Формирование базы прецедентов экспертной системы при диагностировании сложного оборудования Текст научной статьи по специальности «Компьютерные и информационные науки»



Телекоммуникационные системы и компьютерные сети

УДК: 004.8.

Л.А. Симонова, И.И. Насыров

формирование базы прецедентов экспертной системы

ПРИ ДИАГНОСТИРОВАНИИ СЛОжНОГО ОБОРУДОВАНИЯ

Как правило, на предприятиях машиностроения в качестве АРМ операторов используют стандартные офисные компьютеры. Иногда их монтируют в корпус, подходящий для монтажа в серверную стойку. Однако это не позволяет избавиться от всех проблем, присущих офисным компьютерам.

Жесткий диск (винчестер, HDD) - один из самых ненадежных узлов АРМов операторов и серверов АСУП. Связано это с тем, что жесткие диски имеют как механические подвижные узлы, так и электронные платы управления. Любой механический узел вносит большую ненадежность, связанную с тем, что он сильно страдает от вибраций, трясок, ударов, перегревов, имеет ограниченный срок службы.

Решение данных проблем возможно путем диагностики возникающих неисправностей, а в дальнейшем - и прогнозирования бесперебойной работы сложного оборудования АСУП. Предлагается разработать диагностическую экспертную систему, созданную на базе прецедентов.

Для наиболее полной диагностики возможных неисправностей, возникающих в процессе эксплуатации винчестеров, предлагаем создать экспертную систему, база знаний которой, состоящая из прецедентов, разделена на несколько уровней. Каждый следующий уровень позволяет наиболее подробно описать возникшую неисправность. Перед созданием базы знаний необходимо провести предварительную кластеризацию по уже имеющимся в базе данных значениям.

Кластеризация или естественная классификация - это процесс объединения в группы объектов, обладающих схожими признаками. В отличие от обычной классификации, где количество групп объектов фиксировано и заранее определено набором идеалов, здесь ни группы, ни их ко-

личество заранее не определены и формируются в процессе работы системы исходя из определенной меры близости объектов [1, 2].

Кластеризация в разрабатываемой гибридной системе диагностирования оборудования АСУП предназначена для разбиения совокупности данных, полученных от специальных программ -агентов диагностики, на однородные группы (кластеры или классы). Если данные полученной выборки представить как точки в признаковом пространстве, то задача кластеризации сводится к определению «сгущений точек». Цель кластеризации полученных данных - поиск существующих структур.

Кластеризация данных является описательной процедурой, она не делает никаких статистических выводов, но дает возможность провести разведочный анализ и изучить «структуру данных диагностируемых компонент оборудования АСУП».

Во всех современных винчестерах имеется область, где хранятся данные S.M.A.R.T. (Self-Monitoring, Analysis and Reporting Technology -технология оценки состояния жесткого диска встроенной аппаратурой самодиагностики, а также механизм предсказания времени выхода его из строя [3]). Однако в зависимости от производителя и конкретной модели винчестера количество и виды измеряемых параметров могут сильно различаться. Для решения этой проблемы данные собирались с винчестеров различных моделей большинства известных производителей.

Во время предварительной кластеризации были использованы данные о переназначенных секторах (bad-секторах), полученные из S.M.A.R.T. области 307 винчестеров. Результаты, собранные с помощью программ-агентов, приведены на рис. 1.

Вас1-сектора, шт.

400 300 200 100 0

30 20 10 0

4 3 2 1 0

100

♦ ♦ ♦ ♦ ♦

200

300

100

«к*

200

300

100 200 300

Номер жесткого диска

Рис. 1. Результат кластеризации данных

Исходя из этих результатов, экспертом достаточно легко может быть выбрано предварительное количество кластеров, равное трем. Этот выбор обусловлен тем, что в рассмотренном примере встречаются группы значений количества переназначенных секторов от 57 до 377, от 10 до 28, от 0 до 4. Ввиду многочисленности можно группу со значением нуль также выделить в отдельный кластер. В дальнейшем количество кластеров может изменяться экспертом, либо в автоматическом режиме в процессе самообучения, если дополнить схему специальным элементом - нейронной сетью.

После проведения кластеризации данные, поступающие от агентов диагностики, попадают на первый уровень правил экспертной системы, на котором производится определение их принадлежности какому-либо из известных кластеров (рис. 2). В случае если значения параметра не попадают ни в один из ранее известных кластеров, необходимо вмешательство эксперта для определения того, является ли текущее значение выбросом, либо необходимо создание нового правила. При отслеживании только одного из параметров оборудования АСУП, после того как кластер определен, происходит нормализация данных, значение для нормализации выбирается соответ-

ственно этому кластеру [4]. Далее происходит переход на следующий уровень правил.

На втором уровне правил происходит применение нижнего уровня описательных правил. Значение каждого параметра делится на четыре возможных интервала, каждому из которых соответствует свое описание. Для каждого из интервалов назначается свой код от 1 до 4, который помогает в составлении дальнейших уровней правил. Описание значений интервалов параметров проблематично для восприятия большинством пользователей. В связи с этим происходит переход на следующий уровень правил.

На третьем уровне правил проводится экспертная оценка состояния и надежности сохранности информации винчестера в баллах. При этом производится оценка значений кодов интервалов параметров, полученных на втором уровне правил. Далее происходит переход на четвертый уровень правил.

На четвертом уровне правил экспертом производится общая оценка состояния винчестера на основании оценки баллов, полученных для винчестера на предыдущем уровне правил. Данная оценка максимально обобщена и доступна для понимания большинством пользователей.

Телекоммуникационные системы и компьютерные сети

/Данные агентов диагностики

Да

Известный кластер

Рис. 2. Обобщенная последовательность формирования базы знаний

База знаний строится на основе метода прецедентов*. Первичное заполнение базы знаний производится экспертом. Обобщенная схема создания правила экспертом приведена на рис. 3.

Дальнейшее заполнение базы знаний можно условно поделить на следующие этапы:

1) сбор подробной информации о поставленной задаче;

2) сопоставление этой информации с деталями прецедентов, хранящихся в базе, для выявления аналогичных случаев;

* Прецедент - это описание ситуации в сочетании с подробным указанием действий, предпринимаемых в данной ситуации [5].

3) выбор прецедента, наиболее близкого к текущей проблеме, из базы прецедентов;

4) адаптация выбранного решения к текущей проблеме, если это необходимо;

5) проверка корректности каждого вновь полученного решения;

6) занесение детальной информации о новом прецеденте в базу прецедентов.

Таким образом, вывод, основанный на прецедентах, представляет собой такой метод анализа данных, который делает заключения относительно данной ситуации по результатам поиска аналогий, хранящихся в базе прецедентов.

Данный метод по своей сути относится к категории «обучение без учителя», т. е. является «са-

Прецедент

Класс: диагностируемые программно

— Программные

Служебная область

Таблицы адресации секторов

— Контроллер

Прошивка

— Аппаратные

Блок вращения

— Двигатель

— Шпиндель

Блок пластин

Крепление пластин

Поверхность дисков

Осыпание

Царапины

Блок магнитных головок (БМГ)

— Головка

Привод

н

рэ &

И Р

СЛ

>

'¡я н

Класс: не диагностируемые программно

Плата управления

Блок питания

Преобразователь

Катушка

Блок стабилизации напряжения

Стабилизатрон

Рис. 3. Схема создания правила экспертом

Таблица 1

Правила для данных, полученных из 8.М.Л.Я.Т. области винчестера

Уровень 1

№ правила Если То

1 X С известному кластеру Переход на уровень 2

2 X С новому кластеру Необходимо вмешательство эксперта для создания правила

Уровень 2

№ Ш пар X Если И То

1 1 Х> 1 X С кластеру 1 Нет ошибок при чтении данных с диска (код 1)

2 1 1 > X > 0,54 X С кластеру 1 Мало ошибок при чтении данных с диска (код 2)

3 1 0,54 > X > Критическое значение X е кластеру 1 Много ошибок при чтении данных с диска (код 3)

4 1 Критическое значение > X X С кластеру 1 Критически много ошибок при чтении данных с диска (код 4)

4

Телекоммуникационные системы и компьютерные сети^

Таблица 2

Правила для общей оценки состояния винчестера

Уровень 3

№ Если И То

1 Все параметры = Код 1 Все параметры е известным кластерам Оценка состояния винчестера 10 баллов. Оценка надежности сохранности информации 10 баллов

2 1 параметр = Код 2 Остальные параметры - Код 1 Оценка состояния винчестера 9 баллов. Оценка надежности сохранности информации 10 баллов

3 2 параметра -Код 2 Остальные параметры = Код 1 Оценка состояния винчестера 9 баллов. Оценка надежности сохранности информации 9 баллов

4 3 параметра = Код 2 Остальные параметры = Код 1 Оценка состояния винчестера 8 баллов. Оценка надежности сохранности информации 9 баллов

Уровень 4

№ Если И То

1 Оценка состояния винчестера =10 баллов Оценка надежности сохранности информации =10 баллов Максимальная работоспособность и надежность

2 Оценка состояния винчестера > 7 баллов Оценка надежности сохранности информации > 7 баллов Хорошая работоспособность и надежность

3 Оценка состояния винчестера > 4 баллов Оценка надежности сохранности информации > 4 баллов Удовлетворительная работоспособность и надежность

4 Оценка состояния винчестера > 3 баллов Оценка надежности сохранности информации > 3 баллов Низкая работоспособность и надежность

5 Оценка состояния винчестера > 2 баллов Оценка надежности сохранности информации > 2 баллов Критически низкая работоспособность и надежность

мообучающейся» технологией, благодаря чему рабочие характеристики каждой базы прецедентов с течением времени и накоплением примеров улучшаются. Разработка баз прецедентов по конкретной предметной области происходит на естественном для человека языке, следовательно, может быть выполнена наиболее опытными сотрудниками компании - экспертами или аналитиками, работающими в данной предметной области [6].

Следующим этапом разработки является составление правил для каждого уровня экспертной системы. На данном этапе эксперт, используя свои собственные наблюдения и научную литературу, максимально подробно описывает каждый

возможный прецедент [7]. Примеры правил для разработанной экспертной системы показаны в таблицах 1-2.

Таким образом, исследованный в работе метод создания экспертной системы позволяет наглядно представить правила создания базы прецедентов при диагностировании сложного оборудования АСУП на предприятиях машиностроения, а также в других отраслях народного хозяйства. Для этого база знаний, состоящая из прецедентов, должна быть разделена на несколько уровней. А для создания правил, в свою очередь, необходим алгоритм предварительной кластеризации, который значительно облегчает работу эксперта.

список литературы

1. Головко, В.А. Нейронные сети: обучение, организация и применение [Текст] / В.А. Головко; Под ред. А.И. Галушкина // Сер. Нейрокомпьютеры и их применение. -М.: ИПРЖР, 2001. -Кн. 4. -255 с.

2. Kohonen, T. Self-Organizing Maps [Текст]/Т. Kohonen. -Springer, 1995. -501 с.

3. Википедия - свободная энциклопедия [Электронный ресурс] / Технология SMART. -Режим доступа: http://www.ru.wikipedia.org/wiki/SMART

4. Змитрович, А.И. Интеллектуальные информационные системы [Текст] / А.И. Змитрович. -Мн.: НТООО «ТетраСистемс», 1997. -368 с.

5. Элти, Дж. Экспертные системы: концепции и примеры [Текст] / Дж., Элти, М. Кумбс. -М.: Финансы и статистика, 1987. -191 с.

6. Переверзев, В.Н. Логистика: Справочная книга по логике [Текст] / В.Н. Переверзев. -М.: Мысль,1995. -221 с.

7. Автоматизированное проектирование информационно-управляющих систем. Проектирование экспертных систем на основе системного моделирования: Монография [Текст]/ Науч. ред. Г.Г. Куликов. -Уфа: УГАТУ, 1999. -223 с.

УДК 004.7

Г.С. Петриченко, Л.Н. Дудник, М.Ю. Срур

МЕТОДИКА ОцЕНКИ ФИНАНСОВОГО РИСКА ПРИ ПРОЕКТИРОВАНИИ

и монтаже компьютерной сети предприятия

В ходе проектирования и монтажа компьютерной сети важной задачей является выбор исполнителя, наиболее подходящего для решения задач на данном этапе. В качестве критерия выбора исполнителя может выступать величина финансового риска, которая для разных исполнителей различна, т. к. зависит от опыта работы исполнителя, материальной базы, программного и технического обеспечения. Известно, что при анализе сложных проблем исследуемая характеристика может рассматриваться как случайная величина, отражением закона распределения которой служат экспертные оценки.

В рассматриваемом случае проблема - выбор исполнителей в процессе проектирования и монтажа компьютерной сети предприятия, а исследуемая характеристика - затраты на всех этапах проектирования и монтажа. Перед руководителем предприятия возникает задача по выбору исполнителя с наименьшим финансовым риском для осуществления процесса проектирования и монтажа компьютерной сети (КС).

Для решения задачи оптимального выбора исполнителя при многокритериальной оценке для проектирования и монтажа компьютерной сети предприятия предлагается использовать подход, основанный на использовании метода анализа иерархий (МАИ) [1].

Проектирование и монтаж компьютерной сети предприятия включает следующие этапы.

Этап 1. Проектное обследование, разработка и согласование технического задания.

Данный этап может включать следующие задачи:

сбор сведений о планируемых нагрузках на компьютерную сеть;

оценка требований руководителя предприятия (заказчика) к работе системы; составление планов развития; разработка технического задания, на основании которого будут разрабатываться эскизный и технический проекты компьютерной сети.

Этап 2. Разработка эскизного или предварительного проекта кабельной системы предприятия и создание технического предложения (технико-экономическое обоснование). Основная цель работы на стадии разработки эскизного проекта заключается в формировании предварительных проектных решений, дающих общее представление о структуре создаваемой кабельной системы и ее характеристиках, а также об оценке ее стоимости.

В соответствии с предварительным расположением рабочих мест производится оценочный расчет длины кабеля и кабельных каналов, коли-