книги / Теория и методы решения многовариантных неформализованных задач выбора(с примерами из области сварки)
..pdf4.1.3. 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.
В настоящее время продукционные правила целесооб разно использовать прежде всего на начальной стадии извле чения знаний, когда при проработке литературы фиксируют ся факты, относящиеся к предметной области решаемой за дачи.
4.2.Методы теории нечетких множеств
Вработах по теории принятия решений и теории искус ственного интеллекта источником многих идей называют тео рию нечетких множеств [27, 28]. Ее создатель американский математик Л. Заде обратил внимание на то, что большая часть накопленных во всех областях знаний имеет описательный характер, при этом используются понятия, не имеющие точ ной количественной оценки. Такое положение затрудняет ис пользование богатых возможностей вычислительной техники, так как для компьютерной обработки данных требуются фор мализация и моделирование понятий и знаний.
Втеории нечетких множеств (ТНМ) введены базовые понятия «лингвистическая переменная», «нечеткое множест во» и производные от них - «нечеткая переменная», «нечет кое отношение», «терм-множество» и др. С помощью экс пертных оценок нечеткие понятия и отношения естественно го и предметно-ориентированного языков заменяются нечет кими подмножествами, которыми можно оперировать как некоторыми математическими объектами. ТНМ позволяет формально описывать объекты и явления, которые настолько сложны или некорректно определены, что не поддаются опи санию в общепринятых количественных терминах.
Применение ТНМ для решения неформализованных за дач безусловно актуально, поскольку, как отмечалось выше, преобладающая часть знаний о сварке зафиксирована в тек
стовом виде, при этом используется множество понятных для специалистов, но неопределенных по сути высказываний ти па «высокая склонность к образованию трещин», «тонкий (или толстый) металл», «сварка на малой погонной энергии», «затрудненная отделимость шлаковой корки», «жесткие тре бования по МКК» и т.п. В настоящее время издано много ли тературы по теории нечетких множеств [27, 28, 49, 59, 62 и др.], вопросы же приложения ТНМ к конкретным областям мало изучаются. Работы по применению ТНМ в сварочном производстве практически отсутствует. По данной тематике в журнале «Сварочное производство» было найдено только две статьи.
Ознакомление с базовыми положениями ТНМ позволи ло выделить области приложения ТНМ, актуальные для со вершенствования методики решения неформализованных задач, а именно [37]:
-формализация знаний;
-моделирование проектных задач и процессов сварки;
-разработка алгоритмов принятия решений;
-совершенствование автоматизированных систем.
4.2.1.Формализация нечетких понятий с помощью функций принадлежности
ВТНМ одно из центральных мест занимает методика графического представления лингвистических понятий с по
мощью функций принадлежности. Исходные положения в кратком изложении можно свести к следующему [27].
Рассматривается отношение между двумя множествами. Одно из них U= {£/}, называемое универсальным или базо вым, является числовым параметром - оно задано на непре рывном носителе (интервале действительных чисел). В сва
рочном производстве к таким параметрам можно отнести все
характеристики, задаваемые численно. Например, сварочный
ток в амперах, толщина металла, длина шва и другие размеры
вмиллиметрах, вес аппаратуры в килограммах, температура
вградусах и т.д. Другим множеством А, называемым нечет ким, является некоторое словесное понятие, которое можно охарактеризовать двумя или несколькими также словесными характеристиками. Такое понятие рассматривается как лин гвистическая переменная, а ее значения - как множество лингвистических значений (термов), образующих терм-мно жество. Лингвистическими переменными могут быть те же вышеупомянутые параметры, если их характеризуют не чис
лами, а словами. Например, значения параметров режима и толщин свариваемого металла иногда определяют как ма лые, средние или большие; значения длины сварных швов - короткие, средние, длинные; значения температур - низкие, нормальные, повышенные, высокие и т.п. Многие перемен ные могут принимать только качественные значения. Напри мер, положение шва при сварке может быть нижним, верти кальным, горизонтальным, потолочным и в лодочку.
В теории нечетких множеств лингвистическое значение некоторой переменной как количественно неопределенное (нечеткое) предлагается представлять в виде совокупности (множества) числовых значений базовой переменной, каждо му из которых приписана степень принадлежности, прини мающая значения в пределах от 0 до 1 и характеризующая соответствие между двумя рассматриваемыми понятиями (переменными).
На языке математики изложенные положения формули руются следующим образом [15, 59].
Пусть имеется некоторое универсальное |
множество |
U = {и}. Нечетким множеством А на множестве U называется |
|
совокупность пар вида |
|
л=(М«У“)» |
О1) |
где \ла: С/—►[0,1] - отображение множества U в единичный отрезок, называемое функцией принадлежности; Цл(н) - зна чение функции принадлежности для конкретного элемента, называемое его степенью принадлежности.
Физический смысл степени принадлежности трактуется как субъективная мера того, насколько элемент и е U соот ветствует понятию, смысл которого формализуется нечетким множеством А. В данном случае слово «субъективная» озна чает, что конкретное числовое значение степени принадлеж ности назначает человек - компетентный в предметной об ласти знаний специалист.
Для практических расчетов и наглядности функции при надлежности представляют аналитически и графически. В литературе по ТНМ большинство примеров иллюстрирует ся графиками функций принадлежности отдельных значений лингвистических переменных. Как правило, функции имеют вид несложных прямых, ломаных или криволинейных графи ков (рис. 24).
Как видно, лингвистическому значению переменной А соответствует не одно, а множество значений базовой пере менной U, имеющих в целом разные степени принадлежно сти рл(и). На каждом из приведенных на рис. 24 графиков имеются участки, на которых виден переход от полной при надлежности элементов и (р = 1) к полной непринадлежности (р = 0) или наоборот. Эти участки могут быть представлены прямыми или кривыми линиями. Если функция принадлеж-