CC BY
53
УДК 615.471:681.03:616.9-036.22-07
ПРОЕКТИРОВАНИЕ ПОЛИФУНКЦИОНАЛЬНЫХ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ УПРАВЛЕНИЯ СОСТОЯНИЯМИ СЛОЖНЫХ МЕДИКО-ЭКОЛОГИЧЕСКИХ И СОЦИОТЕХНИЧЕСКИХ СИСТЕМ
© Кореневский Н.А., Лазурина Л.П.
Кафедра биологической и химической технологии Курского государственного медицинского университета
Целью работы является разработка универсальной экспертной оболочки на основе однородных сетевых структур обучающихся на решение задач прогнозирования, диагностики и генерации советов для управления в сложных социотехнических системах, включая системы поддержки принятия решений для здравоохранения, экологии, человеко-машинных и информационно насыщенных систем.
Предлагаемая система обучалась на решение задач диагностики заболеваний крови, вызываемых экологическими факторами, на прогнозирование и диагностику заболеваний сердечно-сосудистой системы, желудочно-кишечного тракта, глаз и др. Во всех изученных задачах уверенность в правильном прогнозе достигала величины 0,9, в правильном диагнозе - 0,95.
Ключевые слова: система поддержки принятия решений, сложная система, решающий модуль, управление, прогноз, диагностика, здравоохранение, экология.
PROJECTING POLYFUNCTIONAL SYSTEMS OF SUPPORT OF MAKING DECISIONS FOR
MANAGEMENT OF COMPLEX MEDICO-ECOLOGICAL AND SOCIO-TECHNICAL SYSTEMS
Korenevsky N.A., Lazurina L.P.
Biological & Chemical Department of the Kursk State Medical University
The purpose of the work is devising a universal expert casing on the basis of homogenous network structures instructed for solving the tasks of prognosis, diagnostics and generation of advice for management in complex socio-technical systems including systems of support of making decisions for public health, ecology, man-machine and information-saturated systems.
The system presented here has been instructed for solving problems of diagnostics of blood diseases caused by ecological factors, for prognosis and diagnostics of diseases of the cardio-vascular system, the gastro-intestinal tract, the eye diseases and others. In all the problems studied the confidence in the correct prognosis reached the value of 0.9, in the correct diagnosis - 0.95.
Key words: system of support of making decisions, complex system, solving module, management, prognosis, diagnostics, public health, ecology.
Известно, что эффективность и надежность функционирования сложных медикоэкологических и социотехнических систем достаточно точно могут быть оценены только при условии учета действия следующих основных факторов: состояния собственно технической системы; состояния и профессиональных качеств человека, участвующего в производственном процессе; состояния среды функционирования человека и технического объекта. Таким образом, речь идет о комплексном исследовании сложных систем, состоящих из подсистем принципиально различной природы, которые в совокупности можно рассматривать как некоторую эколо-
гическую подсистему, понимая под экологией науку о природной среде на Земле, состоящей из объектов живой и неживой природы, находящихся в тесном взаимодействии.
СТРУКТУРА ИНФОРМАЦИОННОЛОГИЧЕСКОЙ МОДЕЛИ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
Анализ искомой предметной области позволил выделить три основных уровня социо-технической системы (рис. 1): техническую подсистему (ТП), подсистему оценки и управления состоянием человека и подсистему анализа и управления состоянием среды
Человек
Общее состояние и заболевания, не связанные с профессиональными действиями
Профессиональные заболевания и заболевания, связанные с экологической обстановкой
Функциональное состояние Профессиональные навыки и качества
Диагностика
состояния
человека
Фиксация состояния и прогноз жизнедеятельно сти и эффективности работоспособности
Л
V
Оптимизация
состояния
(лечение,
профилактика,
обучение)
<
Технические подсистемы (ТП)
Диагностика состояния ТП Фиксация состояния и прогноз надежности и работоспособности ТП Оптимизация состояния профилактика и ремонт ТП
<
Среда функционирования
в зависимости от работы искомой ТП
в зависимости от внешних природных факторов
Диагностика состояния среды Фиксация состояния и прогноз поведения среды Оптимизация состояния среды
Рис. 1. Три основных уровня социотехнической системы.
функционирования человека и ТП. Причем, несмотря на достаточно большие отличия в способах организации и функционирования названных подсистем, каждая из них может быть разбита на три составные части (блока): блок принятия диагностических решений;
блок фиксации решений и прогнозирования состоянием подсистемы; блок оптимизации состояния подсистемы. Так, подсистема анализа управления состоянием среды функционирования разбивается на блок диагностики состояния среды, блок фиксации состояния и
прогноза поведения природной среды, окружающей человека и ТП, и блок оптимизации состояния среды функционирования.
В свою очередь, состояние природной среды функционирования удобно рассматривать с точки зрения двух составляющих: состояния, зависящего от функционирования исследуемой ТП; общего состояния природной среды, определяемого комплексом внешних по отношению к искомой системе факторов. Иногда удобно отдельно выделять подсистемы анализа и управления воздушной средой, водой и почвой. Подсистемы оценки и управления состоянием человека разбиваются на блоки диагностики состояния, фиксации состояния и прогноза жизнедеятельности и эффективности работоспособности и блок оптимизации состояния. Причем состояние человека может рассматриваться с точки зрения общих и профессиональных заболеваний, собственно функционального состояния, а также с учетом профессиональных навыков и качеств. Техническая подсистема разбивается на части в зависимости от ре-
шаемых задач и целей управления. Таким образом, эффективность взаимодействия человека с ТП определяется с учетом целого комплекса различных факторов.
Для реализации этих блоков предлагается единая интерактивная полифункциональная модель базы знаний для универсальной экспертной системы, выполняемая в виде однородной сетевой среды с оригинальным унифицированным решающим модулем, располагающимся в узлах сетевой модели (рис. 2). Решающие правила, используемые в решающем модуле (РМ), ориентированы в основном на применение нечетких (ненадежных) знаний и фактов, выраженных через коэффициенты уверенности. В предлагаемой модели применение коэффициента уверенности распространяется на анализ надежности измерения признаков, описывающих состояние соответствующей подсистемы или ее частей и на определение "полезности" проведения тех или иных мероприятий с учетом индивидуальных особенностей рассматриваемого объекта.
База знаний, база данных
і<-
И-
СОК
СУБ и
ЛПР
а
Б
Окружа-
ющая
среда
т
т
к
Система обучения
Рис. 2. Полифункциональная модель базы знаний для универсальной экспертной системы.
Выбор типа и объема задач, реализуемых одним решающим модулем, производится инженером по знаниям совместно с экспертами, в интересах которых создается система.
Принятие решений в сетевой модели осуществляется цепочками решающих модулей с поэтапным уточнением дополнительных факторов до заданной уверенности. Проход по строке соответствует уточнению диагноза (в блоке диагностики состояния) и улучшению показателей состояния по заданному диагнозу (в блоке оптимизации), а проход по столбцам соответствует смене гипотезы о диагнозе или смене тактики "оздоровления". Переход от одного решающего модуля к другому осуществляется по трассе с максимальным коэффициентом уверенности.
При этом система запоминает и анализирует и другие гипотезы с достаточно высокими (выше порога) коэффициентами уверенности и после проработки наиболее вероятной гипотезы предлагает эксперту проверить и другие высоковероятные гипотезы.
При работе с сетевой моделью в специальной буферной памяти производится запоминание номеров и порядка использования РМ, условий их работы с сохранением требуемых факторов и данных по каждому модулю. Поскольку для каждого модуля может быть задан его вес в принятии того или иного решения, а также известны роль и вес каждого признака, используемого РМ, появляется возможность оценки качества работы эксперта путем анализа используемых модулей и даже отдельных признаков. Функцию контроля качества за деятельностью эксперта выполняют специальные программные средства системы оценки качества (СОК). Информация с СОК передается системе управления внешнего уровня (СУВ), в качестве которой чаще всего рассматривается администрация системы, организующая соответствующие воздействия на лиц, принимающих решения.
Разделение задач и функций по решающим модулям сети позволяет упростить задачу поиска тех РМ, которые приводят к ошибкам по вине системы. Как только количество ошибок, совершаемых РМ, достигает порогового значения, в зависимости от типа решающих правил и характера совершаемых ошибок к этому модулю подключается сис-
тема обучения, производящая коррекцию соответствующих решающих правил и (или) связей. Каждый решающий модуль реализует расчет показателей качества взаимодействия с ним лиц, принимающих решения, и при необходимости может быть переведен в режим собственного обучения или в режим реализации программ аттестации, профессионального отбора или обучения соответствующего персонала.
ОСОБЕННОСТИ РЕАЛИЗАЦИИ ПОДСИСТЕМ
В ранее выполненных нами исследованиях изложены принципы построения подсистемы диагностики и управления состоянием здоровья человека на примере реализации автоматизированных рабочих мест врачей-гастроэнтерологов, кардиологов и пульмонологов с рассмотрением вопросов организации полифункциональной обучаемой информа-циионно-логической модели базы знаний с оценкой качества работы врача и вопросов организации процедуры приобретения знаний.
В работе рассмотрены вопросы построения методик и технических средств для решения задач оценки функционального состояния человека, его готовность к надежному выполнению тех или иных работ, а также некоторые вопросы по решению задач профессионального отбора и рациональной расстановки кадров [1].
В подсистеме оценки и управления средой функционирования в качестве признаков для принятия соответствующих решений, в зависимости от целей поставленной задачи, могут использоваться показатели, рассчитываемые в соответствии с индексно-нормативными методами, отражающими степень загрязнения различных сфер окружающей среды,. Либо по фактической величине поступления загрязнителя в среду, либо по отношению к установленному для данной территории значению санитарно-технического норматива (ПДК, ПДВ). Например, эколого-токсиколо-гическая характеристика почвы может быть оценена набором показателей, определяющих содержание микроэлементов и тяжелых металлов - 2п, Мо, Си, Мп, В, Аб, Сё, Н^, РЬ, Со, Сг, Бе; по загрязнению почвы радионук-
137 90
лидами - Сб, Бг; по загрязнению почвы пестицидами и др. Для расширения возможностей по количеству и качеству принимаемых решений, наряду с "загрязняющими" показателями, рекомендуется использовать и различные "нормальные" признаки. Например, при описании состояния почвы в интересах сельского хозяйства могут быть определены: гранулометрический состав, степень эродированности, содержание гумуса, рН, гидролитическая кислотность, сумма поглощенных оснований, степень щелочно-
гидролизуемого азота, содержание подвижного фосфора и калия, содержание поглощенного натрия.
Учитывая сложность получения и представления информации о ряде признаков, характеризующих состояние окружающей среды, а также наличие качественных показателей для их математического представления, рекомендуется использовать функции принадлежности из теории нечетких множеств и коэффициенты уверенности для оценки надежности измерения признаков.
Решающие правила, реализуемые решающими модулями, в зависимости от поставленных задач могут строиться на основе сравнения соотношений количества вредных
веществ, имеющихся в окружающей среде, с их допустимыми нормами с учетом особенностей регионов и конкретных производственных объектов, или по воздействию их на природу и (или) человека, например, с учетом изменения его функционального состояния или состояния здоровья, включая развитие профессиональных заболеваний, их течение и степень тяжести. При этом необходимо учитывать сочетанное действие факторов, поскольку могут возникать эффекты взаимного усиления или ослабления их воздействия на природу и человека. Такой учет можно осуществить, используя правила продукций с четкими и нечеткими выводами с применением коэффициентов уверенности, факторный и кластерный анализ, диалоговые методы распознавания образов и т. д.
ЛИТЕРАТУРА
1. Плотников В.В., Кореневский Н.А., Забродин Ю.М. Автоматизация методик психологического исследования: Принципы и рекомендации. - Орел: Изд-во института психологии АН СССР; ВНИИОТ Госагропрома СССР, 1989. - 327 с.
