- •(С ПРИМЕРАМИ ИЗ ОБЛАСТИ СВАРКИ)
- •ПРИНЯТЫЕ УСЛОВНЫЕ СОКРАЩЕНИЯ
- •1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ РЕШЕНИЯ ЗАДАЧ ВЫБОРА
- •1.1. Задачи и процессы их решения как объект изучения
- •1.2. Классификации задач
- •1.3. Структура и особенности задач выбора
- •1.4. Анализ задач
- •1.5. Поиск и сбор дополнительной информации
- •1.6. Формализация и анализ исходной информации
- •1.6.1. Виды информации в печатных источниках
- •1.6.2. Обработка текстовой информации
- •2. МОДЕЛИРОВАНИЕ ЗАДАЧ ВЫБОРА
- •2.1. Общие вопросы моделирования задач
- •2.3. Граф-схемы алгоритмов выбора решений
- •3. СОВЕРШЕНСТВОВАНИЕ МЕТОДОВ РЕШЕНИЯ ЗАДАЧ ВЫБОРА
- •3.1. Проблемы подготовки данных для решения задач
- •3.2. Проблемы моделирования задач выбора
- •3.2.1. Проблемы построения таблиц соответствий
- •3.2.2. Проблемы построения граф-схем алгоритмов выбора решений
- •3.2.3. Проблема неоднозначности решений, генерируемых табличными моделями задач
- •3.3. Совершенствование методов построения моделей задач выбора
- •4. ИСПОЛЬЗОВАНИЕ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ТЕОРИИ НЕЧЕТКИХ МНОЖЕСТВ ДЛЯ РЕШЕНИЯ ЗАДАЧ ВЫБОРА
- •4.1.1. Основные идеи искусственного интеллекта
- •4.1.2. Экспертные системы
- •4.1.3. Представление знаний в форме продукционных правил
- •4.2. Методы теории нечетких множеств
- •4.2.1. Формализация нечетких понятий с помощью функций принадлежности
- •4.2.2. Таблицы соответствий со степенями принадлежности
- •5. ОСНОВЫ МЕТОДИКИ РЕШЕНИЯ НЕФОРМАЛИЗОВАННЫХ ЗАДАЧ
- •5.1. Формирование общей методологии решения задач
- •5.2. Основные положения методики решения неформализованных задач
- •6. АВТОМАТИЗАЦИЯ РЕШЕНИЯ ЗАДАЧ ВЫБОРА
- •6.1. Опыт автоматизации решения неформализованных задач
- •ЗАКЛЮЧЕНИЕ
- •СПИСОК ЛИТЕРАТУРЫ
ритм решения задачи. Возможность накопления, хранения и обновления знаний обеспечивает относительную независи мость предприятия от наличия у него квалифицированных специалистов.
Дополнительные сведения об экспертных системах при ведены в следующем подразделе.
4.1.2. Экспертные системы
Практическое применение результатов исследований
в области ИИ проявилось в создании и использовании специ альных компьютерных комплексов, получивших название экспертных систем. Экспертная система (ЭС) —это интел лектуальный программный продукт, предназначенный для решения некоторых задач определенной предметной области, включающий в себя неформализованные знания, представ ленные в специальной форме, и программные средства* реа лизующие процедуры обработки знаний [69]. В соответствии со схемой рис. 21 экспертная система выполняет функции передачи знаний высококвалифицированных специалистов рядовым специалистам-пользователям для решения ими за дач предметной области с помощью заложенных в систему знаний. Главным достоинством ЭС является то, что они по зволяют решать неформализованные задачи, недоступные для решения с помощью алгоритмически определенных сис тем типа традиционных САПР.
Принципиальная схема экспертной системы показана на рис. 23. Типовыми компонентами ЭС являются следующие:
1)база знаний (БЗ), хранящая знания в форме специаль ных правил;
2)рабочая память, хранящая данные (база данных - БД);
3)интерпретатор (машина вывода), решающий на осно ве имеющихся в системе данных и знаний предъявленную ему задачу;
4)лингвистический процессор, осуществляющий диало говое взаимодействие с пользователем или экспертом на ес тественном для них языке;
5)компонента приобретения знаний;
6)объяснительная компонента, дающая объяснение дей ствий системы.
Рис. 23. Схема обобщенной экспертной системы
По составу ЭС отличается от других программных средств прежде всего наличием в ее структуре базы знаний
имашины вывода. База знаний ЭС содержит статические
идинамические знания (факты и правила), являющиеся час тями специальным образом сформулированных правил. Ме
ханизм вывода ЭС представляет собой программные ком плекс, который на основе БЗ и фактов вырабатывает опреде ленные выводы-заключения.
ЭС работает в двух режимах: режиме приобретения зна ний и режиме решения задач. В режиме приобретения знаний
вобщении с ЭС участвует эксперт, который пополняет сис тему знаниями, необходимыми для самостоятельной работы системы. В режиме решения задач в общении с ЭС участвует пользователь, которого интересует результат и (или) способ получения решения.
Подробные сведения об экспертных системах нетрудно найти в литературе. Для начального ознакомления с базовы ми понятиями и возможностями практического применения ЭС можно рекомендовать отечественные издания [69, 70, 91 и др.].
Из вышеприведенной очень краткой характеристики экспертных систем видно, что участие специалистов пред метных областей в создании ЭС заключается главным обра зом в подготовке необходимой информации для ее введения
вБЗ. При этом специалистам-предметникам не обязательно хорошо разбираться в вопросах устройства и функциониро вания системы, но они должны знать, в каком виде следует представлять имеющиеся у них знания для дальнейшей обра ботки.
Всовременных ЭС нашли применение четыре модели представления знаний: логическая (на основе логики преди катов), продукционная (в виде правил-продукций), фреймо вая (в виде фреймов), семантическая (в виде семантических сетей). В ЭС, ориентированных на технические области, ча ще применяется продукционная модель, в которой знания представлены в виде продукционных правил.
4.1.3. Представление знаний в форме продукционных правил
Ранее отмечалось, что большая часть знаний о сварке изложена в литературе в виде текстов. Одним из видов пре образований текстовой информации произвольного вида яв ляется ее представление в форме продукционных правил.
В 60-х годах прошлого века видные специалисты в об ласти искусственного интеллекта А. Ньюэлл и Г. Саймон до казали, что большинство знаний можно сформулировать в виде утверждений формата «если..., то...», которые сейчас называют продукционными правилами или продукциями. Эти правила имеют своеобразную структуру:
Р(х,у)-+А.
Здесь Р(х, у) есть логическая функция, А - некоторое' суждение, которое можно рассматривать как рекомендацию лицу, принимающему решение. Другими словами, если для некоторых значений переменных х и у логическая функция Р(х, у) принимает значение «истина», то справедливо некото рое суждение (совет) А.
В литературе встречаются разные названия левой и пра вой частей продукционных правил. Левую часть называют прототипом, посылкой, образцом состояния, а правую - ре комендацией, решением, выводом или заключением. Однако сущность понимания и использования продукционных пра вил от этого не меняется.
Указанный постулат Ньюэлла и Саймона сыграл вы дающуюся роль в практическом применении идей искусст венного интеллекта, так как открыл путь к созданию экс пертных систем.
С точки зрения использования знаний в форме продук ционных правил представляет интерес опыт разработки экс пертной системы для выбора варианта сварки в защитных
газах, выполненной совместно специалистами НИИ управ ляющих машин и систем (НИИУМС) Пермского НПО «Пар ма» и Пермского политехнического института (ППИ) [102].
Постановщиками задачи (сотрудниками ППИ) на основе подробного обзора литературы по сварке была построена табличная модель в форме ТС. В область прибытия ТС по местили 62 разновидности сварки в защитных газах, в об ласть отправления - 9 факторов с приписанными им значе ниями, которые по мнению разработчиков необходимо учи тывать при выборе способа (материал сварного узла, толщи на металла, тип сварного соединения, длина, конфигурация и пространственное положение шва, тип и условия производ ства и др.). Матрица таблицы имела размеры 62 х 42 и со стояла из 2604 клеток.
К началу работы специалисты НИИУМС, разработав шие экспертную оболочку «САПР-Эксперт» с базой знаний продукционного типа, не имели опыта работы с таблицами соответствий. Однако было замечено, что строки ТС легко трансформируются в продукционные правила. Для этого при преобразовании строки необходимо в посылочной части про дукции после слова «если», перечислить значения факторов, для которых в строке единицами указаны соответствия, а вы водом после слова «то» является решение, указанное в облас ти отправления.
Например, смысловое содержание четвертой строки ТС табл. 15 можно изложить в виде следующего продукционно го правила:
Е с л и с в а р и в а е т с я с т а л ь у г л е р о д и с т а я и л и л е г и р о в а н н а я ,
т о л щ и н а м е т а л л а с в ы ш е 6 0 м м , д л и н а ш в а с в ы ш е 5 0 0 м м , п о л о ж е н и е ш в а в е р т и к а л ь н о е , т о м о ж е т б ы т ь п р и м е н е н а э л е к т р о ш л а к о в а я с в а р к а .
Используя такие правила, разработчики ЭС построили ее базу знаний, провели отладку системы и получили иссле довательский прототип ЭС. Его тестирование на разных ва риантах исходных условий задач показало, что однозначные решения удается получить лишь в редких случаях. Тогда в целях сокращения количества неразделяющихся альтерна тив решили расширить базу знаний за счет введения в нее дополнительных правил, названных уточняющими. Было просмотрено большое количество литературы по сварке, в результате чего составили дополнительно 103 правила. Их введение в базу знаний ЭС позволило резко сократить коли чество вариантов условий, приводящих к получению неодно значных решений, но одновременно значительно увеличило затраты времени на создание БЗ системы.
Формирование продукционных правил на основе строк таблицы соответствий не могло не навести на мысль, что возможен и обратный процесс - составление таблицы соот ветствий на основе знаний, содержащихся в продукционных правилах. Действительно, при решении сложных задач спе циалисты обычно обращаются к литературным данным. Если фиксировать данные в виде продукционных правил, то, ана лизируя их левые (посылочные) части, можно заметить, от каких факторов зависит принятие решений по интересующе му вопросу. При этом могут выявиться факторы, которым первоначально не придавалось значения.
Такой прием успешно использовался при моделирова нии некоторых задач сварочного производства, в частности при выборе конструктивных элементов в САПР сборочно сварочной оснастки, при выборе типов сварных соединений, выполняемых сваркой под флюсом, и др. Для иллюстрации
перевода литературных данных произвольного вида в форму
продукционных правил приведена табл. 22.
Таблица 22
Примеры перевода текстовых знаний в форму продукционных правил
№ |
Знания произвольного вида |
Продукционное правило |
|
п/п |
|||
|
|
1Если швы не склонны к обра зованию горячих трещин, то стыковые соединения тол щиной до 20 мм можно сва ривать в один проход одно сторонним швом без раздел ки кромок. При этом для обеспечения полного провара и оптимального усиления шва необходим зазор 5-6 мм
2В замок сваривают кольцевые соединения толстостенных цилиндрических сосудов и труб небольшого диаметра
3При односторонней сварке на гладкой медной подклад ке шов хорошо формируется только при плотном поджатии подкладки, совпадении свариваемых кромок и отсутствии зазора в стыке
4При отсутствии зазора одно стороннюю сварку металла толщиной свыше 14-16 мм приходится производить с разделкой кромок
5Стыковые соединения с толщиной более 10 мм
обычно собирают с обяза тельным зазором и сварива ют на флюсовой подушке без искусственного поджатия флюса
Е с л и швы не склонны к образо ванию горячих трещин, тол щина свариваемых листов до 20 мм, обеспечен зазор в стыке 5-6 мм, т о можно сваривать в один проход односторонним швом без разделки кромок. Типы С4, С5
Е с л и шов кольцевой, изделиетолстостенный сосуд или труба, диаметр небольшой, т о сварка
взамок. Типы Cl 1, С20, С35, С37
Ес л и шов односторонний,
обеспечено плотное поджатие подкладки, совпадение свари ваемых кромок, отсутствует зазор в стыке, т о используют гладкую медную подкладку. Типы С4, С9, С18 Е с л и не обеспечен зазор, тол
щина металла свыше 14—16 мм, то сварка с разделкой кромок
Е с л и толщина более 10 мм, wo сварка на флюсовой подушке с зазором
Анализ методов формализации знаний проводит к за ключению, что применительно к задачам выбора наиболее удобными и универсальными являются два формализма: таб лицы соответствий и системы продукционных правил. В за висимости от постановки задачи и наличия необходимой ин формации можно использовать ту или иную форму, учитывая достоинства и недостатки каждой из них.
Таблицы соответствий превосходят продукционные правила по компактности представления знаний и простоте моделей задач. Поэтому если все решения, относящиеся к конкретной задаче, удается апожить в форму ТС, то выбор оптимального решения будет заключаться в поиске по ТС значения выходного параметра, имеющего соответствия с заданным кортежем исходных данных задачи. Алгоритмы автоматического поиска решений по ТС разработаны и при водятся в литературе [3, 19]. Жесткая структура ТС позволяет унифицировать и упростить процедуру приобретения знаний системой, поэтому во многих случаях эксперт-разработчик может обойтись без помощи инженера по знаниям (когнитолога). Это означает, что ликвидируется одна из наиболее трудоемких и сложных стадий создания ЭС - стадия извле чения знаний из эксперта и связанные с ней проблемы.
Однако при увеличении количества альтернатив и учи тываемых в задаче факторов быстро возрастают трудности построения и тестирования ТС. Оценка и корректировка мо делей задач с помощью минимизированных граф-схем алго ритмов выбора решений, как это было предложено Горанским, возможны только для относительно небольших по раз мерам моделей.
Другим недостатком работы с таблицами соответствий является необходимость обязательного указания в матрице модели соответствий между всеми решениями области при
бытия и значениями всех параметров области отправления. Между тем многие соответствия разработчику могут быть неизвестны, из-за чего ему приходится ограничивать состав области отправления только наиболее важными и известны ми своим влиянием параметрами, а часть соответствий ука зывать в матрице ТС, руководствуясь субъективными пред почтениями.
Представление знаний о решаемых задачах с помощью набора продукционных правил является более универсаль ным методом и имеет определенные преимущества перед близкими по тематике знаниями, зафиксированными в форме таблиц соответствий. В частности, в правилах могут быть указаны такие нюансы знаний, которые трудно отразить в ТС. В них допускается отсутствие сведений о соответстви ях конкретного варианта решения с влияющими на выбор факторами, приведенными в других правилах.
В то же время возможности использования системы продукционных правил имеют свои ограничения. Для работы по технологии экспертных систем необходимы специальная квалификация персонала и сложные программные средства. Создание ЭС посильно только коллективам высококвалифи цированных специалистов при наличии опыта работы со спе циальными программными средствами и требует больших трудозатрат. По зарубежным данным, трудоемкость создания ЭС, доведенных до уровня промышленного образца, измеря ется человеко-годами, а стоимость - тысячами и даже сотня ми тысяч долларов [91]. Поэтому, если в распоряжении ко нечного пользователя нет готовой ЭС, включая ЭС соответ ствующего назначения, такой вариант автоматизации реше ния задач не может быть рекомендован для использования рядовыми работниками производства.