Содержание

Y

1 Постановка задачи 5

4 Алгоритм обработки знаний 11

5 Схема работы интерфейса 12

1 Постановка задачи

На рисунке 1.1 представлена схема «черный ящик» экспертной системы оценки объектов жилищного фонда на предмет необходимости в ремонте.

Рисунок 1.1 – «Черный ящик» ЭС

На предприятии ООО «УК ДомМонтажСервис Плюс» как и в любой другой кампании имеется подведомственный жилищный фонд. Группа эксплуатации ЖФ отвечает за текущее состояние объектов. Специалисты группы посредством выездной проверки фиксируют изменения в состоянии ЖФ. Эти наблюдения подаются на вход экспертной системы. После проверки заполняется документ Осмотр. Затем на основе сформированных правил выдаются рекомендации. После можно получить отчет с конкретным перечнем работ и типом ремонта на конкретные наблюдения по определенному объекту – жилому дому. Тип ремонта после является основой для распределения финансовой нагрузки между всеми субъектами: Управляющая кампания, Администрация города и региональный бюджет.

В интерфейсе программы для эксперта следует предусмотреть следующие возможности:

- занесение новых наблюдений по конструкциям (фундамент, стены, крыша и так далее);

- занесение новых рекомендаций по наблюдениям;

- ведение базы правил;

- ввод новых правил в систему.

В интерфейсе программы для пользователя – специалиста группы эксплуатации ЖФ - следует предусмотреть следующие возможности:

- ввод наблюдений посредством формирования документа «Осмотр»;

- вывод рекомендаций по конкретным наблюдениям;

- вывод отчета по результатам осмотра с подробным указанием наблюдения и перечня работ по ним, а также типа ремонта;

- формирование Наряда на ремонт по результатам выданного перечня работ.

2 Выбор модели представления знаний

Выбор способа представления знаний в интеллектуальной системе является ключевым моментом разработки. С точки зрения человека, желательно, чтобы описательные возможности используемой модели были как можно выше. С  другой стороны, сложное представление знаний требует специальных способов обработки (усложняется механизм вывода), что затрудняет проектирование и реализацию интеллектуальной подсистемы.

Существуют четыре основные модели описания знаний: логические модели, сетевые модели, продукционные модели и фреймовые модели. Каждая из этих моделей имеет свои достоинства и недостатки.

Для реализации базы знаний в данном курсовом проекте используются продукционная модель. Продукционные модели наряду с фреймами являются наиболее популярными средствами представления знаний. Продукции, с одной стороны, близки к логическим моделям, что позволяет организовать на них эффективные процедуры вывода, а с другой стороны, отражают знания более наглядно, чем классические логические модели.

Продукционные модели имеют, по крайней мере, два недостатка. При большом числе продукций становится сложной проверка непротиворечивости системы правил. Это заставляет при добавлении новых продукций тратить много времени на проверку непротиворечивости полученной системы. Из-за присущей системе недетерминированности (неоднозначного выбора выполняемой продукции из множества активизированных продукций) возникают принципиальные трудности при проверке корректности работы системы.

Свойства продукционных моделей:

• модульность - отдельные продукционные правила могут быть добавлены, удалены или изменены в базу знаний независимо от других; кроме того, модульный принцип разработки (сборки) продукционных систем позволяет автоматизировать их проектирование. Каждое продукционное правило - самостоятельный элемент знаний (локальный источник знаний); отдельные продукционные правила связаны между собой только через поток данных, которые они обрабатывают;

• простота интерпретации - «прозрачная» структура продукционных правил облегчает их смысловую интерпретацию;

• естественность - знания в виде «что делать и когда» являются естественными с точки зрения здравого смысла.