- •Н. М. Абдикеев проектирование интеллектуальных систем в экономике
- •Раздел IV. Прикладные интеллектуальные системы в экономике Глава 10 Интеллектуальная система планирования производства.
- •Глава 11. Динамическая интеллектуальная система оперативно-диспетчерского управления предприятием.
- •Глава 12. Информационно-аналитические системы управления маркетингом
- •Глава 13. Информационно-аналитическая система поддержки банковских решений.
- •Глава 14. Экспертная система риск-менеджмента.
- •Раздел I. Тенденции развития информационных систем в экономике.
- •Глава 1. Информационные системы при интегрированном автоматизированном управлении экономическими объектами.
- •Классификация информационных систем.
- •Области применения информационных систем в экономике.
- •Интегрированное автоматизированное производство, планирование и управление.
- •Интегрированные экономические информационные системы.
- •Глава 2. Тенденции развития информационных систем поддержки решений.
- •2.1. Направления развития информационных систем.
- •Основные технологические тенденции.
- •Технологии сетевых вычислений.
- •2.2. Моделирование и анализ ситуаций.
- •Моделирование и анализ ситуаций принятия решений.
- •2.3. Процесс подготовки и принятия решений.
- •2.4. Новая технология решения задач управления.
- •Глава 3. Интеллектуальные системы на основе инженерии знаний и искусственного интеллекта.
- •3.1. Организация работы с данными и знаниями. Инженерия знаний.
- •Данные. Источники данных.
- •Структура данных и системы управления базами данных.
- •Хранилище данных.
- •Olap: оперативная аналитическая обработка данных.
- •Интеллектуальный анализ данных.
- •Интеллектуальные базы данных.
- •Знания в искусственном интеллекте. База знаний.
- •Система управления базой знаний
- •Обработка знаний.
- •Инженерия знаний.
- •3.2. Развитие исследований в области искусственного интеллекта.
- •3.3. Теория и практика искусственного интеллекта.
- •3.4. Интеллектуальные информационные системы поддержки решений.
- •Раздел II. Модели и методы интеллектуальных систем.
- •Глава 4. Экспертные системы – системы, базирующиеся на знаниях.
- •4.1. Экспертные системы – основная разновидность интеллектуальных систем.
- •4.2.Функциональные возможности и характеристика эс.
- •4.3. Области применения экспертных систем.
- •4.4. Стратегические и динамические эс.
- •Глава 5. Представление знаний в интеллектуальных системах.
- •5.1. Проблемы представления и моделирования знаний.
- •5.2. Представление знаний на основе фреймов и семантических сетей.
- •5.2.1. Фреймы.
- •5.2.2. Семантические сети.
- •5.3. Продукционные и логические модели представления знаний.
- •5.3.1. Продукционные модели.
- •5.3.2. Логические модели представления знаний Исчисление предикатов
- •Вывод на предикатах.
- •Процесс стандартизации.
- •5.4. Представление и формализация нечетких знаний.
- •Основные определения нечетких множеств.
- •Операции с нечеткими множествами.
- •Нечеткие отношения.
- •Нечеткая и лингвистическая переменные.
- •Нечеткие числа и функции
- •Лингвистические критерии и отношения предпочтения.
- •Нейронные сети.
- •От биологических сетей к инс
- •Биологические нейронные сети
- •Основные понятия
- •Обучение
- •Глава 6. Обработка знаний и вывод решений в интеллектуальных системах.
- •6.1. Методы вывода и поиска решений в продукционных системах. Методы вывода на основе прямой и обратной цепочек.
- •Общие методы поиска решений в пространстве состояний.
- •Методы поиска решений в больших пространствах состояний.
- •6.2. Выводы на фреймах и в семантических сетях.
- •6.2.1. Вывод на фреймах. Структура данных фрейма.
- •Процедуры – демоны и присоединенные процедуры (методы или служебные).
- •Взаимодействие фреймов и правил.
- •Вывод во фреймовой системе.
- •6.2.2. Вывод в семантических сетях.
- •Структурирование знаний в семантической сети.
- •Процедурные семантические сети.
- •Вывод в семантических сетях.
- •6.3. Дедуктивные методы поиска решений.
- •6.4. Поиск решений в условиях неопределенности. Неопределенность.
- •6.4.1. Вероятностный вывод. Вероятностный подход.
- •Байесовский вывод.
- •Вывод на основе теории Демпстера-Шафера.
- •6.4.2. Вывод на основе теории уверенности. Коэффициент уверенности и доверие.
- •Объединение коэффициентов уверенности.
- •6.4.3. Нечеткая логика и приближенные рассуждения.
- •Приближенные рассуждения.
- •Композиционное правило вывода.
- •6.5. Вывод в нейронных сетях. Обработка информации в нейронных сетях.
- •Обучение инс и обучающие алгоритмы.
- •Архитектура многослойной сети прямого распространения.
- •2. Самоорганизующиеся карты Кохонена.
- •3. Модели теории адаптивного резонанса.
- •Сеть Хопфилда.
- •Ассоциативная память
- •Раздел III. Проектирование интеллектуальных систем.
- •Глава 7. Разработка и проектирование интеллектуальных систем.
- •7.1. Этапы проектирования интеллектуальных систем.
- •7.2. Анализ предметной области и методы приобретения знаний. Предметная и проблемная области.
- •Выявление источников знаний.
- •7.3. Работа с экспертами и проблема извлечения знаний.
- •7.4. Автоматизация извлечения знаний и формирования модели.
- •Краткая характеристика проблемной области.
- •Характеристика интеллектуальной системы прогнозирования.
- •Концептуальная модель (км) производства.
- •Глава 8. Архитектура интеллектуальных систем.
- •8.1. Структура интеллектуальной системы.
- •8.2. Проектирование базы знаний.
- •Понятие знания в контексте исследуемой проблемной области.
- •Оценка пространства поиска решений.
- •Выбор способа представления знаний.
- •Структура бз и взаимодействие с другими компонентами ис.
- •8.3. Разработка механизма вывода решений.
- •8.4. Объяснение и обоснование решений.
- •8.5. Интеллектуальный интерфейс.
- •Виды интерфейса.
- •Графика.
- •Мультимедиа и гипермедиа.
- •Виртуальная реальность.
- •Естественный язык.
- •Глава 9. Инструментальные средства проектирования интеллектуальных систем.
- •9.1. Анализ традиционных языков программирования и представления знаний.
- •9.1.1. Специализированный язык lisp.
- •9.1.2 Фрейм – ориентированный язык frl.
- •9.1.3 Язык логического программирования prolog.
- •9.1.4. Продукционный язык ops.
- •9.2. Современные программные средства построения интеллектуальных систем.
- •9.2.1. Объектно-ориентированный язык Visual Basic.
- •Возможности языка Visual Basic для создания эс.
- •9.2.2. Язык логического программирования Visual Prolog.
- •9.2.3. Интегрированная инструментальная среда guru.
- •9.2.4. Интегрированная инструментальная среда g2 для создания интеллектуальных систем реального времени.
- •Использование мощности объектно-ориентированного программирования
- •Работа в Реальном времени
- •Динамическое моделирование и моделирование для анализа " что- если "
- •Раздел IV. Прикладные интеллектуальные системы в экономике.
- •Глава 10. Интеллектуальная система планирования производства.
- •10.1 Производственная программа предприятия и календарное планирование.
- •10.2 Исследование предметной области и системы управления производством. Характеристика объекта управления нефтеперерабатывающего производства
- •Технология плановых расчетов.
- •Интегрированное автоматизированное управление производством.
- •10.3. Специфика функционирования и архитектура интеллектуальной системы планирования и управления производством.
- •10.4. Имитационное моделирование процесса расчета плана. Формализация задачи планирования нефтеперерабатывающего производства на основе имитационного моделирования.
- •Принципы реализации имитационной модели планирования нефтеперерабатывающего производства
- •2. Для каждой стадии определяется расчетная схема, в виде совокупности отношений, определяющих расчет производственной программы установок входящих в данную стадию.
- •10.5. Учет неопределенности в системе.
- •Процедуры принятия решений при планировании производства во взаимодействии с имитационной моделью планирования в эис
- •Глава 11. Динамическая интеллектуальная система оперативно – диспетчерского управления предприятием.
- •11.1. Оперативно – диспетчерское управление предприятием
- •11.2 Функционирование интеллектуальной системы диспетчерского управления в составе исуп в реальном времени.
- •3) Рекомендации пользователю по действиям в сложившейся производственной ситуации.
- •11.3 Представление знаний и вывод решений в системе. Фреймово – продукционная модель представления заданий в иис.
- •Механизм вывода решений и рекомендаций в иис.
- •11.5 Имитационная прогнозирующая модель для оперативных интервалов времени
- •11.5.1 Принципы построения имитационной прогнозирующей модели.
- •11.5.2 Построение имитационной модели производства на базе Сети Петри.
- •11.5.3 Моделирование неопределенности ситуаций в имитационной прогнозирующей модели
- •11.5.4 Процедуры принятия решений при диспетчерском управлении во взаимодействии с имитационной прогнозирующей моделью иис.
- •Глава 12. Информационно-аналитические системы поддержки решений в маркетинге.
- •12.1. Процесс управления маркетингом.
- •12.2. Информационно – аналитические системы поддержки маркетинговых решений.
- •Типы структур управления торговыми сетями.
- •Классификация каналов связи.
- •Системы crm.
- •12.4 Интернет – маркетинг и электронная коммерция.
- •Глава 13. Информационно-аналитическая система поддержки банковских решений.
- •13.1. Анализ предметной области.
- •Система управления кредитными операциями
- •13.2. Система оценки кредитоспособности заемщика.
- •Анализ финансового состояния заемщика.
- •Система финансовых коэффициентов (рейтинг заемщика).
- •Ликвидные средства 2-го класса
- •Ликвидные средства 3-го класса
- •Объем и структура долговых обязательств
- •Рейтинг заемщика
- •Моделирование бизнес-процессов в системе.
- •Визуальное моделирование.
- •Предоставление вариантов использования.
- •Логическое представление
- •Регистрация нового клиента
- •Анализ финансового состояния заемщика
- •13.4. Архитектура системы и характеристика функциональных блоков.
- •Подсистема анализа залоговых средств
- •Подсистема учета кредитной истории
11.5.4 Процедуры принятия решений при диспетчерском управлении во взаимодействии с имитационной прогнозирующей моделью иис.
В процессе выработки решений и управляющих воздействий при диспетчерском управлении оценивать их обоснованность и проверять реализуемость возможно при помощи прогнозирующей ИМ. На ИМ возможно получать оперативные прогнозы по рекомендациям ЭИС, а также по решениям, вырабатываемым пользователями системы. Необходимость обоснования решений, выдаваемых исходя из состояния БЗ, связана с тем, что в условиях достаточно быстрого изменения параметров производственного процесса, рекомендации; ИИС могут в ряде случаев быть недостаточно адекватными текущей ситуации. Это возможно несмотря на то, что происходит постоянная актуализация состояния БЗ и корректировка MMG при мониторинге производственной системы. Так как прогнозирующая ИМ также связана с ММС, некоторые ее параметры также перенастраиваются. Однако, процесс реакции системы на текущие изменения достаточно инерционен и корректировка параметров происходит с некоторой заданной периодичностью. С другой стороны, подстройка параметров и характеристик объектов в ММС может не означать соответствующей полной адекватности при верификация знаний в БЗ.
Т.о., для увеличения доверия пользователя к решениям ИИC, помимо объяснения выводов, желательно их обоснование на основе прогнозирования возможных последствий. Основные компоненты производственного процесса, их структурная реализация, основные потоки достаточно стабильны и не подвержены значительным изменениям на коротких временных интервалах. Поэтому решения и рекомендации ИИС, а также запросы пользователей системы можно достаточно успешно оценивать и анализировать путем прогонов на прогнозирующей ИМ.
Этапы работы с ИМ следующие:
- ввод исходных данных и настройка модели;
- проведение расчетов;
- анализ результатов.
Настройка модели состоит из следующих процедур:
- задание технологического куста, по которому необходимо получение прогноза, а значит соответствующих установок и групп резервуаров;
- задание изменений параметров или структурных изменений, действие которых на процесс необходимо проанализировать;
- настройка объектов производственного процесса на текущую ситуацию, т.е. определение подключенных резервуаров, их режимов работы и уровней, определение режимов работы установок (нагрузки, коэффициенты отбора) и потоков продуктов и т.д., определение входных и выходных позиций переходов. Настройка производится автоматически при обращении к MMС БЗ, где отражено текущее состояние процесса; - задание интервала прогнозирования.
В результате формируются исходные предпосылки для расчета на ИМ. Далее осуществляется запуск ИМ и реализуется процедура расчета. Организация ИМ на базе СП такова, что на каждой дискрете моделирования (сутки) срабатывание каждого перехода происходит один раз.
Процесс расчета осуществляется следующим образом. На каждом такте происходит срабатывание переходов, все входные позиции которых маркированы, и происходит новое перераспределение фишек. Перед каждым тактом срабатывания переходов проводятся расчеты по всем элементам (резервуарам) сложных маркированных позиций, которые принадлежат либо множествам входных элементов этих переходов, либо множествам выходных элементов переходов с предыдущего такта. Расчет по элементам сложных позиций, т.е. расчет баланса резервуаров, осуществляется с учетом: начального уровня резервуара и либо входного потока в резервуар (если он принадлежит множеству входных элементов перехода с предыдущего такта и значит подключен к этой установке ), либо выходного потока их резервуара (если он принадлежит множеству входных элементов перехода со следующего такта). Если элемент принадлежит этим двум множествам одновременно, то при расчете баланса учитываются все три величины.
После очередного такта срабатывания переходов проводятся расчеты по всем сработавшим переходам.
Расчет по переходу означает определение выпуска продукции по всей номенклатуре установки на основе заданной нагрузки и рецептуры. Эти данные фиксируются для представления пользователю и анализа после завершения работы ИМ. После этого происходит новое перераспределение фишек по позициям СП согласно их принадлежности ко множествам выходных позиций сработавших переходов и определяются переходы для срабатывания в следующем такте.
Далее перед следующим тактом срабатывания очередных переходов проводятся расчеты по всем элементам сложных маркированных позиций, принадлежащих множествам выходных элементов только что сработавших переходов и элементам, принадлежащим к множествам входных элементов переходов, которые должны сработать в следующем такте.
Таким же образом расчеты проводятся по всем срабатывающим переходам и связанным с ними элементам сложных маркированных позиций по всем тактам до полной достижимости СП.
В случае возникновения узких мест или критических ситуаций, связанных с нормальной работой установок или переполнением и опорожнением резервуаров до критического уровня, происходит обращение к БП ММ для разрешения этих ситуаций и продолжения расчета. Т.е., если например перед очередным тактом срабатывания переходов анализ баланса емкостей выявил, что какой-либо элемент на входе перехода, готового к срабатыванию, опорожнен до минимума, то следующего такта не происходит, а ИМ обращается к БП с целью определения другого элемента этой сложной позиции, который в наибольшей степени в данной производственной ситуации подходит для переключения на вход этого перехода. В результате запроса к БП, в котором позиция (а значит перечень ее элементов, т.е. номера резервуаров) и характер критической ситуации, происходит взаимодействие БП с ММС в базе знаний ИИС, в результате которого в БП поступают текущие значения уровней этих элементов. Далее на основе заложенной БП функции принадлежности, соответствующей этому типу ситуации и этой группе резервуаров, определяются ее значения для их уровня. Эти данные служат основанием для инициализации соответствующего правила по выбору необходимого резервуара (элемента).
Происходит корректировка множеств входных и выходных элементов соответствующих переходов и расчет продолжается.
Аналогично происходит разрешение узких мест, связанных с переходами (установками). Только в этом случае осуществляется выбор наиболее приемлемый в данной ситуации рецептуры или нагрузки установки.
Правила предпочтения и выбора, характер и аппроксимированная форма распределения функций принадлежности объектов и режимов работы конкретным ситуациям определяются эмпирически при корректировке ИМ и БП с учетом предпочтений и опыта экспертов и позволяют в определенной мере моделировать действия персонала при разрешении критических ситуаций и узких мест.
В случаях, если достижимость СП невозможна, или устранение узких мест регулировками из БП не дает результатов, либо в позиции нет ни одного элемента, способного заменить вышедший из строя, пользователю выдается информация, что при реализации данной рекомендации ИИС или его варианта рекомендации в перспективе возможно возникновение неустранимых узких мест.
Если же на горизонте прогнозирования расчеты проходят успешно, пользователь получает результаты работы ИМ для анализа.
Время получения прогноза по необходимому варианту вполне приемлемо для диспетчера в смысле оперативности, так как ему нет необходимости вводить много исходных данных - они вводятся автоматически из ММС ИИС при настройке ИМ. Кроме того, сам прогон на ИМ необходимого варианта занимает небольшое время, т.к. при реализации модели основывались на принципах, описанных выше.
