Система поддержки принятия решений при выборе технологического оборудования в условиях тендера на базе онтологии Текст научной статьи по специальности «Компьютерные и информационные науки»

Рис. 2. Практическая работа

Шаблон EduCAD Practice

Динамический шаблон EduCAD Practice является проектом, написанным для компилятора Borland C++ Builder 4.0. По умолчанию поддерживаются:

• многооконный интерфейс;

• многоуровневый тренажер;

• возможность пошагового процесса решения с визуализацией каждого его шага;

• древовидная структура решения задач, встраивание деревьев решения друг в друга;

• выдача текста программы на языках C, C++ и Pascal, решающих разбираемый метод, в зависимости от уровня доступа.

Чтобы конкретизировать шаблон под определенную практическую работу, нужно перегрузить имеющиеся виртуальные функции шаблона. Например, перегрузим функцию следующего вида:

void_fastcall IWalker (TDecStepData *, int, bool).

Это обеспечит контроль над поведением тренажера при перемещении по дереву решения. Первый параметр является указателем на объект данных решаемой задачи, второй - направлением движения

(вперед, назад, в начало, в конец), третий - флагом визуального отображения (устанавливается в значение «ложь», если необходимо миновать данный шаг решения без обновления графических данных, например, если узел решения находится в свернутой ветви).

Чтобы облегчить пользователю начало работы при первом запуске программ формата EduCAD Practice, разработан специальный мастер настройки EduCAD WisePractice, позволяющий сделать индивидуальные установки интерфейса программы, начать процесс решения новой задачи на любом уровне тренажера.

На рисунке 2 показан пример вычисления интеграла по формуле Симпсона в практической работе «Численное интегрирование функций» по дисциплине «Вычислительная математика».

К настоящему времени в рамках комплекса EduCAD подготовлено два мультимедийных обучающих курса - по дисциплинам «Вычислительная математика» и «Концепции современного естествознания». Идет разработка курсов - по дисциплинам «Методы оптимизации» и «Основы теории управления», планируется создание еще нескольких курсов.

Цель разрабатываемых КУП состоит в том, чтобы соответствовать новейшим тенденциям в электронном образовании.

Список литературы

1. Мицель А.А., Романенко В.В. Автоматизированная система разработки электронных учебников. // Открытое образование. - 2001. - №5.

2. Романенко В.В. Развитие автоматизированного комплекса разработки компьютерных учебных пособий EduCAD. // Сб. тр. ТУСУР: Автоматизированные системы обработки информации, управления и проектирования. - Томск, 2002. -Т.7.

3. Веретенников М.В. Автоматизированная система проверки знаний «EduCAD Control». // Сб. тр. ТУСУР: Автоматизированные системы обработки информации, управления и проектирования.- Томск, 2002. - Т.7.

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ВЫБОРЕ ТЕХНОЛОГИЧЕСКОГО ОБОРУДОВАНИЯ В УСЛОВИЯХ ТЕНДЕРА НА БАЗЕ ОНТОЛОГИИ

Е.А. Суржиков, Е.А. Никулина, С.В. Елистратов, И.Н. Дорохов

В России остро стоят проблемы ввода новых мощностей, замены морально и физически устаревшего оборудования, реконструкции объектов. Механизм решения перечисленных проблем, конечным смыслом реализации которого является увеличение мощности химического оборудования при снижении удельных энергозатрат и негативного воздействия на окружающую среду, повышение качества продукта, практически один и тот же - выбор из многообразия

предлагаемого различными фирмами оборудования некоего оптимального его набора. Это определяет актуальность систем поддержки принятия решений в условиях тендера (конкурсных торгов) [1].

Масштабность объектов сравнения как в материальном выражении, так и в смысле их влияния на состояние окружающей среды, высокая вероятность тиражирования принятого решения, значительная стоимость энергоносителей (пара, топлива, энергии)

37

в оборудовании предприятий химической промышленности заставляют искать подходы к решению тендера, реализующие алгоритмы минимизации субъективного начала при решении, что принципиально означает минимизацию отклонения от «идеального» решения. Одним из путей реализации этих положений является более глубокая формализация алгоритма сравнения совокупностей - наборов оборудования, предлагаемого в общем случае различными фирмами для создания новых или модернизации существующего оборудования или его составляющих. Решение этой задачи, в свою очередь, связано с эффективным представлением предметной области для использования методов искусственного интеллекта и экспертных систем [2,3].

Существуют различные подходы, модели и языки описания знаний предметных областей. Однако все большую популярность приобретают онтологии [4]. Под определение онтологии подпадают многие понятийные структуры: иерархия классов в объектно-ориентированном программировании, концептуальные карты, семантические сети и т.п. Визуализация онтологии - это метод, позволяющий сделать видимыми структуры знания для активного их использования.

В отличие от обычного подхода к сравнению и выбору химического оборудования, который выражается схемой «если свойства продукта - то тип оборудования», построение онтологии позволяет связать воедино свойства продукта, химико-технологические процессы, проходящие в аппарате, характеристики конкретного оборудования и экономические аспекты его ввода на предприятии. Важны все прямые и косвенные связи оценки и выбора: свойства продукта - технологические параметры процессов - технические особенности оборудования - надежность - оценка характеристик вспомогательного оборудования подготовки процессов и утилизации выбросов в окружающую среду - затраты на приобретение и эксплуатацию - выбор наилучшего оборудования по заданным характеристикам.

В связи с комплексностью решаемой проблемы работа распределилась на следующие этапы: 1) согласно онтологическому принципу были выделены понятия предметной области; 2) была разработана система логических связей между понятиями; 3) была установлена структурная связь между иерархическими уровнями онтологии; 4) онтология была реализована программно. Необходимо отметить, что рассматриваемая онтология выполнена на примере сушильных технологий.

Выделение понятий предметной области осуществлялось на основе методов системотехники и декомпозиции совместно экспертами-технологами отдела сушильного и тепломассообменного оборудования АО «НИИХИММАШ», а также из технических карт, нормативной документации по сушильному оборудованию и из литературы по сушильным технологиям. Прежде всего информация была структурирована по входным признакам сушильного оборудования: были затронуты исходные и конечные свойства продукта, перечни и классификация обору-

дования, состав установок, набор внутренних устройств, их типы и характеристики, источники энергии, способы энергоподвода и утилизации, типы и характеристики тягодутьевого и очистного оборудования и др.

Были также установлены экономические понятия, которые играют одну из ведущих ролей на тендере: цена установки, эксплуатационные и капитальные затраты и влияющие на них особенности: тип источника энергии (его цена), стоимость очистки, патентная чистота установки, наличие послепродажного обслуживания и др.

Формализация отношений между понятиями стала следующим этапом разработки онтологии. Согласно онтологическому принципу и методу построения семантических сетей как реализации этого принципа были выявлены связи, отражающие характер взаимодействия между понятиями: класс-подкласс (жесткий иерархический тип связей), характеризует (неформальный вид связи между понятиями различных уровней иерархии), имеет (связь принадлежности одного понятия к другому), определяет и зависит (логические типы связей, отражающие влияние одного параметра на другой) [5]. Данные связи были прописаны между понятиями с использованием принципов семантической сети.

Структурная связь между иерархическими уровнями онтологии была обеспечена через традиционные понятия химической технологии - тепломассообмен и гидродинамику. Семантическая сеть построена таким образом, что на верхних уровнях иерархии понятия универсальны, а на нижних - локализованы по каждому типу сушильных технологий. Таким образом, на нижних уровнях иерархии затрагиваются понятия, которые важны именно для конкретно рассматриваемого оборудования на тендере. Например, в случае оценки барабанных сушилок рассматриваются следующие понятия: распределение насадок по зонам аппарата, геометрия лопатки, способы газоподвода и подсушки, степень заполнения барабана и др.

Таким образом, созданная онтология затрагивает как формальные понятия сушильной технологии, так и используемые экспертами при оценке и относимые к разряду «скрытых». В общем случае оборудование оценивается по четырем агрегированным понятиям: качество сушки, надежность, экономическая эффективность и оценка технологических особенностей установки.

На заключительном этапе полученная структура онтологии была реализована программно. Для ее проектирования и реализации был выбран пакет визуального программирования Delphi 6 как наиболее эффективный в решении подобного класса задач [6]. Был сформирован набор статичных таблиц, включающих перечни понятий, попадающих под классификацию «класс-подкласс». Далее были сформированы таблицы, определяющие нежестко иерархические связи.

Таблицы базы данных и характеристики, определяющие их, выбирались на основе проведенного анализа предметной области, для которой создается

38

база данных. При этом вначале определяются укрупненные параметры, необходимые для определения объектов, которые должны быть отображены в базе данных. Были разработаны следующие статичные таблицы:

- список параметров оферты-предложения на тендер;

- виды источников энергии;

- способы энергоподвода;

- исполнение сушилок;

- исходные свойства продукта;

- конечные свойства продукта;

- температуры теплоносителя;

- тепловое обеспечение сушки;

- типы и геометрические характеристики сушилок;

- типы тепловых отходов;

- характеристики окружающей среды.

Помимо упомянутых таблиц, были сформированы 29 таблиц понятий «класс-подкласс», имеющих отношение к предметной области сушки и вовлекаемых в процесс оценки оборудования. Далее были созданы таблицы соответствия, которые являются связующим звеном в создании онтологии, то есть прописывают связи между понятиями.

При помощи ЕЯ-модели полученные таблицы были преобразованы в единую реляционную базу данных (базу знаний) [6].

В качестве механизма логического вывода системы используются алгоритмы КР-полного перебора с эвристическими ограничениями размерности перебора и алгоритм многокритериального выбора на иерархиях с различным числом и составом альтернатив под критериями [7].

Конечный итог работы системы - это определение места нахождения объектов тендера в пространстве оценки: технологических процессов, надежно-

сти оборудования, технологических особенностей и экономической привлекательности предложения на тендер. В целом система призвана выполнять функции поддержки независимой технической и экономической оценки оборудования, выдачи рекомендаций для окончательного принятия решения о победителе тендера.

Онтология является удобным и эффективным инструментом познания, особенно в таких плохо формализуемых областях, как химическая технология. Современные системы поддержки принятия решений, использующие онтологию для визуализации структуры предметной области, - это реальная альтернатива системам «черного ящика». При этом наиболее важной характеристикой является процесс объяснения неявных знаний пользователю системы и превращения их в наглядные познавательные структуры.

Список литературы

1. Нестерович Н.В., Смирнов В.И. Конкурсные торги на закупку продукции для государственных нужд / Под ред. А.Г. Свинаренко.- М.: ИНФРА-М, 2000.

2. Искусственный интеллект. Кн.1. Системы общения и экспертные системы: Справочник / Под ред. Э.В.Попова. - М.: Радио и связь, 1990.

3. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры./ Пер. с англ. Б.И. Шитикова. - М.: Мир, 1989. -235 с.

4. Гаврилова Т.А., Фертман В.П. Визуализация онтологии как инструмент приобретения знаний. // Тр. 4 междунар. сем. по прикладной семиотике, семиотическому и интеллектуальному управлению: Л8С/1С'99. - М., 1999. - С. 34-41.

5. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем - СПб: Питер, 2000.

6. Карпова Т.Ф. Базы данных. Модели, разработка, реализация. - СПб.: Питер, 2001. - 304 с.

7. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. - М.: Финансы и статистика, 2002.

ОТ МОДЕЛЕЙ КОЛЛЕКТИВНОГО ПОВЕДЕНИЯ К МНОГОАГЕНТНЫМ СИСТЕМАМ

Д.А. Поспелов

Модели коллективного поведения -предшественники теории агентов

Истоки исследовании по многоагентным системам, столь популярным сейчас во всем мире, восходят к работам по моделям коллективного поведения, которые были предложены еще в 60-е годы XX века М.Л. Цетлиным и его последователями [1]. По сути, в русле этих моделей были впервые построены простейшие агенты. В основе их поведения лежало допущение о полном априорном незнании агентом свойств той среды, в которой он действует, а также какой-либо априорной информации о наличии дру-

гих агентов. Подобная ситуация описывается схемой (рис. 1). Здесь агент а не имеет никакой информации об агентах а1; а2,..., и воспринимает результаты их деятельности как свойства самой среды.

В свое время М.Л. Цетлина интересовал вопрос о возможности демонстрации агентом минимальной сложности целесообразного поведения в подобной среде. Термин «целесообразное поведение» понимался при этом следующим образом. Пусть на месте а находится датчик равновероятных сигналов, значения которых берутся из некоторого множества М. Когда на вход этого случайного механизма подается очередной сигнал о состоянии среды, датчик реа-

39