CC BY
303
Проектирование экспертных систем
для диагностики неисправностей
Ключевые слова:
экспертные системы, системы баз знаний, фреймовая модель, интеллектуальный интерфейс.
Современные методы управления чувствительны к изменениям в области ИТ-систем, поэтому для того чтобы специалисты быстрее финимали качественные решения им нужны эффективные жструменты и алгоритмы для использования информодии для диагностики. Технология экспертных систем является одним из нафавлений области исследовшия, которая получила наименование искусственного интеллекта. Управление знаниями является одной из основных концепций управления, влияющих на современные тенденцт развития бизнеса, наряду с совершенствованием и реинжинирингом бизнес-процессов. Экспертные системы включает следующие подсистемы: базу знаний, механизм вывода, интеллектуальный интерфейс и подсистему пояснений.
Иванова О.В.,
доцент кафедры ПЭиП, ivolga07@gmail.com
Иванов П.В.,
инженер отдела по работе с международными, программами и проектами
Информационные системы крупнейших компаний содержат более 20 ТБ данных, в год добавляется до 10 ТБ. Перечень типовых задач, решаемых экспертными системами, включают: извлечение информации из первичных данных; составление конфигурации вычислительной системы исходя из заявок пользователя, выполняет задачи по конфигурации системы с учетом функциональных и пространственных ограничений на компоненты.
Инженерия знаний - сердцевина технологии управления знаниями, в русле которой рассматривается работа аналитика с заказчиком. Традиционно в системах знания трактуются как информационный ресурс, базирующийся на практическом опыте специалистов и на данных, накопленных и используемых на конкретном предприятии. Инструментальные средства класса KM (Knowledge Management — "управление знаниями") используются для автоматизации проектирования сложных технических систем на разных стадиях жизненного цикла. Системы баз знаний - это системы, имитирующие интеллект проектировщика. Они состоят из экспертных и гипермедиа систем, автоматизированных программных комплексов разработки ПО (CASE, computer-aided/-assisted software engineering), интеллектуальных обучающих и гибридных систем. В основе гипермедиа лежит интеграция текста, звука, изображений, данных и знаний в виде мультимедийного гипертекста.
База знаний содержит формальное описание знаний экспертов, представленное в виде набора фактов и правил. Система представляет знания в виде правил и данных, обладает унификацией, управляемой механизмом вывода, и динамическим возвратом. Комплексное решение называется портал знаний предприятия (Enterprise Knowledge Portal, EKP). Представление временных и пространственных отношений требуют огромных объемов памяти для регистрации состояния или записи пространственных связей между различными группами объектов. Нестандартные методы представления знаний и поиска необходимы, чтобы преодолеть проблемы эффективности в предметных областях.
Важным элементом экспертной системы принято считать маши-
ну вывода (Inference Engine), которую можно рассматривать как программный механизм, который выполняет функцию поиска в базе знаний по правилам рациональной логики, так как они учитываются при принятия решений.
Последовательность технологических стадий функционирования машины вывода при получении запроса пользователя может быть представлена следующими операциями: определение и запрашивание информации, необходимой для продолжения консультаций; определение выполняющихся правил и процедур; оценивание относительной определенности фактов, которые основываются на коэффициентах доверия. На этапе эксплуатации при диагностике неисправностей исследуемого образца, первичной операцией является его внешний осмотр, а на следующем этапе - вскрытие и осмотр, который существенно зависит от стратегии поиска неисправности. Для того, чтобы время получения заключения от экспертной системы было наименьшим, требуется иерархическое сведение одной сложной задачи к последовательности более простых. Данный принцип дает желаемый результат при выполнении подзадачи, изначально заданной при разработке баз знаний, но может изменяться в процессе решения с помощью метаправил.
Различают два подхода для определения технического состояния сложных систем: статистические и эвристические методы диагностирования. В том случае, если техническое состояние трудно определимо и число диагностических параметров возрастает, то используются диагностические экспертные системы. С переходом из работоспособного в неработоспособное состояние связаны особые события в процессе функционирования объекта. На трудность построения диагностической модели влияет тот факт, что большинство параметров изменяется с конечной скоростью, поэтому четкой границы между этими параметрами не существует.
Для реализации данных функций требуется разработка новых систем, которые будут использовать технологию добычи знаний (Data Mining) из больших массивов диагностических данных по малым выборкам.
Ненадежность техники оборачивается большими экономическими потерями, поэтому существующие диагностические средства для определения технического состояния объекта применяют выборку параметров взятую из базы диагностических данных. Проблема надежности систем приобретает особое значение из-за большой значимости выполняемых ими функций и высокой степени отказа. Ущерб, вызванный отказом аппаратуры управления производственным процессом, может в сотни раз превысить стоимость самой аппаратуры управления. В некоторых случаях отказы системы управления может вызвать серьезные экологические последствия.
T-Comm, #10-2013
S1
В результате требуется составить классификатор анализируемых прецедентов, который будет включать исследуемый набор диагностических процедур. Достоинство экспертных систем над пользователем обуславливается тем, что индивид может единовременно осмысливать 3-5 элементарных логических понятия, а для машины таких ограничений нет, так как требуется удерживать в памяти сложные ветвящиеся алгоритмы диагностического поиска.
В основе принципа работы экспертной системы диагностирования коммуникационных устройств лежит использование системы продукций и фреймов, при которой необходимо создание модели экспертной системы, и иерархической структуры, которая обеспечивает решение поставленной задачи.
Фреймовая модель является очень гибкой и позволяет комбинировать знания в одном фрейме. Фреймы-экземпляры являются основой базы данных. Фрейм может относиться к одному из трех видов фреймов: фрейм-класс, фрейм-шаблон, фрейм-экземпляр. База знаний состоит из фреймов-классов и фреймов-шаблонов. Во время разработки базы знаний тип фрейма-класса можно не описывать. Необходимо описывать лишь тип фрейма-шаблона. Среди фреймов-классов выделяется специальный фрейм-класс, который задает список целей логического вывода (то есть обозначений задач, решаемых экспертной системой). База данных состоит только из фреймов-экземпляров.
Эта экспертная система запускается вместе с автоматизированной системой контроля и диагностирования.
Интеллектуальный редактор базы знаний - программа, которая
дает возможность инженеру формировать базу знаний в диалоговом режиме. Во время эксплуатации программной оболочки фреймы и правила-продукции, которые находились в файле остаются неизменными. Набор сведений и фактов находившихся в файле может трансформироваться в процессе логического вывода (появляться, удаляться или менять свое значение).
При интегрировании всех методов решения задач с множеством критериев, возможность создать более эффективную процедуру заключается в разработке экспертных систем, построив и всесторонне испытав прототип, чтобы избежать изменений во время создания рабочей версии системы.
Литература
1. Аликин С.С., Иванова О.В., Иванов П.В. Создание интеллектуального интерфейса для операторов почтового отделения // Т-Сотт — Телекоммуникации и транспорт, 2011. — №10. — С. 39-41.
2. Архипова Н.И., Атюрьевская А.С. Количественные методы в оргпро-ектировании. — М.: МГИАИ, 2003.
3. Гаврилова Т А Базы знаний интеллектуальных систем: Учебное пособие / Гаврилова Т. А., Хорошевский В. Ф. — СПб.: Питер, 2001.
4. Кузнецов НА., Кульба В.В., Косяченко СА. и др. Оптимальные модульные системы реального времени (анализ и синтез). — М.: ИППИ РАН, 2004.
5. Информационные технологии в бизнесе / Под ред. М. Желены. — СПб: Питер, 2002.
52
Т-Сотт, #10-2013
