CC BY
67
УДК 681.3
ПОСТАНОВКА ЗАДАЧИ ПОВЫШЕНИЯ ДОСТОВЕРНОСТИ ЭКСПЕРТНЫХ ОЦЕНОК В ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЕ УПРАВЛЕНИЯ
В.Ю. Волков, Н.В. Маслова, Н.Н. Цыганов
Рассмотрены аспекты формирования экспертных оценок при разработке интеллектуальных ситем управления многосвязными объектами, указано на важность и актуальность повышения достоверности экспертных оценок. Приводится постановка задачи создания научнообоснованного метода повышения достоверности экспертных оценок.
Ключевые слова: экспертная система, экспертная оценка, интеллектуальная система, управление, достоверность, оценка, степень влияния.
В интеллектуальных системах управления, к которым относятся системы поддержки принятия управляющих решений, очень часто используются экспертные системы (ЭС). При их разработке используются в той или иной мере экспертные заключения и экспертные оценки. Мнения экспертов выражаются в количественной и в качественной форме. Формирование экспертных оценок является методом, базирующимся на субъективных мнениях, знании и опыте отдельных экспертов. В условиях неполной и нечеткой информации экспертные оценки должны подвергаться строгому анализу и проверке.
Существует достаточно много методов проведения оценки. [1]. В [2] описана автоматизированная система поддержки проведения исследований, результаты работы которой могут использоваться для повышения качества и достоверности экспертных оценок при создании системы поддержки принятия решений (ППР) по управлению сложным многосвязным объектом. Мы предлагаем для проверки экспертных оценок использовать робастный метод, который сводится к следующему.
Все полученные в результате экспертного опроса значения оценок ранжируются (по возрастанию или убыванию значений, либо по порядку № экспертов, в алфавитном порядке и т.п.).
Рассмотрим три типичных случая, которые могут возникнуть в результате формирования экспертных оценок достаточно большим количеством экспертов (рис.1, 2 и 3). Точками на рисунках обозначены количественные оценки степени влияния «входов» сложного многосвязного объекта управления на его «выходы».
Случай, показанный на рис.1 соответствует согласованности мнений экспертов и говорит о подтверждении первоначальных оценок и гипотез. Характерная особенность рисунка - точки располагаются практически на прямой линии.
степень
влияния
№ эксперта
Рис. 1. Случай согласованности оценок влияния
степень
влияния
А
макс
мин
1 2 N
№ эксперта
Рис. 2. Случай несогласованности оценок влияния
Случай, показанный на рис.2 говорит о несогласованности мнений экспертов, первоначальные оценки, скорее всего, не верны, гипотезы не подтвердились. Такие оценки нельзя использовать. Характерной особенностью рисунка является хаотичное неупорядоченное расположение точек.
степень
влияния
макс
мин і 4 > t > < 1 і і 1 1 і 4 > 1 1
1 2 N
№ эксперта
Рис. 3. Случай частичной согласованности оценок влияния
Случай, показанный на рис. 3 говорит о том, что исходных данных, скорее всего, не достаточно, первоначальные оценки и гипотезы верны лишь частично. Характерной особенностью рисунка является «зигзагооб-разность», однако тренд просматривается.
Так как во время формирования экспертных оценок возможны случаи «выбросов» (outliers), порожденных различными ошибками и неверными предпосылками для формирования гипотез, то для их снижения и снижения влияния других отклонений необходимо исключить их влияние на окончательные экспертные оценки.
Таким образом, постановка задачи повышения достоверности экспертных оценок в интеллектуальной системе управления сводится к повышению «нечувтствительности» к отклонениям и неоднородностям в сформированной базе экспертных оценок, связанным с теми или иными, в общем случае неизвестными, причинами.
Простейшее решение поставленной задачи может быть субъективным (интуитивным), однако мы будем искать научнообоснованное, объективное решение.
На кафедре автоматизации производственных процессов Новомосковского Института (филиала) РХТУ им. Д.И. Менделеева проводятся исследования в области управления сложными многосвязными объектами. В работе [3] сделан вывод, о том, что управлять такими объектами можно с помощью систем, базирующихся на современных технологиях искусственного интеллекта. Известными, традиционными системами управления очень сложно, практически невозможно добиться эффективности. Это обусловлено взаимным влиянием множества каналов управления внутри объекта друг на друга и сложностью получения аналитических зависимостей (передаточных функций) по этим каналам. Ранее было сделано предположение, что систему управления можно построить лишь приближенную, то есть управлять можно примерно, с некоторой погрешностью. Это всеже лучше, чем не управлять таким объектом совсем. Для построения интеллектуальной системы управления были опробованы различные интеллектуалные технологии: когнитивное моделирование [4], нечеткая логика [5], вероятностностатистический метод с помощью Байесовской сети доверия [6]. Все эти методы базируются на экспертных оценках, поэтому поставленная задача повышения их достоверности является актуальной и требует разработки новых, научно-обоснованных методов решения.
Список литературы
1. Fischler M.F., Bolles R.C. Random Sample Consensus: A paradigm for model fitting with applications to image analysis and automated cartography. CACM 24.381-395, 1981.
2. Волков В.Ю., Самаха Башир Аббас. Автоматизированная система поддержки проведения исследований распространения выбросов загрязняющих веществ в атмосфере // Известия ТулГУ. Технические науки. Вып. 10. Тула: Изд-во ТулГУ, 2013. С. 54 - 59.
3. Волков В.Ю. Интеллектуальная система оценки влияния промышленных предприятий на концентрацию загрязняющих веществ в атмосферном воздухе // Датчики и системы. М., 2009. №10. С.10-13.
4. Волков В.Ю., Батышкина В.В. Повышение точности прогноза степени загрязнения атмосферного воздуха в автоматизированной системе экологического мониторинга // Датчики и системы. М., 2010. №6. С.34-39.
5. Луэ Ху Дык, Волков В.Ю. Метод определения степени влияния входных воздействий на выходные параметры многосвязного объекта управления. Известия ТулГУ. Технические науки. Вып. 10. Тула: Изд-во ТулГУ, 2013. С. 277 - 282.
6. Волков В.Ю., Али Мансур. Проблемы применения байесовских технологий в системах экологического мониторинга предприятий химической промышленности // Известия высших учебных заведений. Химия и химическая технология. Иваново. 2009. Т. 52. №6. С. 120-123.
Волков Владислав Юрьевич, канд. техн. наук, доц., duga@mail.ru, Россия, Новомосковск, НИ (ф) РХТУ им. Д.И. Менделеева,
Маслова Наталия Васильевна, канд. техн. наук, доц.,
nmaslova@dialog. nirhtu. ru, Россия, Новомосковск, НИ (ф) РХТУ им. Д.И. Менделеева,
Цыганов Никита Николаевич, преподаватель, Россия, Новомосковск, Федеральное государственное бюджетное образовательное учреждение дополнительного профессионального образования «Новомосковский институт повышения квалификации»
STA TEMENT OF THE PROBLEM OF INCREASING RELIABILITY OF EXPERT ESTIMATES OF INTELLIGENT CONTROL SYSTEMS
V. Yu. Volkov, N. V. Maslova, N.N. Tsyganov
The aspects of the formation of expert assessments in the development of intelligent control multi-loop systems, indicated the importance and the relevance to improve the reliability of expert assessments. State the problem of creating an evidence-based method to improve the reliability of expert assessments.
Key words: expert system, expert evaluation, intelligent system, management, reliability, evaluation, impact, robust estimation, outliers,line fitting.
Volkov Vladislav Yurievich, candidate of technical science, docent, duga@mail.ru, Russia, Novomoskovsk, The Novomoskovsk’s Institute (subdivision) of the Mendeleyev Russian Chemical-Technological University,
Maslova Natalia Vasilievna, candidate of technical science, docent, nmaslova@dialog. nirhtu. ru, Russia, Novomoskovsk, The Novomoskovsk’s Institute (subdivision) of the Mendeleyev Russian Chemical-Technological University,
Tsyganov Nikita Nikolaevich, teacher, Russia, Novomoskovsk, FSBEIEPE “NIQU”
