CC BY
122
Методы и алгоритмы диагностико-прогнозирующего сервиса инженерных объектов с использованием технологий экспертных систем в менеджменте предприятий METHODS AND ALGORITHMS OF DIAGNOSIS-FORECASTIN G; SERVICE ENGINEERING OBJECTS WITH USE OF TECHNOLOGIES OF EXPERT SYSTEMS IN
THE MANAGEMENT OF ENTERPRISES
Г лущенко Виталий Васильевич
Сочинский государственный университет, профессор, доктор технических наук, Действительный член РАЕН
Г лущенко Павел Витальевич Сочинский государственный университет, доцент, кандидат технических наук,член-корреспондент РАЕН,
e-mail: pglout@yandex.ru
Аннотация:В работе рассмотрены актуальные вопросы для менеджмента промышленных предприятий: информационный аспект диагностико-прогнозирующего сервиса инженерных систем; методика применения процессного подхода извлечения и формализации данных для диагностики и прогнозирования, их интеграции между собой. Предложены примерная структура и алгоритмы, процедурная модель диагностики и прогнозирования состояния системы с использованием технологий экспертных систем, модель интегрированного диагностико-прогнозирующего комплекса (ИДПК), кратко проанализированы основные архитектуры (подходы), используемые в технологическом цикле работы Решателя экспертной системы.
Ключевые слова: информация; диагностика; прогнозирование; модель; алгоритм; процедура; технология; знания; экспертная система; интеграция; менеджмент предприятия.
Abstract: The paper is devoted to the topical issues for the management of industrial enterprises: information aspect diagnosis-forecasting service of engineering systems; the method of application of the process approach extraction and formalization of data for the diagnosis and prediction, their integration among themselves. Suggested approximate structure and algorithms, a procedural model of diagnostics and forecasting of the state of the system with use of technologies of expert systems, the model of integrated diagnosis-forecasting complex (ИДПК), briefly analyzed the basic architecture (approaches), used in technological cycle of work Of the expert system.
Key words: information; diagnosis; forecasting; model; the algorithm; the procedure; technology; knowledge; expert system; integration; management of the enterprise.
Преамбула. Резко изменившиеся за последние десятилетия условия функционирования производственных систем и связанное с этим появление принципиально новых организационных задач, потребовали и углубления системного подхода к их решению.Предприятия, став основным звеном рыночной экономики, приняли на себя всю меру ответственности за создание надлежащих условий своего эффективного функционирования и дальнейшего развития, за результаты принимаемых решений.
В этой связи, экономический показатель надежности работы предприятий приобретает особую значимость, который вобрав в себя критерии показателя надежности технического состояния производственной системы, количественно оцениваемый вероятностью безотказной работы за фиксированный промежуток времени, наполнился качественно новым содержанием.
В управлениисистемой непреходящее и все более возрастающее значение принадлежит разработке процедур диагностики и прогнозирования, анализа данных диагностики и прогнозов, планирования, координации, а также ресурсного обеспечения функционирования этой системы. К важнейшему ресурсу относятся[3,7,13]информация и знания, совокупность множества которых и обеспечивает эффективный менеджмент предприятий и организаций.
1. Информационные аспекты диагностико-прогнозирующего сервиса инженерных систем. 1.1. Первым и начальным шагом диагностико-
прогнозирующего сервиса является информационная ориентация. Она включает в себя получение определенного задания, установки на тот или иной вид диагностики, а затем и осуществления прогноза по результатам диагностики и имеющихся материалов мониторинга. Информационная ориентация предусматривает[7] формирование информационного поля возможных прогнозов. Здесь под последним понимаем поля различных информаций, относящихся во всем своем множестве к диагностико-прогнозирующему сервису, но еще не очерченные теми или инымирамками по объему, количеству и содержанию.
По формированию данного информационного поля, полагаем,
целесообразноследует сделать выделение в нем шкалы или спектра возможностей прогноза, т.е. того ради чего и ведется исследование, а затем осуществить распределение в информационном поле функций:вероятности -“менее вероятно - более вероятно” при поисковом или разведывательном прогнозе; оценочной функции - “менее оптимально (желательно) - более оптимально (желательно).
Условно в информационном поле возможных прогнозов можно выделить: областьоптимальных прогнозови область рациональных прогнозов, что наглядно показано на Рис. 1.
Области рациональных прогнозов
Прим.: на данной схеме области прогнозов даны условно, т.к. они могут быть представлены и в иных вариантах
Рис. 1. Поле возможных прогнозов, область рациональных прогнозов,
область разумных прогнозов
Необходимо отметить важность распределения в информационном поле функций вероятности и оценочной функции. Дело в том, что эти функции в информационном поле должны находиться в определенном сочетании, исключающем возможность нахождения только одной функции. Характер сочетания этих функций зависит от назначения прогноза. Но в любых случаях наличие сочетания функций является обязательным, т.к. оно позволит учитывать
при прогнозировании обратную связь с конструктивными подходами. Но последние прямо оказывает влияние и сам процесс прогнозирования, и его результаты.. В свою очередь, конструктивные подходы вносят существенные поправки или корректировки в данные прогноза.
1.2. Второй шаг- создание информационныхисходных
моделейдиагностики и прогнозирования, которые должны иметь такое системное свойство - способность к интеграции. Данная работа проводится[1,3,7,8] на основании информационного поля, которое включает в себя все уже имеющиеся данные состояний объекта. Затем необходимо осуществить построение матриц “цель-средство”, провести определение наиболее важнейших конкретных параметров (переменных), с которыми придется в ходе диагностики и прогнозирования манипулировать.
1.3. Третий шаг - так называемое конструирование информационного поля диагностики и прогнозирования, организация для этого соответствующих баз данных. Под конструированием информационного поля понимается работа, которая определяет информационное поле уже в своей основе, хотя формирование информационного поля на самом деле не заканчивается, ибо оно продолжается постоянно в ходе диагностики и прогнозирования.
Последнее обусловлено тем, что в информационное поле в ходе диагностики и прогнозирования могут включаться какие-либо новые информационные поля, новые данные, новые сведения или наоборот могут исключаться.Но основополагающим полагаем, целесообразноисходить из следующей формулы информационного поля:
3 = иУ1 • и32К - и 3 п;
где Л, J2, ..., Jn - информационные поля различных наук, фундаментальные положения которых лежат в основе того или иного направлениядиагностики и прогноза. Здесь, определяется, очерчивается условный круг, в котором выявляется поля тех или иных наук, дисциплин или просто сведений,
показателей характеризующих деятельность объекта и включенных в формируемое информационное поле прогнозирования.
При этом отметим, что определенной весьма сложной спецификой для информационного поля научного исследования является включения в него определенного объема информаций следующего характера: геополитического, природно-климатического, социального и в отдельных случаях конфессионального характера. Эти факторы позволят учесть специфику условий бизнеса не только в том или ином регионе в России.
2. Методика применения процессного подхода извлечения и формализации данных для диагностики и прогнозирования, их интеграции между собой. Здесь, прежде всего, будем исходить из принципов системного и процессного подходов, в части того, что объект, процесс или явление рассматривается как система, а любая деятельность (по процессному подходу) есть процесс.Используя эти выше названные положения и рекомендации ИСО [16] по внедрению процессного подхода, полагаем возможным, используя соображения в [1,3,8], предложить следующую краткую методику моделирования процессов извлечения и формализации данных для диагностики и прогнозирования, подчеркнуть при этом необходимость их интеграции между собой основных ступеней:
I. Идентифицировать процессы извлечения и формализации данных для диагностики и прогнозирования, с целью получения ответа на вопросы: какие процессы процессов извлечения и формализации данных для диагностики и прогнозирования подлежат моделированию; кто является потребителями каждого процесса диагностики и прогнозирования (внутренние и/или внешние потребители) и каковы требования этих потребителей; кто является "владельцем" того или иного процесса (специалист по эксплуатации объекта и/или ЛПР, исследователь, эксперт и т.д.);являются ли какие-либо из этих процессов привлекаемыми из внешних источников; каково содержание входов и выходов каждого процесса?;определить максимально возможную интеграцию,
суть которой состоит в том, что выходы процессов диагностики являются, как правило, входами процессов прогнозирования.
II. Здесь, следует определить последовательность и взаимодействие этих процессов: каков общий поток процессов диагностики; как можно описать это: картой процессов или схемой потоков; каковы интерфейсы между процессами диагностики и прогнозирования, как они интегрированы; какое документирование необходимо?
III. На этой ступени определить критерии и методы, необходимые для того,
чтобы обеспечить эффективность извлечения и формализации данных диагностики, пригодные и для прогнозирования: каковы характерные
особенности этих процессов; каковы критерии для осуществления процессов контроля, измерений и анализа; как можно включить эти характеристики в планирование процессов прогнозирования; каковы предполагаемые экономические результаты получения данных при диагностике (стоимость, время, потери и т.д.).
IV. Здесь необходимо обеспечить наличие ресурсов и информации: какие
ресурсы необходимы для каждого процесса; каковы каналы связи; как можно получать информацию о процессах диагностики; какие данные необходимо собирать; какие документированные сведения необходимо сохранять?
V. Определить: как можно контролировать выполнение процессов
извлечения и формализации данных диагностики; каким наилучшим
образом можно проанализировать собранную информацию (статистическими методами); что покажет результат такого анализа?
VI. На этом уровне необходимо предусмотреть действия, необходимые для постоянного улучшения этих процессов.
3. Процедурная модель интегрированнованого диагностико-прогнозирующего процессов сервиса. 3.1. Примерная структура и алгоритмдиагностики и прогнозирования состояния технической системы предприятия В данной структуре, прежде всего, выделим два блока. Первый это блок управления,
диагностика которого осуществляетсяпроверкой исполнения управляющих команд. Второй блок - это блок производства, диагностика которого проводится путем установления состояния технических систем его составляющих. Предметамиисследования посредством диагностирования и прогнозирования соответственно являются исполнения управляющих команд и состояние технических систем - ТС (см.Рис. 2.).
Предметы
исследования
Методы
диагностики
Возможные
состояния
Процедуры АДП и ПР
Возможные
решения
где: АДП и ПР - анализ данных диагностических процедур; ПР - принятие решений;
ТФ - технический фактор; ЧФ - человеческий фактор
Рис. 2. Примерная структура и алгоритм диагностики и прогнозирования состояния
системы (предприятия)
Методами диагностики являются оперативный (по таблицам соответствия) и периодическийпо контрольным тестам. Возможные состояния,
устанавливаемые в ходе диагностики: для блока управления - исполнение правильное или отказ, для блока производства - это состояния нормальное, граничное и критическое.
Соответственно установленным данным в ходе диагностики предусмотрены строго предписанные алгоритмические шаги, отраженные на общей схеме структуры диагностики и прогнозирования состояния системы (предприятия) на Рис. 2.Здесь же показано, что по результатам диагностики, как правило, должен осуществляться анализ, выявление причин, которые могут быть вызваны техническими или человеческими факторами, приниматься оперативные (ситуационные) решения, а затем с использованием данных диагностики вырабатывать прогноз поведения системы в будущем.
3.2. Процедурная модель диагностики и прогнозирования состояния системы с использованием технологий экспертных систем. Здесь круг
действий весьма значителен и в процедурной модели можно выделить, исходя из соображений в[3,4,5, 8,13], три наиболее общих стадии: 1)
ретроспективную;2) диагностирования с имитационным моделированием или без него;3) прогнозную на с использованием экспертных технологий.
Первая стадия включает[3] в себя примерно шесть основных этапов: 1) формулирование и постановку задачи, описание предметной области диагностики и прогнозирования; 2) определение и выбор параметров диагностики и прогнозирования, их единства или интеграции.
Первый этап первой стадии (1-й эт. 1-ст.) Он описан подробно выше впп. 1.1.,1.2. и 1.3. Но необходимо подчеркнуть, что постановка задачи играет большую роль, так как во многом предопределяет весь ход и диагностики и прогнозирования. Именно она оговаривает ту часть предметной области, в которой «живет» контролируемый объект и то методическое, алгоритмическое и программное обеспечение, которое необходимоиспользовать в решении задачи.Давая описание предметной области, она тем самым очерчивает контуры
базы знаний, которую необходимо создать для обеспечения фундаментальных основ решения задачи.
Предметная область определяется тем классом объектов, которые подвергаются контролю, средой, в которой они функционируют, и тем видом деградационных случайных процессов, определяющих изменение работоспособности технической системы.
2-й эт. 1-ст. Здесь осуществляются анализы системы, исследуя ее с различных сторон: физической, конструктивно-структурной, надежностно-
параметрической, функциональной, информационной, диагностической и т.д. Представление же всех этих аспектов анализа в формализованном виде и составляет основу базы данных, которую надо пополнять диагностированием
3-й эт. 1-й ст. Формирование базы знаний (БЗ) о контролируемом объекте
и процессах деградации. Здесь, важно наличие априорной информации изменении работоспособности ТС. Это будет крайне необходимо для решения х вопросов при выборе и моделей диагностики и моделей
прогнозирования.Априорную информацию получают из хранилищ данных или путем машинного моделирования деградационных процессов и старения объектов с использованием имеющихся знаний, по результатам производственных испытаний или по данным эксплуатации этих объектов.
Вся информация о процессах хранится в БД, как составная часть базы знаний (БЗ), а в крупных предприятиях и организациях в хранилищах данных (ХД). Наличие базы знаний обязательно в экспертных технологиях. Анализ априорной информации также необходим и для формализованного представления информации. Для этого требуются методы и алгоритмы обработки поступающих данных контроля, позволяющие их точно представить в оценке работоспособности объекта.
4-й эт. 1-ст. Выбор моделей и разработка алгоритмов диагностики и прогнозирования. Выбор моделей диагностики можно осуществить из широкого спектра, применяемого на практике в различных сферах производства, имеется
весьма значительный перечень научных публикаций такого рода и, в частности,[1,2,3,4,810]. Однако в сочетании с прогнозированием эта задача несколько усложняется, т.к. речь идет об интеграции моделей диагностики и прогнозирования с соблюдением принципа: выход процесса диагностики - это вход процесса прогнозирования.Ее эффективно решить можно только с помощью экспертной системы.
5-й эт. 1-й ст.Обучение моделейпрогнозирования. Здесь используется поаприорная информация, что вызывает необходимость проверки алгоритма по уже известным процессам изменения состояния объектов.
Обучение - это математическая задача, которая относится[3]к классу оптимизационных проблем поиска описаний. Оптимизационная L задача есть пятерка:< XL,YL, pL, FL, ГЬ >,где: XL, УЪ - множество входных и выходных записей; рЪ, — Xh х Уt - отношение (или функция р: ХЪ ^ УЪ ); FL множество отношений (!Ъ— ХЪ х УЪ для всех fL е FL), называемых описаниями; IL -оператор качества FL, показывающий для каждого FL степень его близости к рЪ.
Задача состоит в отыскании оптимального по !Ъ описания * из FL. При обучении необходимо создать методы формирования условий задачи по описанию проблемной области или по наблюдению за этой ситуацией и научиться к переходу от известного решения частных задач (примеров) к решению общей задачи.
Необходимо также создать приемы декомпозиции исходной для автоматизированной системы (АС) задачи на более мелкие так, чтобы они оказались для системы уже известными, разработать нормативные и декларативные модели самого процесса обучения, создать теорию и метологию подражательного поведения.
6-й эт. 1-ст. Планирование процедуры прогнозирования. Этот этапсостоит в определении плана диагностического анализа, т.е. выборе временных интервалов, числа измерений контролируемых параметров и т.д. и/или
имитационного моделирования. В результате этого нужно получить упорядоченную совокупность действий, в которой в качестве отношения между вершинами выступают отношения типа: «цель-подцель», «цель-действие», «действие-результат» и т.п.
Вторая стадия (II ст.). Это стадия диагностирования с использованием имитационного моделирования или без него. Она состоит из трех основных этапов. 1-й эт.П ст. Это - диагностическое обеспечение:методы и средства.
2-й эт. II ст.Использование диагностических измерительных приборов и датчиков. 3-й эт. II ст. Здесь проводится анализ данных диагностики, передачи их и заключения в ЭС и/или лицу принимающего решения-ЛПР при аварийности системы для осуществления действий согласно вариантов на Рис.2 или иных в зависимости от ситуации и сложности объекта.
В рамках рассматриваемого 3-го эт.П-йстадии могут быть варианты:
а) возможна полная или частичнаядиагностикадиагностикасистемы. При любых вариантах, прежде всего, необходима разработка диагностического обеспечения: нужно иметь набор (библиотеку) методов и моделей диагностирования, инструментальные средства диагностирования, позволяющие оценить текущее техническое состояние объекта с необходимой точностью; б) возможна только частичная диагностика системы - тогда дополнительно применяется имитационное моделирование (ИМ)[2];
в) невозможна какая-либо диагностика системы и поэтому целесообразен только теоретический эксперимент - осуществляется полностью ИМ.
Третья стадия (Шст.) диагностико-прогнозирующей процедуры 1-йэт.Ш ст. - это этап регистрации данных диагностики в электронном виде и журналах учета этих данных. Данными диагностики, как уже отмечалось, пополняют БД, а после соответствующей их обработки экспертами они идут в БЗ.
2-й эт. III ст.Организация диалоговой системы. Подэтим понимается организация интерфейса для общения ЛПР, других пользователей и инженера
знаний с ЭВМ. При этом контрольза процессом прогнозирования интерпретируется как «запрос-ответ», «запрос на производство прогнозирования
- выдача результата прогноза» и поэтому диалог заложен в самой природе процесса контроля и прогнозирования. Диалог существует всегда вне зависимости от объема решаемой задачи.И его нужно строить [3,4] по диалоговой модели с учетом скорости идентификация контролируемого диагностируемого процесса. При этом нужно иметь в виду, что процедура распознавания (классификации) процесса идет со второй точки получаемой текущей информации с помощью алгоритмического обеспечения, включающего определенную библиотеку алгоритмов формального описания и идентификации временных рядов (метод шаблонов, метод поиска однородностей, метод нейронных сетей, метод на основе гипертекстовой базы знаний, метод моделирования временных рядов).
3-й эт. III ст. Этот этап под наименованием Выбор механизма параллельной информационной технологии прогнозирования (ПИТП) осуществляется в зависимости от вычислительных возможностей автоматизированной системы (АСП), необходимой точности и достоверности прогноза, существующего объема моделей и алгоритмов прогнозирования в библиотеке экспертной системы АСП. Надо иметь в виду, что выбор механизма ПИТП также является весьма сложной задачей.
4-й эт. III ст.Идентификация моделей, выбранныхдля прогнозирования. Ее осуществляют по текущим данным, используя алгоритмы, которые проверены на стадии обучения моделей по априорным данным. Число моделей определяется[3] выбранным механизмом параллелизма ПИТП.
5-йэт. III ст.Прогнозирование с использованием экспертной технологии. Данная технология принадлежит к одному из направлений искусственного интеллекта - экспертные системы. Ниже будет несколько подробно освещена суть экспертных систем и их технологий применительно к нашей теме.
6-й эт. III ст.Оценка точности и эффективности прогноза. Поставленная цель прогнозирования требует оценки точности получаемых результатов (прогноза) и эффективности прогнозирования.
7-й эт. III ст.Принятие решения на основании установленного прогноза является заключительным актом процедурной модели, ее выходом и представляет основу для процесса управления.
4. Технологияэкспертных систем прогнозирования. 4.1. Сущность экспертной системы и ее применение в диагностико-прогнозирующем сервисе.Во второй половине XX века, с наступлением эпохи персональных компьютеров и интеллектуальных ИТ и ИС, в технических, экономических и других науках все более стало проявляться такое научное направление [3,5,7,8,11,13 и др.] как прогнозирование состояния исследуемых объектов с реализацией достижений в области искусственного интеллекта (ИИ).
С этой целью, помимо уже издавна применяемых систем диагностики (СД), стали создавать группы высококвалифицированных и опытных специалистов -экспертов, использующих ИТ и ИС, с искусственным интеллектом, образуя тем самым системы основанные на знаниях (СОЗ) или иначе именуемые -экспертные системы (ЭС).
Экспертная система (ЭС), сложный программный комплекс,
интегрирующий, аккумулирующий и трансформирующий высокого уровня знания опытных специалистов в конкретной предметной области в форму эвристических правил и использующий последние для выработки пользователю суждений (прогнозов, рекомендаций и т.п.).
Компонентами экспертной системы, как известно, являются для:
А. Статической ЭС: 1) база знаний (БЗ); 2) рабочая память (РП) или
иначе база данных (БД); 3) решатель; 4) компонент приобретения знаний; 5)
объяснительный компонент; 6) диалоговый компонент;
Б. Динамической ЭС состояния технических систем: пункты 1-6) как у
статической ЭС; 7) подсистема моделирования внешнего мира (в т.ч. и
программа имитационного моделирования); 8) подсистема связи с внешним миром (в т.ч. и через комплекс датчиков и контролеров системы диагностики). ЭС можетиметь отдельную (автономную) специализированную ИС или ИС (подсистему),интегрированных в информационную систему предприятия.
Экспертные системыподразделяются[3.5,9] на четыре группы: 1) по задаче (прогнозирования, планирования, обучения, мониторинга и т.д.); 2) по связи с реальным временем (статические, квазидинамические, динамические); 3) по типу ЭВМ (на суперЭВМ, средних ЭВМ, на символьных процессорах, на мини-, супермини ЭВМ, ПЭВМ); 4) по степени интеграции (автономные, интегрированные).
База знаний (БЗ) экспертных систем[13] в отличии от баз знанийкомпьютеров содержат: 1) факты, описывающие предметную область и их логическую взаимосвязь; 2) эвристические правила, определяющие, что делать в конкретной ситуации. Все правила образуют систему правил, которых даже в простой ЭС может быть свыше тысячи. Они представляются в виде семантических моделей: продукционных, фреймовых, логических и т.д.
Рабочая память (РП) экспертных систем содержит плановые, расчетные, физические, постоянные, оперативные, отчетные и другие статистические материалы (данные), параметров показателей, характеризующих предметную область (состояние технической системы). Решатель (Р) экспертных систем -это программа, моделирующая ход рассуждений эксперта, на основе знаний имеющихся в БЗ и данных РП, имеющей память состояний.
Назовем основные этапы типового технологического цикла работы Решателя: Этап 1 - выборка подмножества элементов рабочей памяти (РП) и базы знаний (БЗ); Этап 2 - сопоставление полученного в Э.1 активного набора правил и данных; Этап 3 - разрешение конфликтов, т.е. выбираются, из полученного в Э.2 конфликтного набора, те означенные правила, которые будут выполняться; Этап 4 - выполнение: исполнение правил, выбранных на
Э.3;выполнение операций ввода-вывода; осуществление модификации РП (пополнение и изменение данных, исключение отдельных записей и т.д.).
Экспертных систем технология прогнозирования (ЭСТП) - представляет собой процесс, использующий совокупность интегрированных средств и методов естественного интеллекта (ЕИ) и искусственного интеллекта (ИИ) сбора, хранения, обработки, вывода и передачи знаний, объединенных в единую технологическую цепочку, для получения на этой основе и правил (эвристик) информации нового качества - прогноза о состоянии технической системы в некоторый момент времени.
Отличия ЭСТП от обычных систем поддержки принятия решений (СППР) состоят в следующем: 1) ЭСТП обеспечивает установление прогноза по проблеме, превосходящий личные уровни интеллектуальных возможностей эксперта и пользователя; 2) ЭСТП имеет интерфейс, позволяющий в ходе технологического процесса прогнозирования: а) вводить дополнительную
информацию и команды, направляющие ход процесса в ЭС; б) экспертной системе давать пояснения своих рассуждений как в ходе цикла работы решателя, так и в его итоге, т.е. при выдаче прогноза, рекомендации; 3) ЭСТП использует не алгоритмы, как в диагностике и СППР, а уникальный, присущий только ЭС, компонент - знания в виде эвристик, постоянно пополняемые и/или изменяемые экспертом; 4) ЭСТП, используя новейшие достижения науки и техники, помимо чисто эвристических методов, может использовать соединение иных различных методов, в т.ч. и точных алгоритмических методов с эвристическими, и называемых в таком случае эвроритмическими или алгоритм эвристическими.
4.2.Интегрированный диагностико-прогнозирующий комплексопределения состояния системы. В настоящее и будущее время одними из актуальных аспектов является интеграция систем диагностирования (СД) и систем прогнозирования с использованием экспертных технологий (ЭТ), что позволит обеспечить единение естественного и искусственного интеллектов и, в свою
очередь, за счет этого получать нужную эффективность прогностических исследований состояния технических объектов (систем) и принятия на их основе долгосрочных оптимальных решений.
В целеполагании определения состояния системы выделяют[1] три типа задач: 1) определение состояния, в котором система находится в настоящий момент времени, - это задача диагностики;2) предсказание, предвидение состояния, в котором объект окажется в некотором будущий момент времени, -задача прогнозирования вперед; 3) определение состояния, в котором система находилась в некоторый момент времени в прошлом - задача ретропрогнозирования или прогнозирования назад, еще иначе эту задачу называют задачей генезиса (происхождения, возникновения).
Для всего этого необходимы данные о величине параметров исследуемых показателей. Показатели состояния технического объекта - это показатели качества его в целом и отдельных подсистем (узлов, агрегатов и т.п.). Получение, например, данных о состоянии технического объекта осуществляется диагностированием объекта диагностики (ОД) путем измерения в текущих момент времени величин параметров показателей, формируя тем самым базу данных (БД) или иначе рабочую память (РП) о состоянии ОД. Диагностика здесь выступает как метод измерений.
СД и ЭС, как информационные системы, имеют обеспечивающие подсистемы, которые, как и другие различные родственные функциональные подсистемы, возможно, подвергнуть интеграции в составе диагностикопрогнозирующего комплекса.
Прогнозирование с использованием,предлагаемого ниже варианта, интегрированного диагностико-прогностического комплекса (ИДПК) предполагает не только широкое использование прогностики, т.е. теории и практики прогнозирования, но и диагностики, как метода измерений. Схематично ИДПК представлен на Рис. 3.
Этот комплекс имеет две основных автоматизированных системы: 1.
Блокдиагностико-имитационный блок, состоящий из подсистем: а) диагностики (СД); б) имитационного моделирования (ИМ). 2. Экспертную систему (ЭС):база данных (БД) - рабочая память, база знаний (БЗ), Решатель,эксперт.
Рис. 3. Схема интегрированного диагностико-прогнозирующего комплекса (ИДПК) определения состояния ТС с применением технологий экспертных систем
Названные системы имеют обеспечивающие подсистемы: технического обеспечения; математического обеспечения; программного обеспечения; информационного обеспечения; организационного обеспечения; правового
обеспечения, которые интегрированы между собой по функционально-целевым принципам.вызываются появлением каких-либо дефектов в техническом объекте.
Интеграция обеспечивающих подсистем и функциональных подсистем обуславливают использование в ИДПК интеллектуальных информационных технологий, которые характерны: наличием и использованием баз знаний, отражающих опыт конкретных людей, групп; наличием моделей мышления на основе баз знаний, т.е. правил и логических выводов, аргументации и рассуждения, распознавания и классификации ситуаций, обобщения и понимания и т.п.; способностью формировать вполне четкие решения на основе нечетких, нестрогих, неполных, недоопределенных данных; способностью объяснять выводы и решения, то есть наличие механизма объяснений; способностью к обучению, переобучению и, следовательно, к развитию.
Экспертная система, прежде всего, обеспечивает наличие[11] в ИДПК специальных, присущих ЭС: базы знаний (БЗ), рабочей памяти (РП) или базы данных (БД), решателя (синонимы названия решателя: интерпретатор,
динамическая машина, механизм вывода). База знаний накапливается в ходе процесса создания описания правил и эвристик, используемых экспертом, осуществляющим прогнозирование, в чем также может принимать и лицо принимающее решение (ЛПР). Решатель или механизм вывода предназначен для манипулирования содержимым БЗ и получения на ее основе разумных заключений.
Система диагностики (СД), входящая в ИДПК, осуществляет текущее прогнозирование (и/или имитационное моделирование - ИМ), т.е. стадию диагностирование системы, называемую еще иначе объектом диагностирования
- ОД. Диагностирование представляет собой процесс определения состояния ОД, включающего в себя совокупность свойств ОД, подверженных изменению при производстве или эксплуатации и характеризуемых в определенный момент
времени параметрами, установленными технической документацией на данный объект диагностирования.
Результатом диагностирования являются[1,4] данные и заключение о состоянии объекта с указанием места, вида и причин дефекта. Полученные данные используются при дальнейшем прогнозировании в экспертной системе. Характерными результатами диагностирования для технических систем являются исправность или неисправность, работоспособность или неработоспособность, правильное или неправильное функционирование отдельных элементов, каскадов или всей системы управления технической системы.
Диагностирование, целью которого является определение места и при необходимости причины и вида дефекта объекта называется поиском дефекта.Поиск дефекта осуществляется при помощи тех или иных средств технического диагностирования путем различного рода экспериментов над объектом диагностирования.
Некоторый минимальный (не подлежащий расчленению в данных конкретных условиях) эксперимент над объектом диагностирования, характеризующийся определенным рабочим или тестовым воздействием, поступающим или подаваемым на объект, а также составом признаков (параметров), образующих ответ объекта на соответствующее воздействие, представляет собой элементарную проверку. Конкретные значения признаков (параметров), получаемых при диагностировании, являются результатами элементарных проверок или значениями ответов объекта.
4.3. Технологический цикл работы Решателя (ЭС), архитектуры (подходы), используемые в технологическом цикле. Непосредственно прогнозирование осуществляется в процессе технологического цикла работы Решателя ЭС, который является практически завершающим звеном в установлении прогноза состояния системы.
Данный цикл, в своем наиболее применимом для ЭС варианте, состоит из следующих этапов: 1) выборка; 2) сопоставление; 3) разрешение конфликтов; 4) выполнение (модификация рабочей памяти). Эти этапы осуществляют свою работу, используя три источника: базу знаний (БЗ), рабочую память (РП) или базу данных и память состояний. Последняя находится в Решателе, т.е. в программе (приложении) и представляет собой информацию о поведении Решателя в предшествующих циклах, а так же память состояний содержит протокол работы системы.
Эффективность технологического цикла обеспечивается его направлением, так называемыми стратегиями управления, т.е. некоторыми эвристическими правилами. Через стратегии обычно управляют деталями поисками, Решатель содержит встроенную в него общую схему поиска (метод). На Рис.4. приводится технологический цикл работы Решателя.
Рис.4. Типовой технологический цикл работы Решателя ЭС
Прежде чем рассмотреть каждый этап его технологического цикла поясним [11] некоторые важные аспекты характеризующий сам Решатель.
Онхарактеризуется следующими особенностями: во-первых, структурой
получения процесса решений; во-вторых, выбором решения задачи прогнозирования, что может осуществляться путем: а) от данных к целе; б) от
целей к данным; в) двунаправленный поиск; г) порядком перебора вершин в сети вывода, т.е. «поиск в ширину» или «поиск в глубину»; в - третьих, процессом генерации предположений и сети вывода.
Для динамических ЭС необходимо дополнительно иметь в Решателе:
а) планировщик, обеспечивающий в соответствии с приоритетами всю деятельность ЭС; б) средства для получения лучшего решения в условиях ограниченности ресурсов; в) систему поддержания истинности значений переменных, изменяющихся во времени.
Далее рассмотрим [11] основную суть этапов технологического цикла,иначе говоря, программы (Решателя). Так, на этапе выборка осуществляется определение: а) подмножество элементов рабочей памяти (РП);
б) подмножество правил (модулей) базы данных (БЗ). Здесь используют один из двух нижеследующих подходов: синтаксическая выборка, представляющая собой грубый отбор знаний, данных и/или правил, которые предполагается использовать в данном цикле. В этом подходе в основе лежат формальные (синтаксические) знания, встроенные в РП и БЗ; 2) Семантическая выборка, при которой отбор знаний ведется на основании таких сведений, как модель предметной области, разбиение задачи на подзадачи, текущие цели и т.д. Данные семантические знания вводятся в ЭС в виде метаправил экспертом или лицом выполняющую его роль.
Итогом работы этапа выборка является получение: 1) активного набора данных; 2) активного набора модулей (правил). Этим самым осуществляется фокусирование внимание ЭС на определенных данных и правилах.
Этап сопоставления. Он определяет из активного набора данных и модулей (правил) какие активные модули готовы к дальнейшему использование в
технологическом цикле. При этом одновременно определяется, на каких активных данных готов работать тот или иной модуль.
Здесь, на этом этапе программа исходит из того, что модуль готов к работе только в том случае, если в активных данных имеются данные, соответствующие условиям этого модуля (правила) указанное в его образце. Модули такого типа являются означенными. Этап сопоставления в итоге своей работы формирует т.н. конфликтный набор означенных модулей. Конфликтность набора выражается в том, что, несмотря на готовность означенных модулей к работе в следующем технологическом этапе, но программа, т.е. Решатель, еще не определила свой выбор какой из модулей предпочесть.
Этап разрешения конфликтов или иначе его называют этапом планирования, исходя из точки зрения полезности модуля при достижении поставленной цели, оценивает и выбирает из так называемого конфликтного набора (вариантов правил) тот означенный модуль (правила), который будет использоваться в следующем этапе.
Этап выполнения. Здесь происходит исполнения правил (модулей) выбранных в предыдущем этапе, выполняются операции ввода - вывода, изменяется память состояний Решателя, осуществляется модификация рабочей памяти.
4.4. Архитектуры (подходы), используемые в технологическом цикле работы Решателя при прогнозировании состоянии инженерных объектов подразделяются на два вида: 1. Архитектура, использующая управляемые образцами правила, а системы, основанные на данном подходе называются системами, управляемыми правилами. При этой архитектуре модулями являются относительно небольшие автономные фрагменты знаний, которые и представляются в виде правил, к примеру, в виде продукционных правил. Эти правила понятны эксперту и пользователю, не знакомых с программированием.
2. Архитектура, использующая управляемые образцами модули. Здесь, в качестве модулей выступают большие сложные автономные фрагменты знаний, которые представляются в виде программ. Последние могут быть и не понятны пользователям, не знающих основы программирования.
Данные подходы в принципе используют один тип управления, которое основано на сопоставление образцов. Это происходит путем преемственности модулей, т.е. по окончании работы одного модуля его приемником становится один из тех модулей, образцы которого означены элементами рабочей памяти. Далее, в обоих подходах информационные и управляющие взаимосвязи осуществляются через общую память.
В первых архитектурах, модуль называют Правилом, а остальная терминология соответствует проведенной на Рис. 4., а во втором подходе она несколько иная.
Так,Рабочая память называется «Классная доска», конфликтный набор -«Агенда (А)», программы, разрешающие конфликты - «Политические модули (ПМ)», модуль (Правила) - «Источники знаний (ИЗ)». Последний имеет образец, который, если сопоставляется с данными «Классной доски», то заносится в «Агенду», т.е. упорядоченный список источников знаний с описанием данных, которые возможно обрабатывать в текущий момент. С «Агендой» каждый момент времени работает один из Политических модулей, выбор которого определяется обрабатываемой гипотезой. ПМ переупорядочивает «Агенду» и выбирает ИЗ (работу) на исполнение. По выполнению работы изменяется содержание «Классной доски». Сами же ПМ, как источники знаний, также заносятся в «Агенду» и выбираются на исполнения из созданного множества ПМ, что и обеспечивает разнообразие способов прогнозирования.
Архитектура управляемых образцами правил обеспечивает эффективное прогнозирование, что достигается за счет ограниченной сложности используемых фрагментов знания и понятности их пользователю, обеспечения объяснительных способностей и способности приобретение знаний.
Архитектура (подход) управляемых образцами модулей используются при прогнозировании более сложных задач состояния ТС. Однако, следует иметь в виду, что здесь несколько затруднена реализация объяснительных способностей и способностей при приобретении новых знаний. Кроме этого, использование больших фрагментов знаний требует разработки для каждой проблемной области своих ПМ для детального планирования использования знаний. Это также говорит и об ограниченности номенклатуры имеющихся модулей и способов их взаимодействия.
Как уже отмечалось, описанные архитектуры, имея определенные различия, все же являются варианта одного и того же метода управления. Но следует к этому добавить, что при этом архитектура с управляемыми образцами правила имеют большую декларативность используемого представления знания и Решатель в этом случае использует частные и общие знания. Это и лежит в основе технологии объектно-ориентированного подхода, имеющим наиболее адекватное применение прогнозирование состояние технических систем.
Здесь, заметим, что, если использовать только частные знания, то это увеличивает [11] количество правил примерно в десять, и более, раз по сравнению с использованием общих правил. Это приводит к увеличению объема, разработки и отладки БЗ, усложнению модификации приложения, ибо изменению будут подлежать многие частные правила, а не одно общее.
В части исполнения общих правил необходимо иметь в виду, что здесь происходит увеличение вычислительных затрат, которые могут быть минимизированы двумя путями. Первый путь - использование синтаксических средств, которые сокращают цикл на каждом этапе работы Решателя перебор сопоставления, путем исключения повторных сопоставлений правил и данных, т.к. определенная часть означиваний (ь1) - го цикла может использоваться ьм цикле.
Второй путь - использование семантических средств, которые сокращаются перебор на этапах выборки и разрешение конфликтов путем
использования метапланирование и фокусирования на объектах или правилах. Последнее, т.е. фокусирование Решателя, происходит на некотором подмножестве правил базы знаний, которые предназначены тем самым для использования в текущем цикле.
Далее, полагаем, важным будет подчеркнуть, что при прогнозировании с использованием технологий ЭС имеются некоторые особенности [3,9] от обычных традиционных технологий прогнозирования. Здесь, все дело в отличиях управляющей компоненты, которые заключаются в следующем: 1) отдельные модули (правила) вызываются не по имени, а по описанию ситуации; 2) способ взаимосвязи модулей (правил) формируется в процессе прогнозирования при решении задачи, что обусловлено выбором очередного модуля (правила) в зависимости от текущей ситуации, ибо он не может по этой причине определен заранее.
5. Некоторые актуальные аспекты выбора параметров объекта диагностики и прогнозирования. Здесь, прежде всего, необходимо отметить, что выбор совокупности параметров для реализации операций диагностирования и последующего прогнозирования представляет собой многоальтернативную задачу. В общем можно считать, что выбор совокупности параметров определяется рядом факторов, основными из которых [1,4,14,15] являются: 1) целевая функция объекта диагностирования;2) стратегия его эксплуатационного обслуживания; 3) задаваемый набор средств диагностирования; 4) время диагностирования; 5) стоимость средств диагностирования и самого процесса диагностирования; 6) стоимость средств прогнозирования и самого процесса прогнозирования.
Выбор параметров, как правило, осуществляется на двух стадиях жизненного цикла системы: 1) на стадии проектирования сетевого объекта, когда производится первичное определение целей и задач проектируемого объекта; 2) на стадии эксплуатации, когда возникает проблема совершенствования функционального использования, или улучшения
показателей обслуживания, или необходимость повышения надежности в условиях эксплуатации. При этом характерным является то, что если на стадии проектирования общая задача выбора параметров решена оптимально, то на второй стадии остается незначительное поле деятельности.
Но здесь надо иметь в виду, что на этих стадиях имеются различия критериев оптимальности. Кроме этого, необходимо также учитывать, что условия эксплуатации систем(объектов) меняются значительно быстрее, чем технические условия на проектирование. Следовательно, то, что при проектировании и испытаниях представляется весьма удовлетворительным, что через короткий или длинный период функционального применения, может возникнуть потребность и в новых подходах, принципиально иных решений -методов и средств. Очевидно, что оптимальную, со всех этих точек зрения современную систему производства создать всегда очень сложно.
Все вышеуказанное говорит о необходимости совершенствовать диагностический анализ и выбор диагностических параметров (ДП) на стадии эксплуатации, методологию и средства для решения диагностических задач. Подчеркнем еще раз - чем лучше, тщательнее и шире задача диагностирования решается на стадиях проектирования производства - тем полнее вопросы диагностирования будут реализованы при эксплуатации [4]. Таким образом, выбор в первую очередь совокупности ДП является одной из самых основных задач диагностического обеспечения на всех стадиях жизненного цикла объекта.
Совокупность ДП зависит, прежде всего, от всех режимов диагностирования. Соответственно этому, можно говорить[4,14,15] о совокупности ДП для определения состояний: функционирования;
работоспособности; поиска дефекта (повреждения); локализации места отказа при замене; поиска места отказа при ремонте; для контроля работоспособности (исправности) после проведения всего комплекса ремонтно-восстановительных работ. Эти аспекты и были в определенной степени отражены выше на Рис.2.
Определяющим фактором при выборе совокупности ДП является информативность - полнота проверок, характеризуемая соответствующим коэффициентом, а также стоимость СД, стоимость диагностирования и средств диагностирования. Поскольку в результате диагностирования системы она может быть признана неработоспособной, а может и не быть (если не прекратилось функционирование), то большое внимание при формировании совокупности ДП занимает проблема выбора [4] номинальных значений и назначения допусков.
Как известно, надежность - свойство объекта выполнять заданные функции, сохраняя во времени значение эксплуатационных показателей. Из этого следует, что надежность изделия тесно связана с его работоспособностью. Основными показателями надежности являются: 1) безотказность; 2)
долговечность; 3) ремонтопригодность; 4) сохраняемость.Далее кратко прокомментируем их суть, что позволит их рассматривать при выборе ДП.
Так, безотказность - это свойство системы, выполнять заданные функции, сохраняя свои эксплуатационные показатели в заданных пределах в течение требуемого промежутка времени или требуемой наработки в конкретных условиях и режимах эксплуатации этого изделия. К показателям безотказности относятся: 1) вероятность безотказной работы; 2) средняя наработка до
первого отказа; 3) наработка на отказ; 4) интенсивность отказов; 5) гарантийная наработка.
Долговечность объекта и его подсистем характеризует его срок службы с учетом физического и морального износа до первого капитального ремонта, модернизации и списания. Основными показателями долговечности являются: 1) ресурс; 2) средний срок службы; 3) срок службы до первого капитального ремонта; 4) межремонтный срок службы; 5) срок службы до списания; 6) ресурс до первого капитального ремонта.
Ремонтопригодность - это свойство объекта, заключающееся вего
приспособленности к предупреждению, обнаружению и устранению отказов и неисправностей при техническом обслуживании и ремонте.
Сохраняемость - это свойство объекта сохранять обусловленные эксплуатационные показатели в течение и после сроков хранения и транспортирования, установленных в технической документации. Показателями сохраняемости являются: 1) минимальный срок сохраняемости; 2) средний срок сохраняемости; 3) максимальный срок сохраняемости.
Помимо названных выше показателей, с понятием надежность, тесно связаны такие понятия, как исправность, неисправность, работоспособность, отказ, восстанавливаемость, расход сменных, ремонтных частей на единицу работы, выполняемой этим объектом.
Вся совокупность ДП для определения функционирования выбирается для объекта или системы, управление которыми осуществляет оператор или информация, от которыхиспользуется непосредственно человеком.
Для каждого объекта диагностики и прогнозирования необходимо [4,14,15] разрабатывать и иметь перечень признаков, позволяющих выявить основные возможные допустимые состояния, характеризующие нормальное функционирование или потерю работоспособности.
В ряде случаев часть параметров системы, которая не может быть проконтролирована визуально, должна контролироваться с помощью специальных средств диагностики и контроля, работающих в режиме «годен -негоден» или подвергаться имитационному моделированию ситуаций. Оптимизация всей совокупности параметров при контроле функционирования, как правило, не производится, но при необходимости она осуществляется теми, же методами, которыми осуществляется выбор совокупности ДП для контроля работоспособности системы.
Литература
1.Варжапетян А. Г., Глущенко В.В., Глущенко П.В. Системность процессов создания и диагностики технических структур. - СПб.: Политехника, 2004.
2. Варжапетян А.Г. Имитационное моделирование на GPSS/H. - Вузовская книга, 2007.
3. Гаскаров В. Д. и др. Системы прогнозирования на экспертной основе. - СПб.: Энергоатомиздат, Санкт-Петербургское отделение, 2002.
4. Глущенко П.В.Техническая диагностика. Моделирование в диагностировании и прогнозировании состояния технических объектов. - М.: Вузовская книга, 2004.
5. Построение экспертных систем: Пер. с англ. / Под ред. Ф. Хейеса-Рота,
Д. Уотермана, Д. Лената.- М.: Мир, 1987.
6. Петров В.А. и др. Физические основы прогнозирования долговечности конструкционных материалов. - СПб.: Политехника, 1993.
7. Глущенко В.В. Системы управления: интеллектуализация поддержки принятия решений. - СПб.: Судостроение, 2004.
8. Глущенко В.В. Прогнозирование. 5-е изд. - М.: Вузовская книга, 2006.
9. Элти Дж., КубисМ. Экспертные системы: концепции и примеры. - М.: Финансы и статистика, 1987.
10. Глущенко В.В. Диагностико-прогнозирующие системы управления информационными процессами в сетевых объектах. - СПб.: СПГУВК, 1999.
11. Попов Э.В. и др. Статические и динамические экспертные системы: Учебн. пособие. - М.: Финансы и статистика, 1996.
12. Кугаенко А.А. Основы теории и практики динамического моделирования социально-экономических объектов и прогнозирования их развития. - М.: Вузовская книга, 1998.
13. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. -СПб.: Питер, 2001.
14. Глущенко В.В., Глущенко П.В. Моделирование и алгоритмизация в принятии решений о качестве управляющих сетевых систем по результатам диагностирования и прогнозирования. - Управление экономическими системами: электронный научный журнал, 2011. № 10. URL: http://www.uecs.ru.
15. Глущенко П.В. Концептуальная модель системы диагностирования сетевых объектов: показатели и выбор совокупности параметров при формировании. -Управление экономическими системами: электронный научный журнал, 2011. № 11. URL: http://www.uecs.ru.
16. ISO/ТС 176/ SС 2/N 544R Пакет документов по введению и поддержке ISO 9000:2000. Руководящие указания по процессному подходу к системам менеджмента качества
