CC BY
239
УДК 004.891
Т.Д. Козлова, А.А. Игнатьев, Е.М. Самойлова
РЕАЛИЗАЦИЯ ЭКСПЕРТНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ ОПРЕДЕЛЕНИЯ НЕИСПРАВНОСТЕЙ ТЕХНОЛОГИЧЕСКОЙ СИСТЕМЫ
Описывается реализация экспертной системы поддержки принятия решений для определения причин неисправностей технологических систем, которая производит выдачу рекомендаций по способам устранения возникших неисправностей автоматизированного станочного модуля.
Экспертная система, база знаний, автоматизированный станочный модуль, предметная область, продукционная модель, база данных
T.D. Kozlova, AA. Ignatyev, E.M. Samoilova
IMPLEMENTATION OF EXPERT DECISION-MAKING SUPPORT SYSTEMS FOR DETECTING IRREGULARITIES TECHNOLOGICAL SYSTEM
The article describes the implementation of expert decision-making support systems to identify the reasons of malfunctions of technological systems, which makes extradition conditional recommendations on ways of correcting any faults automated machine module.
Expert system, knowledge base, an automated machine module, subject area, model of products, a database
Экспертные системы составляют одно из наиболее перспективных направлений в области искусственного интеллекта. Под экспертной системой (ЭС) понимается система, объединяющая возможности компьютера со знаниями и опытом эксперта в такой форме, что система может предположить разумный совет или осуществить разумное решение поставленной задачи [1]. ЭС также должна пояснить ход своих рассуждений в понятной форме.
В отличие от систем математического моделирования ЭС моделирует не столько физическую (или иную) природу определенной проблемной области, сколько механизм мышления человека применительно к решению задач в этой проблемной области. Система производит не только вычислительные операции, но и формирует определенные соображения и выводы, при формировании которых система основывается на знаниях, которыми она располагает. Эти знания называют базой знаний ЭС [2].
Области применения систем, основанных на знаниях, разнообразны. Они могут быть использованы в: сфере образования, промышленности, экономической сфере, сфере здравоохранения и т.д. Обзор существующих экспертных систем позволил сгруппировать их в следующие классы: системы диагностики (например, медицинская диагностика, диагностика неисправностей в механических и электрических устройствах и другие), системы контроля и управления, прогнозирующие системы, системы мониторинга, обучающие системы, системы поддержки принятия решений [2, 4].
Большую популярность ЭС получили в области машиностроения. Интеллектуальные технологии в данной области используются для создания систем мониторинга, диагностики и систем поддержки принятия решений. Примером применения экспертных систем в машиностроении может служить ЭС, используемая на токарных станках. Данная система производит построение виртуальной детали и определяет ее показатели точности, осуществляет
анализ входной априорной информации и сравнение рассчитанных показателей точности с информацией с чертежа и приводятся причины превышения допусков и рекомендации по их улучшению [3].
Разрабатываемая экспертная система поддержки принятия решений предназначена для определения причин неисправностей автоматизированного станочного модуля (АСМ) ТПАРМ-100. Она не предназначена для замены человека, принимающего решения. Поэтому данная система не включается в контур управления [4] (рис. 1).
При проектировании такой системы необходимо выполнить следующие требования:
1. Система должна быть эффективной, она должна давать достоверные рекомендации по устранению неисправностей.
2. Интерфейс данной системы должен быть понятен для пользователей с различным уровнем способностей.
3. База знаний системы должна периодически обновляться для повышения эффективности работы.
При возникновении неисправности пользователь обращается к системе, система обрабатывает запрос пользователя, далее система производит опрос пользователя в режиме диалога. После опроса ЭС выдает пользователю рекомендации по способу устранения возникшей неисправности. База знаний (БЗ) и база данных (БД) системы построены на основе экспериментальных данных отказов АСМ. БЗ системы содержит в своей структуре неисправности АСМ и способы их устранения, она также может обращаться к БД отказов, структура которой представлена виде ЕЯ-диаграммы на рис. 2. ЕЯ-диаграмма предназначена для наглядного описания модели создаваемой БД. Создание ЕЯ-диаграммы лежит в основе современных подходов проектирования БД.
Рис. 1. Структура экспертной системы поддержки принятия решений
БД отказов разработана с целью упрощения обновления базы знаний ЭС. Использование внешней БД позволяет пользователю обновлять неисправности и способы их устранения без внесения изменений в базу знаний. При добавлении новых неисправностей АСМ и способов их устранения пользователю нет необходимости обращаться за помощью к программисту. БД отказов реализована в СУБД Microsoft Access 2007. Для добавления новых отказов пользователю достаточно внести новую запись в таблицу базы данных. Также предусмотрен доступ к таблице в режиме формы для пользователей с малым опытом работы с БД.
При работе ЭС предлагает несколько вариантов решений проблемы и выбор наиболее подходящего варианта для сложившейся ситуации остается за оператором.
Рис. 2. БР-диаграмма базы данных отказов автоматизированного станочного модуля
Предметная область разрабатываемой ЭС представлена в виде продукционной модели. Продукционная модель или модель, основанная на правилах, позволяет представить знания в виде предложений типа «Если (условие)», «то (действие)». В разрабатываемой экспертной системе (ЭС) условием выступает неисправность, в качестве действия используется способ устранения неисправности. Под «условием» понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под «действием» - действия, выполняемые при успешном исходе поиска. Выбор данной модели предметной области объясняется простотой реализации механизма логического вывода.
В предыдущей работе [5] был произведен обзор инструментальных средств разработки ЭС. На основании изложенного материала было принято решение реализации ЭС при помощи оболочки построения ЭС. На рис. 3 представлен логический блок реализации знаний ЭС для определения неисправности шпинделя АСМ ТПАРМ-100, построенный с помощью оболочки ЭС ЕхБуБ Сотё. Содержимое логического блока представлено на рис. 4.
Рис. 3. Логический блок базы знаний экспертной системы
Rule View □0®
Rule View
IF: шпиндель = срабатывает плокировка БУШ
THEN: видимо несправность в блоке БУШ, замените БУШ: Confidence = 10
Node Rule Г Compress ^ > | < щ Close
Рис. 4. Содержимое логического блока
На рис. 5 представлен интерфейс ЭС. При запуске программы пользователю предлагается из предложенного списка выбрать предполагаемый отказ, после опроса пользователя система выдает рекомендацию по устранению возникшей неисправности.
Интерфейс ЭС созданной при помощи оболочки ЕхБуБ Сотё системы понятен для пользователей с различным уровнем способностей, но недостатком такой системы является невозможность использования внешней БД отказов. Таким образом, при необходимости дополнения базы знаний ЭС существует необходимость привлечения программиста.
Эта проблема решается в оболочке Ехрго. На рис. 6 представлен редактор БЗ, реализованный в оболочке ЭС Ехрго.
рн V1L I* -.r+flH^.^YI-U
Г" иг**- ICMFH-J
ЧЩИ
Рис. 5. Интерфейс экспертной системы
Рис. 6. Редактор баз знаний
При запуске программы система предлагает выбрать отказавший модуль в соответствии с рис. 7._
' Выбор
По^калуйства выберите отй'заший модуль из приведенного ниЖе списка
блок шпинделя
кулачки
резец
патрон
магазин
манипулятор
ОН,.
Отмена
Рис. 7. Окно выбора отказавшего модуля
После выбора модуля (в данном случае шпиндель), система предлагает описать ситуацию, в соответствии с рис. 8.
Рис. 8. Окно выбора ситуации Результат опроса ЭС для определения причины «Не включается» представлен на рис. 9.
Рис. 9. Результат опроса
Еще одним преимуществом данной оболочки является то, что интерфейс ЭС позволяет просмотреть диалог пользователя с ЭС и тем самым показать ход рассуждения ЭС.
Использование экспертной системы поддержки принятия решений при диагностировании АСМ ТПАРМ-100 дает возможность в автоматизированном режиме выявить причины отказов элементов станка и тем самым позволит спрогнозировать ремонтно-профилактические работы, снизить уровень затрат на ремонтные работы, повысить качество изготавливаемой продукции.
ЛИТЕРАТУРА
1. Нейлор К. Как построить свою экспертную систему/ К. Нейлор; пер. с англ. Н.Н. Слепова. М.: Энергоатомиздат, 1991. 286 с.
2. Джексон П. Введение в экспертные системы / П. Джексон. 3-е изд. М.: Изд. дом «Вильямс», 2001. 624 с.
3. Юркевич В.В. Экспертная система для токарной обработки / В.В. Юркевич // Вестник машиностроения. 2010. № 6. С. 73-75.
4. Мелихов А.Н. Ситуационные советующие системы с нечеткой логикой / А.Н. Мелихов, Л.С. Берштейн, С.Я. Коровин. М.: Наука. Гл.ред.физ.-мат.лит., 1990. 272 с.
5. Козлова Т.Д. Обзор инструментальных средств для построения экспертной системы поддержки принятия решений для определения причин неисправностей технологических систем / Т.Д. Козлова // Прогрессивные технологии, материалы и режущие инструменты в машиностроении: Межвуз. сб. тр. Саратов: СГТУ, 2010. С. 180-183.
Козлова Татьяна Дмитриевна -
аспирант кафедры «Автоматизация и управление технологическими процессами» Саратовского государственного технического университета
Игнатьев Александр Анатольевич -
доктор технических наук, профессор, заведующий кафедрой «Автоматизация и управление технологическими процессами» Саратовского государственного технического университета
Самойлова Елена Михайловна -
кандидат технических наук, доцент кафедры «Автоматизация и управление технологическими процессами» Саратовского государственного технического университета
Kozlov Dmitry Viktorovich -
Post-graduate Student of the Department of «Automation and management of technological processes» the Saratov State Technical University
Ignatyev Aleksandr Anatolyevich-
doctor of technical sciences, professor, head of Department «Automation and management of technological processes» the Saratov state technical university
Samoilovа Elena Mihajlovna -
Candidate of Technical Sciences, the senior lecturer of chair «Automation and management of technological processes» the Saratov State Technical University
Статья поступила в редакцию 16.05.2011, принята к опубликованию 24.06.2011
