
- •Глава 1 Введение в экспертные системы 7
- •Глава 2. Состояние работ в области искусственного интеллекта. Роль экспертных систем в исследованиях по искусственному интеллекту 19
- •Глава 3. Классификация экспертных систем и инструментальных средств 27
- •Глава 4. Анализ состояния экспертных систем и инструментальных средств 39
- •Глава 5. Представление знаний в системах, основанных на знаниях 53
- •Глава 6. Методы и стратегии поиска решений в системах, основанных на знаниях 71
- •Глава 7. Основы методологии разработки экспертных систем 94
- •Глава 8. Инструментальный комплекс для создания статических экспертных систем (на примере интегрированного комплекса эко) 110
- •Глава 9. Инструментальный комплекс для создания экспертных систем реального времени (на примере интегрированной среды g2-gensym corp., сша) 119
- •Предисловие
- •Глава 1 Введение в экспертные системы
- •1.1. Назначение экспертных систем
- •1.2. Формальные основы экспертных систем
- •1.3 Архитектура статических и динамических экспертных систем
- •1.4 Этапы разработки экспертных систем
- •Литература
- •Вопросы для самопроверки
- •Глава 2. Состояние работ в области искусственного интеллекта. Роль экспертных систем в исследованиях по искусственному интеллекту
- •2.1 Основные направления искусственного интеллекта
- •2.2 Состояние работ в области экспертных систем
- •2.3 Состояние работ в области естественно - языковых систем
- •2.4 Состояние работ в области нейронных сетей
- •2.5 Состояние работ по новым направлениям искусственного интеллекта
- •Литература
- •Вопросы для самопроверки
- •Глава 3. Классификация экспертных систем и инструментальных средств
- •3.1 Классификация экспертных систем
- •3.1.1 Тип приложения
- •3.1.2 Стадия существования
- •3.1.3 Масштаб эс (тип эвм )
- •3.1.4 Тип проблемной среды
- •3.2 Классификация инструментальных средств
- •3.2.1 Уровень используемого языка
- •3.2.2 Парадигмы программирования (механизмы реализации исполняемых утверждений)
- •3.2.3 Способ представления знаний
- •3.2.4 Механизмы вывода и моделирования
- •3.2.5 Средства приобретения знаний
- •3.2.6 Технология разработки эс
- •3.3 Сопоставление инструментальных средств с типами проблемных сред
- •Литература
- •Вопросы для самопроверки
- •Глава 4. Анализ состояния экспертных систем и инструментальных средств
- •4.1 Анализ состояния статических экспертных систем
- •4.2 Анализ состояния динамических экспертных систем
- •4.2.1 Основные производители ис для эс рв
- •4.2.2 Сравнение ис для создания эс рв
- •Литература
- •Вопросы для самопроверки
- •Глава 5. Представление знаний в системах, основанных на знаниях
- •5.1 Состав и организация знаний в экспертных системах
- •5.1.1 Уровни представления и уровни детальности
- •5.1.2 Организация знаний в рабочей памяти
- •5.1.3 Организация знаний в базе знаний
- •5.2 Модели представления знаний
- •5.2.1 Логические модели представления знаний
- •5.2.2 Семантические модели
- •5.2.3 Фреймы
- •5.2.4 Объектно-ориентированный подход
- •5.2.5 Продукционные модели и модули, управляемые образцами
- •5.3 Практика использования моделей представления знаний в экспертных системах
- •5.3.1. Применение продукционных правил
- •5.3.2 Использование семантических сетей
- •5.3.3 Использование фреймов
- •5.3.4 Использование управляемых образцами модулей
- •5.3.5 Смешанные представления (объекты и правила)
- •Литература
- •Вопросы для самопроверки
- •Глава 6. Методы и стратегии поиска решений в системах, основанных на знаниях
- •6.1 Механизмы вывода экспертных систем
- •6.2 Стратегии как механизмы управления
- •6.3 Методы поиска решений в экспертных системах
- •6.3.1 Поиск решений в одном пространстве
- •6.3.2 Поиск в иерархии пространств
- •6.3.3. Поиск в альтернативных пространствах
- •6.3.4 Поиск с использованием нескольких моделей
- •6.3.5 Выбор метода решения задач
- •Литература
- •Вопросы для самопроверки
- •Глава 7. Основы методологии разработки экспертных систем
- •7.1 Идентификация
- •7.2 Концептуализация
- •7.3 Формализация
- •7.3.1 Структуризация исходной задачи
- •7.3.2 Структуризация предметной области на основе иерархии классов
- •7.3.3 Структуризация выполняемых утверждений базы знаний приложений
- •7.3.4 Структуризация приложения на основе иерархии "часть/целое"
- •7.4 Выполнение
- •7.5 Отладка и тестирование
- •7.5.1 Методы тестирования экспертных систем
- •7.5.2 Механизм инспекции экспертной системы
- •7.5.3 Применение архивных данных для формирования сценариев отладки и тестирования динамических экспертных систем (дэс)
- •7.6 Опытная эксплуатация и внедрение
- •Литература
- •Вопросы для самопроверки
- •Глава 8. Инструментальный комплекс для создания статических экспертных систем (на примере интегрированного комплекса эко)
- •8.1 Средства представления знаний и стратегии управления
- •8.1.1 Структура комплекса эко
- •8.1.2 Средства представления знаний в оболочке эко
- •8.1.3 Стратегии управления в оболочке эко
- •8.2 Приобретение знаний и решение задач средствами оболочки эко
- •8.3 Ввод общих знаний средствами системы к-эко
- •8.4 Формирование баз знаний на основе обучающей выборки средствами системы илис
- •Литература
- •Вопросы для самопроверки
- •Глава 9. Инструментальный комплекс для создания экспертных систем реального времени (на примере интегрированной среды g2-gensym corp., сша)
- •9.1 База знаний
- •9.1.1 Сущности и иерархия классов
- •9.1.2 Иерархия модулей и рабочих пространств
- •9.1.3 Структуры данных бз
- •9.2 Машина вывода, планировщик и подсистема моделирования
- •9.2.1 Машина вывода
- •9.2.2 Планировщик
- •9.2.3 Подсистема моделирования
- •9.3 Среда разработчика в системе g2
- •9.3.1 Естественно-языковый текстовый редактор
- •9.3.2 Интерфейс с пользователем
- •9.3.3 Средства инспекции и отладки
- •9.4 Интерфейс с внешним окружением
- •9.5 Проблемно/предметно-ориентированные среды и графические языки на базе g2
- •9.5.2 ReThink (подумай еще)
- •9.5.5 BatchDesign_Kit – интеллектуальное проектирование серийного производства в фармакологии
- •Литература
- •Вопросы для самопроверки
- •Литература
- •Приложение 2 Бизнес-Процесс "реинжиниринг" и интеллектуальное моделирование компаний
- •Литература
- •Приложение 3 Нейросетевая технология
- •Литература
- •Приложение 4 Системы поддержки принятия решений, хранилища данных и извлечение знаний
- •Литература
- •Приложение 5 Опыт применения динамических оболочек экспертных систем
4.2 Анализ состояния динамических экспертных систем
Как видно из данных, приведенных в гл. 2, среди всех видов ИС наиболее динамично развиваются ЭС реального времени. В 1995 г. объем продаж ЭС реального времени составил примерно 70% рынка проблемно/предметно-ориентированных СОЗ и был равен 38 млн дол. (в 1988 г. - 3 млн. дол.). Значимость ИС и ЭС реального времени (РВ) определяется не столько их бурным коммерческим успехом (хотя и это достойно тщательного анализа), но в первую очередь тем, что только с помощью подобных средств создаются стратегически значимые приложения в таких областях, как: управление непрерывными производственными процессами в химии, фармакологии, производстве цемента, питания и т.п.; аэрокосмические исследования, транспортировка и переработка нефти(газа), управление атомными и тепловыми электростанциями, финансовые операции, связь и многие другие.
В последнее время на основе динамических ИС начинают создаваться ИС для интеллектуального имитационного моделирования, используемые в реинжиниринге (реорганизации) бизнес-процессов (БПР) (см. Приложение 2). Интерес к ИС этого типа инициируется тем, что в отличие от статических ИС и ЭС, используемых, как указано ранее, для БПА, т.е. для автоматизации текущего состояния бизнеса, ИС для БПР используются для решения существенно более значимых и сложных задач, т.е. для "фундаментального переосмысления и радикального перепроектирования деловых процессов для достижения существенных улучшений в главных показателях деятельности компаний, таких, как стоимость, качество, услуги и темпы"[2].
Ниже перечислены некоторые области применения ЭС РВ, разработанных на базе ИС G2 (см. гл. 9). Всего на базе G2 разработано более 700 ЭС РВ, работающих более чем в 30 областях.
Области применения ЭСРВ (перечень фирм и характеристик приложений)
3М (США) - G2 используется на ряде заводов 3М в Миннесоте для управления технологическими процессами и поддержки принятия решений.
Caterpillar (США) - интегрированная система мониторинга и планирования для прокатного стана на базе распределенной системы, включающей G2 и Telewindows.
Camunsa (Испания) - автоматизированный, интеллектуальный гараж в Барселоне, разработанный к летним Олимпийским играм 1992 г. Гараж не требует присутствия людей и размещает 800 машин на том же пространстве, где при обычном подходе размещаются только 300.
Carpenter Technology Corp. (США) - CarTech использует DSP (ИС на базе G2) для моделирования операций горячего прокатного стана и связанных с ним печей. DSP разрабатывает расписание печи и потока материалов, поступающих от печи на дальнейшую обработку.
Forsmark Nuclear Plant (Швеция) - система обеспечения безопасности и моделирования событий для ядерной электростанции. Содержит более 200 правил. Использует более 130 диаграмм различной формы для отображения процесса.
General Electric (США) - GE разработала ряд систем на базе G2: систему для наземных станций слежения за спутниками в GE Aerospace в Филадельфии; систему для производства и тестирования самолетных двигателей в Лин-не; предсказывающую систему для GE Nuclear в Сан Хозе, СА.
IBM (США) - MOM (Measurement of On-line Manufacturing) - система управления, разработанная для улучшения производства блоков памяти и питания на заводе IBM в Торонто и интегрированная в производственный процесс. MOM объединяет системы G2, Serveio's Gemstone OODBMS и последовательную SPS в единую систему управления и контроля за производством печатных плат, повышающую качество, окупаемость и производительность завода.
Intelsat (США) - система диагностики, мониторинга и контроля сети, разработанная за 4 месяца на базе G2. Обеспечивает помощь при восстановлении спутников путем мониторинга критических состояний и диагностики сбоев коммуникационных каналов до и во время их появления.
Lafarge Coppee (США) - 25 установок G2 на цементных заводах, расположенных по всему миру. Lafarge использует возможности нечеткой логики G2 для обеспечения замкнутого цикла управления мельничными установками.
Mrs.Baird's Bakery (США) - самая большая частная пекарня в США использует G2 для планирования и управления всем производственным процессом.
NASA/ Space Shuttle (США) - NASA использует G2 с октября 1988 г. в ряде систем для космических аппаратов, включая управление 38 реактивными двигателями, обеспечивающими маневрирование челнока. G2 обрабатывает данные от 16 000 датчиков в секунду, осуществляя проверку всех параметров от температуры до курса.
ЭС РВ решают следующие классы задач: мониторинг в реальном масштабе времени; системы управления верхнего уровня; системы обнаружения неисправностей; диагностика; составление расписаний; планирование; оптимизация; системы - советчики оператора; системы проектирования и т. п.
Традиционные статические ИС и ЭС не способны решать подобных задач, так как они не выполняют требования, предъявляемые к системам, работающим в реальном времени:
• представлять изменяющиеся во времени данные, поступающие от внешних источников, обеспечивать хранение и анализ изменяющихся данных;
• выполнять одновременно временные рассуждения о нескольких различных асинхронных процессах (задачах), т. е. планировать в соответствии с приоритетами обработку процессов, поступивших в систему;
• обеспечивать механизм рассуждения при ограниченных ресурсах (время, память). Реализация этого механизма предъявляет требования к высокой скорости работы системы, способности одновременно решать несколько задач (т. е. необходимо использовать операционные системы UNIX, VMS, Windows NT, но не MS DOS);
• обеспечивать предсказуемость поведения системы, т.е. гарантию того, что каждая задача будет запущена и завершена в строгом соответствии с временными ограничениями. Например, требование предсказуемости не допускает использования в ЭС РВ механизма сборки мусора, свойственного языку Lisp;
• моделировать "окружающий мир", рассматриваемый в данном приложении, обеспечивать создание различных его состояний;
• протоколировать свои действия и действия персонала, обеспечивать восстановление после сбоя;
• обеспечивать наполнение базы знаний (БЗ) для приложений реальной степени сложности с минимальными затратами времени и труда (необходимо использование объектно-ориентированной технологии, общих правил, модульности и т. п.);
• обеспечивать настройку системы на решаемые задачи (проблемно-предметная ориентация);
• обеспечивать создание и поддержку пользовательских интерфейсов для различных категорий пользователей;
• обеспечивать уровень защиты информации (по категориям пользователей) и предотвращать несанкционированный доступ.