CC BY
86
УДК 681.3
РАЗРАБОТКА СИСТЕМ ОБУЧЕНИЯ В ЭКСПЕРТНО-ВИРТУАЛЬНОЙ СРЕДЕ САПР НА ОСНОВЕ ОБЪЕКТНО-ОРИЕНТИРОВАННОГО ПОДХОДА
Я.Е. Львович, Е.Н. Королев
Системный подход и методы объектно-ориентированного анализа и проектирования активно применяются в настоящее время при управлении в биомедицине. В настоящей статье описываются некоторые объектноориентированные технологии и подходы для построения экспертно-виртуальной среды обучения методам принятия управленческих и проектных решений. Предлагается структурная схема построения экспертно-виртуальной среды обучения
Ключевые слова: ООП, OLAP, экспертно-виртуальная среда
Системы автоматизированного
проектирования и управления относятся к числу наиболее сложных современных искусственных систем. Их проектирование и сопровождение невозможны без применения системного подхода. Интерпретация и конкретизация системного подхода имеют место в ряде известных подходов с другими названиями, которые также можно рассматривать как компоненты системотехники. Таковыми являются структурный, блочноиерархический, объектно -ориентированный
подходы, в реализации которых важная роль принадлежит экспертам.
Стадии (этапы) проектирования подразделяют на составные части, называемые проектными процедурами. В свою очередь, проектные
процедуры можно расчленить на более мелкие компоненты, называемые проектными операциями. Проектирование сводится к выполнению
некоторых последовательностей проектных процедур - маршрутов проектирования.
Ряд важных структурных принципов, используемых при разработке информационных систем и прежде всего их программного
обеспечения (ПО), выражен в объектноориентированном походе к проектированию (ООП). Такой подход имеет следующие
преимущества в решении проблем управления сложностью и интеграции ПО:
1) вносит в модели приложений большую структурную определенность, распределяя представленные в приложении данные и процедуры между классами объектов;
2) сокращает объем спецификаций, благодаря введению в описания иерархии объектов и отношений наследования между свойствами объектов разных уровней иерархии;
Львович Яков Евсеевич - ВГТУ, д-р техн. наук, профессор, тел. 8-4732-437704 Королев Евгений Николаевич - ВГТУ, канд. техн. наук, доцент, E-mail: korolev73@mail.ru
3) уменьшает вероятность искажения данных вследствие ошибочных действий за счет ограничения доступа к определенным категориям данных в объектах. Описание в каждом классе объектов допустимых обращений к ним и принятых форматов сообщений облегчает согласование и интеграцию ПО. [1]
Моделирование имеет две четко различимые задачи:
- создание моделей сложных систем;
- анализ свойств систем на основе исследования их моделей.
Синтез также подразделяют на две задачи:
- синтез структуры проектируемых систем (структурный синтез);
- выбор численных значений параметров элементов систем (параметрический синтез).
Эти задачи относятся к области принятия проектных решений. Трудности формализации процедур структурного синтеза привели к популярности применения экспертных систем в САПР, поскольку в них вместо выполнения синтеза на базе формальных математических методов осуществляется синтез на основе опыта и неформальных рекомендаций, полученных от экспертов.
Одним из путей повышения эффективности управления является реализация такого этапа жизненного цикла как обучение системных пользователей как экспертов принятия решений. Задача автоматизированных обучающих систем в САПР сводится к обучению системных пользователей правилам, выработке умений и навыков выполнения проектных операций и процедур для получения проектных и управленческих решений. Эффективное решение этой задачи позволит не только повысить качество подготовки специалистов в области САПР, но и оптимизировать весь процесс проектирования.
Эффективная работа эксперта при принятии управленческих и проектных решений невозможна без существования автоматической системы обработки данных с помощью прогностических, имитационных и оптимизационных моделей. Такую систему, предоставляющую
проектировщику в распоряжение мощный математический аппарат, будем называть виртуальным экспертом (агентом). Для эффективного взаимодействия реальных и виртуальных экспертов необходимо дальнейшее развитие в структуре САПР подсистем обучения проектировщика, как эксперта для принятий решений в рамках применяемой обучающей среды.
Предлагается структурная схема построения экспертно-виртуальной среды проектирования и обучения, отличающаяся характером объединения в единой структуре пяти этапов жизненного цикла распределенных систем с разной степенью автоматизации проектных процедур синтеза, анализа и принятия решений в экспертновиртуальной среде, приведенная на рис.1. [4]
Реализация механизма общения виртуальных и реальных экспертов требует разработки универсальных интерфейсов взаимодействия между обучающей средой и существующими системами имитационного и оптимизационного моделирования.
Предлагаемая схема позволяет эксперту принятия проектных и управленческих решений через универсальный интерфейс взаимодействия пользоваться различными сервисными средствами моделирования и оптимизации для обработки информации. Исторически сложилось так, что извлечение данных и онлайновая аналитическая обработка информации (OLAP) были исключительно прерогативой человека, т. е. именно люди определяли и создавали аналитические модели, а затем использовали полученные с их помощью результаты. Но с появлением вычислительной модели Web-служб, которые рассматриваются как универсальное средство объединения разнородных систем, картина существенно изменилась: аналитику теперь можно легко связать с другими вычислительными системами. Другими словами, люди перестали быть единственными создателями или
потребителями аналитических сервисов.
Возникает вопрос организации
аналитического взаимодействия проектировщика с виртуальным экспертом (“интеллектуальным агентом”), который выполняет функцию обслуживания реального эксперта в процессе принятия при выполнении проектной операции или процедуры. Конечная задача эксперта — ответить на вопрос, годится ли предложенный
«интеллектуальным агентом» вариант решения. Эксперт определяет важные критерии (переменные и алгоритмы) в запросе на оценку решения. Этот запрос может включать вычисление временных рядов, ранжирование, процедуру оценки
неизвестных параметров, но автором и потребителем запроса является реальный эксперт.
Более того, интеллектуальный агент должен обладать реальным аналитическим «мастерством»: на основании результатов одного запроса создать второй набор запросов, на основании второго — третий и т. д. Со стороны API это напоминает интерактивный сеанс, а с точки зрения пользователя — систему с собственным «интеллектом».
До недавнего времени возможности организации взаимодействия аналитических «движков» были ограничены. Разработчикам был доступен ряд созданных производителями API, а также технология Microsoft OLE DB for OLAP (или ODBO), которую помимо Microsoft поддерживали и другие серверы. Тем не менее, появляются новые возможности, такие как интерфейс — Java OLAP Interface (JOLAP).[5]
JOLAP основан на Java, и потому все аспекты этого API объектно-ориентированы. В
спецификации описана объектная модель для просмотра метаданных, результатов запросов и конструирования запросов. Примечательно, что не определено никакого текстового языка запросов — вместо этого в объектной модели присутствуют классы, которые можно комбинировать для определения выборки и размещения результатов.
JOLAP (Java Specification Request-69)
использует и другие спецификации, такие, как спецификации группы OMG для метамодели Common Warehouse Metamodel (CWM), объектной модели Meta Object Facility (MOF), XML Metadata Interchange (XMI), а также находящийся в процессе утверждения Java Metadata Interface (JMI, JSR-40). Архитектура этого интерфейса обеспечивает
совместимость с J2EE и J2SE; подсистемы подключения и обработки транзакций созданы по образцу J2EE Connector Architecture.
Таким образом, предложенная схема взаимодействие эксперта и “интеллекутального агента” для принятия решений в процессе проектирования также представляет собой и схему “Агентного моделирования” (АМ). “Агентное
моделирование” - это новый подход к
проектированию систем, содержащих автономных и взаимодействующих агентов. В настоящее время мультиагентные системы получили широкое применение в таких областях как системы телекоммуникации, поисковые системы в Internet, логистика, САПР, системы управления и контроля сложными процессами, программы для
электронной коммерции, системы защиты информации, системы анализа и управления в биомедицинских системах. Мультиагентные системы (кросс-платформенные распределённые интеллектуальные системы) представляют собой совокупность интеллектуальных агентов.[2,3,6]
Проекти рование J
Система
генерации
Функционально
-инвариантные
модели
обучения
(ФИМ)
Шаблон
ЕПегрг18е-
компонент
обучения
Аспектноориентированные модели (АОМ)
Enterprise-
компоненты
обучения
Контейнер
Enterprise-
компонент
Обучение
Выбор
цели
EJB, XML-дескрипторы
АОМ
Загрузка
модели
Обучение
Модели
принятия
решений
ЭКСПЕРТ
Проектное
решение
Универсальный интерфейс взаимодействия интерфейс — Java OLAP Interface (JOLAP)
Т
. 1 J '
Интеллектуальный виртуальный эксперт (агент)
Сервис прогностического моделирования Сервис имитационного моделирования Сервис оптимизационного моделирования Методы оценки решений: теория игр; модели теории очередей; модели управления запасами; модель линейного программирования; транспортные задачи; имитационное моделирование; сетевой анализ;
Структурная схема построения экспертно-виртуальной среды обучения
В настоящее время в рамках различных мультиагентных технологий и мультиагентных систем (МАС) разработаны различные типы агентов, которые характеризуются конкретной моделью поведения и свойствами, а также, семейства архитектур и библиотек компонентов, 6
для которых свойственны распределённость и автономность.
В рассматриваемой экспертно-виртуальной среде под “агентом” будем понимать автономные объекты (виртуальные эксперты), которые могут самостоятельно реагировать на внешние события и
выбирать соответствующие действия при принятии решений в процессе проектирования.
Отличительными чертами предложенной экспертно-виртуальной среды проектирования и обучения являются следующие:
1. Структура жизненного цикла разработки интеллектуальных объектно-ориентированных распределенных обучающих подсистем базируется на трех основных группах процессов, а сам жизненный цикл можно представить в виде пяти основных этапов с разной степенью автоматизации проектных процедур синтеза, анализа и принятия решений, к которым относятся: проектирование основных концептуальных моделей; разработка моделей; разработка компонент обучения; размещение и конфигурирование разработанных компонент и моделей обучения; управление обучением системных пользователей на основе функциональных, статических, динамических и оптимизационных моделей с привлечением реального и виртуального эксперта.
2. Предложенная схема (“Агентного моделирования”) аналитического взаимодействия проектировщика с виртуальным экспертом (“интеллектуальным агентом”) с помощью интерфейса — Java OLAP позволяет реализовать функцию обслуживания реального эксперта в процессе принятия решения при выполнении проектной или управленческой операции или процедуры.
3. Разработка концептуальных
моделей, определяющих базовую
функциональность системы обучения и использующиеся для дальнейшей детализации в форме логических моделей и компонент, должна обеспечивать функциональную инвариантность этих моделей. Предлагаемые правила построения, архитектура и модель жизненного цикла
функционально-инвариантных моделей обучения позволят проектировать структуру системы, используя компоненты, отличающиеся
функциональной инвариантностью к методам обучения, что позволит структуре оставаться постоянной, не зависимо от того какие методы, обучения решению какой проектной процедуры будут использоваться и как эти методы будут реализованы. Функционально-инвариантные
модели обучения, определяющие методы обучения выполнению проектных процедур, содержат знания
о методах обучения, к ним применяемых и позволяющие сделать простым изменение и расширение функциональных требований к системе.
4. Разработка основных компонент обучения в виде Enterprise-компонент позволяют облегчить разработку обучающих систем, избавив от необходимости реализации с нуля таких сервисов как транзакции, управление жизненным циклом, возложив эти функции на контейнер Enterprise-компонент обучения.
5. Организация последовательности обучения в виде аспектно-ориентированных моделей обеспечивает лучший дизайн системы с точки зрения реализации сквозной функциональности, модульность и позволяет организовать инвариантность получения проектного или управленческого решения как последовательность выполнения операций.
Литература
1. Норенков И.П. Основы
автоматизированного проектирования: М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. 336 с.
2. Charles M. Macal, Michael J. North. Tutorial On Agent-Based Modeling And Simulation. Proceedings of the 2005 Winter Simulation Conference pp.
3. Patrick F. Riley, George F. Riley.Spades — A Distributed Agent Simulation EnvironmentWith Software-In-The-Loop Execution. Proceedings of the 2003 Winter Simulation Conference S. Chick, P. J. Sánchez, D. Ferrin, and D. J. Morrice, eds., pp.
4. Львович Я.Е., Королев Е.Н. Методы и модели проектирования распределенных подсистем обучения автоматизированному проектированию// Информационные технологии. М.: Новые технологии, 2006. №2. С. 68-73.
Интернет ресурсы:
5. http://www.interface.ru/fset.asp -системы поддержки принятия решений OLAP.
6. A.M.Uhrmacher. Simulation for Agent-Oriented Software Engineering/ www.thesimguy.com/GC/papers/WMC02/G067_UHR MACHER.pdf
Воронежский государственный технический университет TRAINING SYSTEM ENGINEERING IN THE EXPERT-VIRTUAL ENVIRONMENT ON THE BASIS OBJECT ORIENTED APPROACH Ja.E. Lvovich, E.N. Korolev
The system approach and methods of object-oriented designing are actively applied now at management in biomedicine. In the present article some object-oriented technologies and approaches for construction of the expert-virtual environment of training to methods of acceptance of administrative and design decisions are described. The block diagramme of construction of the expert-virtual environment of training Is offered
Key words: ООP, OLAP, the expert-virtual environment
