Применение технологии экспертной системы при построении интеллектуальных систем поддержки принятия решений
А.
А. ШигинаБиблиографическое описание статьи для цитирования:
Шигина
А.
А. Применение технологии экспертной системы при построении интеллектуальных систем поддержки принятия решений // Научно-методический электронный журнал «Концепт». –
2014. – Т. 20. – С.
3566–3570. – URL:
http://e-koncept.ru/2014/54977.htm.
Аннотация. Статья посвящена вопросам создания автоматизированных информационных систем для решения часто повторяющихся однотипных задач при работе сложного технологического оборудования, функционирующего в условиях неопределенности и неполноты информации.
Текст статьи
Шигина Анна Александровна,аспирант, ассистент кафедры «Экономика и информационные технологии менеджмента» ФГАОУ ВПО «Сибирский федеральный университет», г. Красноярск shigina_a@mail.ru
Применениетехнологии экспертной системыпри построении интеллектуальных систем поддержки принятия решений
Аннотация.Статья посвящена вопросамсоздания автоматизированных информационных систем для решения часто повторяющихся однотипных задач при работе сложного технологическогооборудования, функционирующего в условиях неопределенности и неполноты информации.Ключевыеслова:экспертная система, принятие решений,управление технологическим процессом.
Проблема оценки эффективности функционирования сложной технической системы связана со взаимодействием большого количества элементов. Для комплексной оценки эффективности функционирования какоголибо объектанеобходимо рассматривать множество структурно взаимосвязанных и функционально взаимодействующих разнотипных систем[1].В процессе работы сложного оборудования, функционирующего в условиях неопределенности и неполноты информации, необходимо управление технологическим процессом и отдельными режимными параметрами. При этом оператор не имеет возможности заранее предвидеть ситуацию о необходимости какихлибо действий и выполняет их уже после возникновения проблемной ситуации.Для решения часто повторяющихся однотипных задач применяются автоматизированные информационные системы (рис. 1). Для функционирования таких систем необходимо принимать решения или отдавать команды для осуществления или изменения того или иного действия.
Рис.1.Типовая структура АИСМетоды и алгоритмы общей теории систем позволяют производитьэффективную поддержку принятия управленческих решений при управлениисложными процессами в технических системахвавтоматизированном режиме. Подобные технологии поддержки принятия решенийвыводят качество управления на более высокий информационноаналитическийуровень в условиях большого объема разнородной, быстро изменяющейсянеструктурированной информации, а также способствуют существенному росту ихфункциональных возможностей и эффективности принятия управленческих решений вреальных условиях функционирования технической системы.При построении модели проблемной ситуации исследуют структуру процесса принятия решений (далее –ППР), которая определяется такими элементами, как состояние исходных данных задачи, модель ситуации принятия решения, ограничения, варианты решений и их последствия, внешние факторы объективного и субъективного характера. Совокупность перечисленных элементов образует определенную среду (систему) принятия решений. Назовем такую систему системой поддержки принятия решений (далее –СППР).Классическая архитектура СППР представлена на рис. 2.
Рис. 2.Классическая архитектура СППР
Система поддержки принятия решений (англ. Decision Support System, DSS) —компьютерная автоматизированная система, целью которой является помощь лицам, принимающим решение(далее –ЛПР)в сложных условиях для полного и объективного анализа предметной деятельности[2]. СППРвозникли в результате слияния управленческих информационных систем исистем управления базами данных.Они поддерживают, а не заменяют, выработку решений ЛПР.
Marakas[3] предложил обобщенную архитектуруСППР, состоящую из пяти различных частей:
системауправленияданными(the data management system —DBMS);
системауправлениямоделями(the model management system —MBMS);
машиназнаний(the knowledge engine (KE));
интерфейс пользователя(the user interface);
пользователи (the user(s)).Основными функциями СППРявляются:
оказание помощи ЛПР при анализе исходной информации (оценке сложившейся обстановки и ограничений, накладываемых внешней средой);
выявление и ранжирование приоритетов, учет неопределенности в оценках ЛПР и формирование его предпочтений;
генерация возможных решений (формирование списка альтернатив);
оценка возможных альтернатив, исходя из предпочтений ЛПР, и ограничение, накладываемое внешней средой;
анализ возможных последствий принимаемых решений;
выбор лучшего, с точки зрения ЛПР, возможного варианта.Процесс принятия решений может протекать по двум основным схемам: интуитивноэмпирической (основанной на сравнении проблемной ситуации с ранее встречавшимися схожими ситуациями) и формальноэвристической (основанной на построении и исследовании модели проблемной ситуации). Независимо от схемы процесса принятия решений информационное обеспечение управления является одним из решающих факторов принятия эффективных решений.
Особенности автоматизированных СППР наиболее ярко проявляются в рамках следующих классификационных признаков: концептуальные модели, решаемые задачи, области применения.При инструментальном подходе, в зависимости от специфики решаемых задач и используемых технологических средств, выделяют три уровня систем: прикладные, генераторы и инструментальные.Прикладные СППР служат для поддержки решения отдельных прикладных задач в конкретных ситуациях. С ними работают конечные пользователи (отдельные лица или группы людей). Генераторы представляют собой пакеты программных средств поиска и выдачи данных, моделирования и т. д., которые используются разработчиками прикладных СППР для создания специализированных систем. Генераторы могут быть быстро «встроены» в прикладную систему. Инструментальные СППР соответствуют высшему уровню технологичности и предоставляют в распоряжение разработчиков наиболее мощные комплексы средств, связанных единой методологией.Большинство существующих СППР, предназначенных для оценкиэффективности систем,не являются комплексными в плане набора реализованных методови в плане реализации всех стадийисследованияэффективности(оценка и объяснение достигнутого уровня эффективности, прогнозированиебудущего уровня, выдачу рекомендаций по способам достижения требуемого уровняэффективности)[4].Существующие СППРограничиваются, в основном, оценкой текущегоуровня эффективности и выдачей рекомендуемых значений входных и выходныхпоказателей системы. Также онине позволяют, проведя исследованиеэффективности всех подсистем, интегрировать полученные оценки в единую оценку (илигруппу оценок) эффективности сложной системы. При работе сложного оборудования, функционирующего в условиях неопределенности и неполноты информации, оператор не имеет возможности заранее предвидеть ситуацию о необходимости какихлибо действий и выполняет их уже после возникновения проблемной ситуации. В этом случае подсистема интеллектуального анализа должна постоянно собирать информацию об изменениях свойств объекта воздействия в зависимости от тех или иных условий. Используя специальные расчетные алгоритмы, данная подсистема позволяет получать прогнозную информацию и рекомендации для выполнения конкретных действий с целью предотвращения проблемной ситуации или работы оборудования в более эффективном режиме.В рамках проводимого исследования предлагается использовать активную интеллектуальную СППР(далее –ИСППР), в основе работы которой лежат методы искусственного интеллекта и которая может вынести предложение, какое решение следует выбрать,в отличие от пассивной СППР, которая не способна выдвигать конкретного предложения.То есть система должна быть предназначена для интеллектуальной поддержки процесса решения задачи.По способу поддержки необходимо использовать СППР, ориентированную на внутренние и внешние данные, имеющую доступ к временным рядам технической системы. РассматриваемаяСППР должна быть интегрирована с автоматизированной интеллектуальной системой мониторинга управления режимными параметрами техническогообъекта [5]. СППР является информационной частью этой АИС.Работа сложного оборудования требует постоянного присутствия специалистов, которые должны иметь знания об изменении свойств объекта воздействия и соответствующих действиях для эффективной работы технической системы. В случае применения интеллектуальной СППР все необходимые сведения содержатся в интеллектуальной подсистеме и оператор оборудования получает уже готовые рекомендации к действию. Однако, в условиях неопределенности и неполной информации об объекте воздействия возможно быстрое протекание непрогнозируемых цепочек процессов, в результате чего интеллектуальная СППР будетдаватьцепочку рекомендаций через малые промежутки времени. При этом оператор может пропустить сигнал или не успеть среагировать, поскольку имеет определенную скорость реакции на происходящие изменения. В таких условиях наиболее целесообразно применять экспертную систему. Экспертная система это компьютерная программа, которая моделирует логику рассуждения опытных специалистов (экспертов) при принятии решения в некоторой предметной области и использует для этого базу знаний, содержащую факты и правила об этой области, и некоторую процедуру логического вывода. В случае работы сложного технологического оборудования в качестве знаний, полученных от эксперта, могут служить математические зависимости, отражающие ход физических процессов.Главная идея использования технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и, загрузив их в память компьютера, использовать всякий раз, когда в этом возникнет необходимость.
Такие системыпомогают специалистам, когда их собственных знаний, опыта и интуиции недостаточно для самостоятельного решения возникающих проблем. Такие системы представляют собой машинные программы, решающие задачи примерно так же, как решает их эксперт в реальной обстановке. Это позволяет накапливать, систематизировать и использовать знания и профессиональный опыт тех экспертов, которые выполняют конкретные задачи наилучшим образом и, в первую очередь, в тех областях, где задачи и их решения слабо формализованы или совсем не формализованы.Экспертная система достигает более высокой эффективности за счет перебора большого числа альтернатив при выборе решения, опираясь на высококачественный опыт группы специалистов. В основе интеллектуального решения проблем в некоторой предметной области лежит принцип воспроизведения знаний опытных специалистовэкспертов [6].Сходство информационных технологий, используемых в экспертных системах и системах поддержки принятия решений, состоит в том, что обе они обеспечивают высокий уровень поддержки принятия решений. Однако имеются три существенных различия. Первое связано с тем, что решение проблемы в рамках систем поддержки принятия решений отражает уровень ее понимания пользователем и его возможности получить и осмыслить решение. Технология экспертных систем, наоборот, предлагает пользователю принять решение, превосходящее его возможности. Второе отличие указанных технологий выражается в способности экспертных систем пояснять свои рассуждения в процессе получения решения. Очень часто эти пояснения оказываются более важными для пользователя, чем само решение.Третье отличие связано с использованием нового компонента информационной технологии –знаний.Основными компонентами информационной технологии, используемой в экспертной системе, являются (рис. 3): интерфейс пользователя, база знаний, интерпретатор, модуль создания системы.
Рис. 3. Основные компоненты информационной технологииэкспертных систем
В экспертной системе специалист использует интерфейс для ввода информации и команд в экспертную систему и получения выходной информации из нее. Команды включают в себя параметры, направляющие процесс воздействия на обрабатываемый объект. Информация обычно выдается в форме значений, присваиваемых определенным переменным.Специалистможет использовать четыре метода ввода информации: меню, команды, естественный язык и собственный интерфейс.Интерпретатором является часть экспертной системы, производящая в определенном порядке обработку знаний, находящихся в базе знаний. Технология работы интерпретатора сводится к последовательному рассмотрению совокупности правил. Если условие, содержащееся в правиле, соблюдается, то выполняется определенное действие, и пользователю предоставляется вариант решения его проблемы.Технология экспертных систем предусматривает возможность получать в качестве выходной информации не только решение, но и необходимые объяснения. Пользователь в любой момент может потребовать от экспертной системы объяснения своих действий;объяснения полученного решения проблемы. После получения решения пользователь может потребовать объяснений того, как оно было получено. Система должна пояснить каждый шаг своих рассуждений, ведущих к решению задачи. Хотя технология работы с экспертной системой не является простой, пользовательский интерфейс этих систем является дружественным и обычно не вызывает трудностей при ведении диалога.База знаний содержит факты, зависимости, закономерности процессов, описывающие проблемную область, а такжеихлогическую взаимосвязь. Центральное место в базе знаний принадлежит правилам. Правило определяет, что следует делать в данной конкретной ситуации, и состоит из двух частей: условие, которое может выполняться или нет, и действие, которое следует произвести, если выполняется условие.Все используемые в экспертной системе правила образуют систему правил, которая даже для сравнительно простой системы может содержать несколько тысяч правил.Поэтому для создания экспертной системы рационально создавать базы знаний, основанные на четко формализованных математических зависимостях, описывающих физические процессы.
Все виды знаний в зависимости от специфики предметной области и квалификации специалистас той или иной степенью адекватности могут быть представлены с помощью одной либо нескольких семантических моделей. К наиболее распространенным моделям относятся логические, продукционные, фреймовые и семантические сети.Кроме того, во многих экспертных системах вводятся дополнительные блоки: база данных, блок расчета, блок ввода и корректировки данных. Блок расчета необходим в ситуациях, связанных с принятием управленческих решений. При этом важную роль играет база данных, где содержатся плановые, физические, расчетные, отчетные и другие постоянные или оперативные показатели. Блок ввода и корректировки данных используется для оперативного и своевременного отражения текущих изменений в базе данных.Модуль создания системы служит для создания набора (иерархии) правил. Существует два подхода, которые могут быть положены в основу модуля создания системы: использование алгоритмических языков программирования и использованиеоболочек экспертных систем.Оболочка экспертных систем представляет собой готовую программную среду, которая может быть приспособлена к решению определенной проблемы путем создания соответствующей базы знаний.Таким образом, для решения часто повторяющихся однотипных задач при работе сложного технологического оборудования целесообразно применять автоматизированные информационные системы. Для создания автоматизированной системы управления технологическим процессом, осуществляемым в условиях неопределенностии неполноты информации,необходимо применять экспертную систему, база знаний которой основана на четко формализованных математических зависимостях, описывающих физические процессы. В случае быстрого протекания непрогнозируемых цепочек процессов и необходимости частых управляющих воздействий в малые промежутки времени также необходимо применять экспертные системы, которые позволяют своевременно и точно воздействовать на обрабатываемый объект в технологическом процессе.
Ссылки на источники1. Ступина А.А.,Шигина А.А., Шигин А.О. Анализ эффективности функционирования многопараметрической системы // Вестник Сибирского государственного аэрокосмического университета им. академика М.Ф. Решетнева. –2013. –№ 2 (48). –С. 94100.2. Системы поддержки принятия решений: учебнометод. пособие / Попов А.Л. –Екатеринбург: Урал. гос. унт, 2008. –80 с.3. Marakas G. M. Decision support systems in the twentyfirst century. Upper Saddle River, N.J.: Prentice Hall, 1999.4. Моргунов, Е. П. Архитектура и принципы разработки системы поддержки принятия решений для исследования эффективности сложных систем [Текст] / Е. П. Моргунов // XI Международная науч.практич. конф. «Системный анализ в проектировании и управлении»: труды. –СПб.: Издво Политехн. унта, 2007. ––С. 232–237.5. Шигина А.А., Шигин А.О.Интеллектуальная система мониторинга и управления режимными параметрами буровых станков Наука и инновационные разработки –Северу. Сборник тезисов докладов Международной науч.практич. конф. –М.: Издво «Перо», 2014. –298 с.6. Каткова А.Л. Экспертные системы: учеб.метод. пособие / А.Л. Каткова. –Шадринск: Шадр. гос. пед. инт, 2011. –92 с.
Anna Shigina, Postgraduate student, assistant at the chair of economy and information technologies of management Siberian FederalUniversity, Krasnoyarsk shigina_a@mail.ruPractice of expert system technology at building of intelligent support decisionmaking systemAbstract.Article is devoted to questions of automated information systems building for the solution of often repeating same tasks during the work of the сomplexprocessing equipment functioning in the conditions of indeterminacy and incompleteness of information.Keywords:expert system, decisionmaking, industrial process control.
Применениетехнологии экспертной системыпри построении интеллектуальных систем поддержки принятия решений
Аннотация.Статья посвящена вопросамсоздания автоматизированных информационных систем для решения часто повторяющихся однотипных задач при работе сложного технологическогооборудования, функционирующего в условиях неопределенности и неполноты информации.Ключевыеслова:экспертная система, принятие решений,управление технологическим процессом.
Проблема оценки эффективности функционирования сложной технической системы связана со взаимодействием большого количества элементов. Для комплексной оценки эффективности функционирования какоголибо объектанеобходимо рассматривать множество структурно взаимосвязанных и функционально взаимодействующих разнотипных систем[1].В процессе работы сложного оборудования, функционирующего в условиях неопределенности и неполноты информации, необходимо управление технологическим процессом и отдельными режимными параметрами. При этом оператор не имеет возможности заранее предвидеть ситуацию о необходимости какихлибо действий и выполняет их уже после возникновения проблемной ситуации.Для решения часто повторяющихся однотипных задач применяются автоматизированные информационные системы (рис. 1). Для функционирования таких систем необходимо принимать решения или отдавать команды для осуществления или изменения того или иного действия.
Рис.1.Типовая структура АИСМетоды и алгоритмы общей теории систем позволяют производитьэффективную поддержку принятия управленческих решений при управлениисложными процессами в технических системахвавтоматизированном режиме. Подобные технологии поддержки принятия решенийвыводят качество управления на более высокий информационноаналитическийуровень в условиях большого объема разнородной, быстро изменяющейсянеструктурированной информации, а также способствуют существенному росту ихфункциональных возможностей и эффективности принятия управленческих решений вреальных условиях функционирования технической системы.При построении модели проблемной ситуации исследуют структуру процесса принятия решений (далее –ППР), которая определяется такими элементами, как состояние исходных данных задачи, модель ситуации принятия решения, ограничения, варианты решений и их последствия, внешние факторы объективного и субъективного характера. Совокупность перечисленных элементов образует определенную среду (систему) принятия решений. Назовем такую систему системой поддержки принятия решений (далее –СППР).Классическая архитектура СППР представлена на рис. 2.
Рис. 2.Классическая архитектура СППР
Система поддержки принятия решений (англ. Decision Support System, DSS) —компьютерная автоматизированная система, целью которой является помощь лицам, принимающим решение(далее –ЛПР)в сложных условиях для полного и объективного анализа предметной деятельности[2]. СППРвозникли в результате слияния управленческих информационных систем исистем управления базами данных.Они поддерживают, а не заменяют, выработку решений ЛПР.
Marakas[3] предложил обобщенную архитектуруСППР, состоящую из пяти различных частей:
системауправленияданными(the data management system —DBMS);
системауправлениямоделями(the model management system —MBMS);
машиназнаний(the knowledge engine (KE));
интерфейс пользователя(the user interface);
пользователи (the user(s)).Основными функциями СППРявляются:
оказание помощи ЛПР при анализе исходной информации (оценке сложившейся обстановки и ограничений, накладываемых внешней средой);
выявление и ранжирование приоритетов, учет неопределенности в оценках ЛПР и формирование его предпочтений;
генерация возможных решений (формирование списка альтернатив);
оценка возможных альтернатив, исходя из предпочтений ЛПР, и ограничение, накладываемое внешней средой;
анализ возможных последствий принимаемых решений;
выбор лучшего, с точки зрения ЛПР, возможного варианта.Процесс принятия решений может протекать по двум основным схемам: интуитивноэмпирической (основанной на сравнении проблемной ситуации с ранее встречавшимися схожими ситуациями) и формальноэвристической (основанной на построении и исследовании модели проблемной ситуации). Независимо от схемы процесса принятия решений информационное обеспечение управления является одним из решающих факторов принятия эффективных решений.
Особенности автоматизированных СППР наиболее ярко проявляются в рамках следующих классификационных признаков: концептуальные модели, решаемые задачи, области применения.При инструментальном подходе, в зависимости от специфики решаемых задач и используемых технологических средств, выделяют три уровня систем: прикладные, генераторы и инструментальные.Прикладные СППР служат для поддержки решения отдельных прикладных задач в конкретных ситуациях. С ними работают конечные пользователи (отдельные лица или группы людей). Генераторы представляют собой пакеты программных средств поиска и выдачи данных, моделирования и т. д., которые используются разработчиками прикладных СППР для создания специализированных систем. Генераторы могут быть быстро «встроены» в прикладную систему. Инструментальные СППР соответствуют высшему уровню технологичности и предоставляют в распоряжение разработчиков наиболее мощные комплексы средств, связанных единой методологией.Большинство существующих СППР, предназначенных для оценкиэффективности систем,не являются комплексными в плане набора реализованных методови в плане реализации всех стадийисследованияэффективности(оценка и объяснение достигнутого уровня эффективности, прогнозированиебудущего уровня, выдачу рекомендаций по способам достижения требуемого уровняэффективности)[4].Существующие СППРограничиваются, в основном, оценкой текущегоуровня эффективности и выдачей рекомендуемых значений входных и выходныхпоказателей системы. Также онине позволяют, проведя исследованиеэффективности всех подсистем, интегрировать полученные оценки в единую оценку (илигруппу оценок) эффективности сложной системы. При работе сложного оборудования, функционирующего в условиях неопределенности и неполноты информации, оператор не имеет возможности заранее предвидеть ситуацию о необходимости какихлибо действий и выполняет их уже после возникновения проблемной ситуации. В этом случае подсистема интеллектуального анализа должна постоянно собирать информацию об изменениях свойств объекта воздействия в зависимости от тех или иных условий. Используя специальные расчетные алгоритмы, данная подсистема позволяет получать прогнозную информацию и рекомендации для выполнения конкретных действий с целью предотвращения проблемной ситуации или работы оборудования в более эффективном режиме.В рамках проводимого исследования предлагается использовать активную интеллектуальную СППР(далее –ИСППР), в основе работы которой лежат методы искусственного интеллекта и которая может вынести предложение, какое решение следует выбрать,в отличие от пассивной СППР, которая не способна выдвигать конкретного предложения.То есть система должна быть предназначена для интеллектуальной поддержки процесса решения задачи.По способу поддержки необходимо использовать СППР, ориентированную на внутренние и внешние данные, имеющую доступ к временным рядам технической системы. РассматриваемаяСППР должна быть интегрирована с автоматизированной интеллектуальной системой мониторинга управления режимными параметрами техническогообъекта [5]. СППР является информационной частью этой АИС.Работа сложного оборудования требует постоянного присутствия специалистов, которые должны иметь знания об изменении свойств объекта воздействия и соответствующих действиях для эффективной работы технической системы. В случае применения интеллектуальной СППР все необходимые сведения содержатся в интеллектуальной подсистеме и оператор оборудования получает уже готовые рекомендации к действию. Однако, в условиях неопределенности и неполной информации об объекте воздействия возможно быстрое протекание непрогнозируемых цепочек процессов, в результате чего интеллектуальная СППР будетдаватьцепочку рекомендаций через малые промежутки времени. При этом оператор может пропустить сигнал или не успеть среагировать, поскольку имеет определенную скорость реакции на происходящие изменения. В таких условиях наиболее целесообразно применять экспертную систему. Экспертная система это компьютерная программа, которая моделирует логику рассуждения опытных специалистов (экспертов) при принятии решения в некоторой предметной области и использует для этого базу знаний, содержащую факты и правила об этой области, и некоторую процедуру логического вывода. В случае работы сложного технологического оборудования в качестве знаний, полученных от эксперта, могут служить математические зависимости, отражающие ход физических процессов.Главная идея использования технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и, загрузив их в память компьютера, использовать всякий раз, когда в этом возникнет необходимость.
Такие системыпомогают специалистам, когда их собственных знаний, опыта и интуиции недостаточно для самостоятельного решения возникающих проблем. Такие системы представляют собой машинные программы, решающие задачи примерно так же, как решает их эксперт в реальной обстановке. Это позволяет накапливать, систематизировать и использовать знания и профессиональный опыт тех экспертов, которые выполняют конкретные задачи наилучшим образом и, в первую очередь, в тех областях, где задачи и их решения слабо формализованы или совсем не формализованы.Экспертная система достигает более высокой эффективности за счет перебора большого числа альтернатив при выборе решения, опираясь на высококачественный опыт группы специалистов. В основе интеллектуального решения проблем в некоторой предметной области лежит принцип воспроизведения знаний опытных специалистовэкспертов [6].Сходство информационных технологий, используемых в экспертных системах и системах поддержки принятия решений, состоит в том, что обе они обеспечивают высокий уровень поддержки принятия решений. Однако имеются три существенных различия. Первое связано с тем, что решение проблемы в рамках систем поддержки принятия решений отражает уровень ее понимания пользователем и его возможности получить и осмыслить решение. Технология экспертных систем, наоборот, предлагает пользователю принять решение, превосходящее его возможности. Второе отличие указанных технологий выражается в способности экспертных систем пояснять свои рассуждения в процессе получения решения. Очень часто эти пояснения оказываются более важными для пользователя, чем само решение.Третье отличие связано с использованием нового компонента информационной технологии –знаний.Основными компонентами информационной технологии, используемой в экспертной системе, являются (рис. 3): интерфейс пользователя, база знаний, интерпретатор, модуль создания системы.
Рис. 3. Основные компоненты информационной технологииэкспертных систем
В экспертной системе специалист использует интерфейс для ввода информации и команд в экспертную систему и получения выходной информации из нее. Команды включают в себя параметры, направляющие процесс воздействия на обрабатываемый объект. Информация обычно выдается в форме значений, присваиваемых определенным переменным.Специалистможет использовать четыре метода ввода информации: меню, команды, естественный язык и собственный интерфейс.Интерпретатором является часть экспертной системы, производящая в определенном порядке обработку знаний, находящихся в базе знаний. Технология работы интерпретатора сводится к последовательному рассмотрению совокупности правил. Если условие, содержащееся в правиле, соблюдается, то выполняется определенное действие, и пользователю предоставляется вариант решения его проблемы.Технология экспертных систем предусматривает возможность получать в качестве выходной информации не только решение, но и необходимые объяснения. Пользователь в любой момент может потребовать от экспертной системы объяснения своих действий;объяснения полученного решения проблемы. После получения решения пользователь может потребовать объяснений того, как оно было получено. Система должна пояснить каждый шаг своих рассуждений, ведущих к решению задачи. Хотя технология работы с экспертной системой не является простой, пользовательский интерфейс этих систем является дружественным и обычно не вызывает трудностей при ведении диалога.База знаний содержит факты, зависимости, закономерности процессов, описывающие проблемную область, а такжеихлогическую взаимосвязь. Центральное место в базе знаний принадлежит правилам. Правило определяет, что следует делать в данной конкретной ситуации, и состоит из двух частей: условие, которое может выполняться или нет, и действие, которое следует произвести, если выполняется условие.Все используемые в экспертной системе правила образуют систему правил, которая даже для сравнительно простой системы может содержать несколько тысяч правил.Поэтому для создания экспертной системы рационально создавать базы знаний, основанные на четко формализованных математических зависимостях, описывающих физические процессы.
Все виды знаний в зависимости от специфики предметной области и квалификации специалистас той или иной степенью адекватности могут быть представлены с помощью одной либо нескольких семантических моделей. К наиболее распространенным моделям относятся логические, продукционные, фреймовые и семантические сети.Кроме того, во многих экспертных системах вводятся дополнительные блоки: база данных, блок расчета, блок ввода и корректировки данных. Блок расчета необходим в ситуациях, связанных с принятием управленческих решений. При этом важную роль играет база данных, где содержатся плановые, физические, расчетные, отчетные и другие постоянные или оперативные показатели. Блок ввода и корректировки данных используется для оперативного и своевременного отражения текущих изменений в базе данных.Модуль создания системы служит для создания набора (иерархии) правил. Существует два подхода, которые могут быть положены в основу модуля создания системы: использование алгоритмических языков программирования и использованиеоболочек экспертных систем.Оболочка экспертных систем представляет собой готовую программную среду, которая может быть приспособлена к решению определенной проблемы путем создания соответствующей базы знаний.Таким образом, для решения часто повторяющихся однотипных задач при работе сложного технологического оборудования целесообразно применять автоматизированные информационные системы. Для создания автоматизированной системы управления технологическим процессом, осуществляемым в условиях неопределенностии неполноты информации,необходимо применять экспертную систему, база знаний которой основана на четко формализованных математических зависимостях, описывающих физические процессы. В случае быстрого протекания непрогнозируемых цепочек процессов и необходимости частых управляющих воздействий в малые промежутки времени также необходимо применять экспертные системы, которые позволяют своевременно и точно воздействовать на обрабатываемый объект в технологическом процессе.
Ссылки на источники1. Ступина А.А.,Шигина А.А., Шигин А.О. Анализ эффективности функционирования многопараметрической системы // Вестник Сибирского государственного аэрокосмического университета им. академика М.Ф. Решетнева. –2013. –№ 2 (48). –С. 94100.2. Системы поддержки принятия решений: учебнометод. пособие / Попов А.Л. –Екатеринбург: Урал. гос. унт, 2008. –80 с.3. Marakas G. M. Decision support systems in the twentyfirst century. Upper Saddle River, N.J.: Prentice Hall, 1999.4. Моргунов, Е. П. Архитектура и принципы разработки системы поддержки принятия решений для исследования эффективности сложных систем [Текст] / Е. П. Моргунов // XI Международная науч.практич. конф. «Системный анализ в проектировании и управлении»: труды. –СПб.: Издво Политехн. унта, 2007. ––С. 232–237.5. Шигина А.А., Шигин А.О.Интеллектуальная система мониторинга и управления режимными параметрами буровых станков Наука и инновационные разработки –Северу. Сборник тезисов докладов Международной науч.практич. конф. –М.: Издво «Перо», 2014. –298 с.6. Каткова А.Л. Экспертные системы: учеб.метод. пособие / А.Л. Каткова. –Шадринск: Шадр. гос. пед. инт, 2011. –92 с.
Anna Shigina, Postgraduate student, assistant at the chair of economy and information technologies of management Siberian FederalUniversity, Krasnoyarsk shigina_a@mail.ruPractice of expert system technology at building of intelligent support decisionmaking systemAbstract.Article is devoted to questions of automated information systems building for the solution of often repeating same tasks during the work of the сomplexprocessing equipment functioning in the conditions of indeterminacy and incompleteness of information.Keywords:expert system, decisionmaking, industrial process control.
