения исследовательских задач искусственного интеллекта.
База данных экспертной системы содержит факты - информацию о текущем состоянии объекта. Факты появляются в базе данных в процессе консультации, как результат ответа пользователя на вопросы экспертной системы. Они также могут продуцироваться самой экспертной системой (машиной вывода) в процессе согласования фактов и правил.
Важной частью экспертной системы является механизм или машина вывода, осуществляющий поиск подходящих правил в базе знаний и согласование их с фактами. Механизм вывода обеспечивает построение заключений. Действие механизма вывода аналогично рассуждениям человека-эксперта. Механизм вывода представляет собой интерпретатор правил, который использует правила и факты для решения поставленной задачи. Он осуществляет формирование проблемных гипотез и проверку их на соответствие цели. Подсистема сбора знаний и интерфейс разработчика обеспечивают доступ к базам знаний и данных и используются разработчиком экспертной системы для наполнения системы правилами. В процессе эксплуатации экспертной системы подсистема сбора знаний может использоваться для корректировки правил, для изменения
существующих правил и добавления новых. Консультационная подсистема и интерфейс пользователя предназначены для обеспечения взаимодействия пользователя с системой во время консультации. Объясняющая подсистема позволяет пользователю осознать, «увидеть» цепочку логического вывода. Наличие этого компонента значительно повышает доверие пользователя к рекомендациям экспертной системы.
Опыт разработки и использования экспертных систем, в том числе для диагностики неисправностей сложных технологических объектов, позволяет утверждать, что при разработке экспертной системы следует придерживаться принципа открытости, что подразумевает возможность внесения изменений в систему в процессе ее эксплуатации. Это предполагает возможность корректировки правил базы знаний.
Наиболее открытой для внесения изменений является система, в которой знания представлены в виде совокупности правил и фактов и в которой знания отделены от программного кода, реализующего механизм вывода.
Правила - это утверждения вида:
А ^ Б1,Б2 ...Вп,
где п >0, А - заголовок правила, последовательность Б1 - тело правила, причем элементы Б1 могут представлять собой как факты, так и правила.
На естественном языке правила в общем виде могут быть представлены так:
Правило№ Если
Объект1 = Значение 1, КД1=к1
Объект2 = Значение2, КД=к2
Объект1 = ЗначениеJ, КД=кЗ
То
ОбъектЗ = ЗначениеЗ, КД=к3
где: Правило, Если, То и КД - ключевые слова, используемые при записи правил; Объект и Значение - соответственно объект из предметной области и его значение, КД - коэффициент достоверности (степень уверенности), дробное число из диапазона [0,1] соответствующее степени уверенности, что состояние объекта характеризуется указанным значением. Значения коэффициента достоверности ис-
пользуется для вычисления по формуле Байеса коэффициента достоверности заключения.
При формировании базы знаний необходимо учитывать, что во время консультации, в процессе согласования фактов с правилами, механизм вывода выбирает правила из базы знаний в том порядке, в котором они находятся в базе знаний, начиная с первого. Поэтому база знаний должна начинаться с правил, описывающих наиболее вероятные результаты консультации.
Пусть Рг- вероятность получения 1-го заключения, соответствующего правилу с номером 1. Тогда правила в базе знаний должны быть расположены так, чтобы выполнялось условие
Р1 >Р2 > ... > Р1 > ... > Рк
Точно определить вероятность получения > ого заключения нельзя. Вместе с тем можно выделить группу правил, для которых вероятность получения заключений приблизительно равны: Р]=Р]+1= ....=Рт
Каждое правило связывает несколько гипотез с заключением. На проверку каждой гипотезы затрачивается определенное время. Обозначим: И] - время необходимое для проверки _)-ой гипотезы 1-го правила. Общее время Т проверки гипотез 1-го правила равно сумме времен проверки каждой из гипотез
Т =Ь] (1)
1=1
где: ш-число гипотез 1-го правила.
Для каждого правила можно вычислить коэффициент, равный отношению вероятности заключения и суммарного времени проверки гипотез:
К = р (2)
Коэффициент К1 тем больше, чем выше вероятность заключения, связанного с >м правилом и чем меньше время, необходимое на проверку гипотез. Таким образом, для сокращения времени консультации правила в базе знаний экспертной системы следует располагать в таком порядке, чтобы последовательность коэффициентов (К1,К2,.. Кл, Кп), вычисленных по формуле (2), была не возрастающей. Использование приведенного подхода позволяет упорядочить правила в базе знаний, сделать экспертную систему дружественной к пользователю за счет того, что система будет предлагать отвечать на вопросы, которые идентифицируют наиболее вероятную ситуацию.
Выводы
Повысить качество принимаемых решений можно за счет интеграции в автоматизированное рабочее место руководителя проекта интеллектуального компонента - экспертной системы.
Для представлений знаний (алгоритмов принятия решений) в экспертной системе следует использовать правила, как наиболее открытый для внесения изменений способ представления знаний. Учесть неопределенность фактов а и вероятностный характер заключений можно при помощи коэффициента достоверности.
Время консультации зависит от порядка следования правил в базе знаний экспертной системы. Для сокращения времени консультации правила в базе знаний следует располагать в таком порядке, чтобы последовательность коэффициентов (К1,К2,.. К1, Кп), вычисленных по формуле (2), была не возрастающей.
СПИСОК ЛИТЕРАТУРЫ
1. Нейлор К. Как построить свою экспертную систему: Пер, с англ.—М.: Энергоатомиздат, 1991.—28б с.: ил.
2. Н.Б. Культин Архитектура системы управ-
ления проектами. // Инновции в науке, образовании и производстве. Сборник научных трудов /Под ред. Проф. И. Л. Туккеля. СПб.: Из-во Политехн. ун-та, 2007. 263с. - С. 168 - 171.
