4. Загальна характеристика аіс "бас: Підприємство" (м.Суми)

Програмний комплекс "БАС" (м.Суми) є засобом розробки складних інформаційних управлінських систем. Автоматизована система містить програмні модулі для автоматизації всих ділянок бухгалтерського обліку (облік ОЗ, облік праці та ЗП, облік фінансово-розрахункових операцій, зведений облік та ін.). Засоби конфігурування дозволяють з мінімальним обсягом програмуваання автоматизувати більшість управлінських задач (планування, оперативний облік). База даних, розроблена під управлінням Microsoft SQL Server 2000, складається з двох частин. Перші дві містять системні процедури, функції, конфігурацію, засоби адміністратора бази даних. Прикладна база даних містить опис предметної області, а також процедури, що описують процеси введення, виведення та обробки даних. 54. Експертні системи в автоматизованих інформаційних системах

Інформаційні технології експертних систем. Зміна поколінь обчислювальної техніки прирівнюється до чергової науково-технічної революції, і це не перебільшення. З появою нового покоління ЕОМ не тільки став вирішуватися принципово новий клас задач у всіх галузях науки і техніки, але й істотно розширюються можливості при вирішенні традиційних задач на новому, більш якісному, рівні. Більш високий якісний рівень у рішенні задач передбачає, насамперед, забезпечення необхідною й достатньою інтелектуальною підтримкою. Інтелектуалізація інформаційно-обчислювальних систем має на увазі використання не тільки нового покоління інструментальних засобів, але і нового покоління математичного, алгоритмічного і програмного забезпечення. В сучасних умовах широкого розповсюдження набули інформаційні технології, засновані на останніх розробках в області штучного інтелекту – технології експертних систем (ЕС).

Поняття та класифікація систем штучного інтелекту. При визначенні штучного інтелекту використовують три підходи - за виконуваними функціями; - за механізмами роботи; - за галузями знань.

Відповідно до першого підходу під штучним інтелектом тут розуміють сферу досліджень, в межах якої розробляються моделі та методи вирішення задач, що є інтелектуальними й не піддаються формалізації та автоматизації [1].

Для другого підходу використовують таке визначення поняття "штучного інтелекту" : "Штучний інтелект" – це сфера досліджень, в якій вивчаються системи, що формулюють результатний висновок для задач з невідомим алгоритмом вирішення на основі неформалізованої вхідної інформації, використовують технології символьного програмування й засоби обчислювальної техніки зі спеціальною (не фон Неймановською) архітектурою .

Визначенням для третього підходу є: "Штучний інтелект" – це область знань, яка застосовується для вирішення задач, що пов’язані з обробкою інформації на природній мові, автоматизацією програмування, управлінням роботами, машинним зором, автоматичним доведенням теорем, розумними машинами добування інформації та ін.

Можна розглядати також узагальнене визначення: "штучний інтелект" – це наукова дисципліна, завданням якої є розробка математичного опису функцій інтелекту людини з метою апаратної, програмної, технічної реалізації цього опису засобами обчислювальної техніки [2].

Останнім часом багато спеціалістів пропонують замість терміну "штучний інтелект" використовувати термін - нова інформаційна технологія вирішення інженерних задач, що підкреслює приоритетну роль пошуку, аналізу, та синтезу інформації в системах штучного інтелекту.

Під інтелектуальною системою (ІнС) будемо розуміти інформаційно-обчислювальну систему з інтелектуальною підтримкою при вирішенні задач без участі оператора (особи, що приймає рішення - ОПР). Інтелектуальна система здатна приймати рішення в умовах: - необхідності обробляти й аналізувати великий масив інформаційної бази даних; - обмеженої інформації; - невизначеності; - багатомірного простору; - необхідності розпізнавати ситуацію (образи, сцени); - різних стадій життєвого циклу об'єктів (процесів) - проектування, виробництва, експлуатації; - динамічних, еволюційних, нестаціонарних фактів, що впливають на вирішення задачі; - формалізації і представлення знань; - адаптації, самонавчання, самоорганізації.

Всі існуючі ІнС можна розділити на два класи: загального призначення (СЗП) і спеціалізовані (СС) (рис.2).

До ІнС загального призначення відносяться ті, котрі не тільки виконують задані процедури, але на основі метапроцедур пошуку генерують і виконують процедури вирішення нових конкретних задач. До спеціалізованих ІнС віднесені ті, котрі виконують вирішення фіксованого набору задач, визначеного при проектуванні системи. Для використання таких систем потрібно наповнити їх даними, що відповідають вибраній предметній області та прикладним задачам. Донедавна при розробці спеціалізованих ІнС використовувалася технологія традиційного (процедурного) програмування, що дозволяло забезпечити їх високу ефективність. Однак ця технологія істотно обмежувала здатність ІнС адаптуватися при зміни їх оточення, що украй важливо при вирішенні багатьох інтелектуальних задач. У зв'язку з цим останнім часом для усунення цього недоліку окремі види ІнС (системи мовного спілкування, обробки зображень і т.д.) стали розробляти, використовуючи технологію інженерії знань, як експертні системи. Прикладами спеціалізованих Инс є, наприклад, інтелектуальні діалогові системи.

Найбільш широкого розповсюдження на практиці останнім часом набули системи штучного інтелекту, засновані на знаннях. Технологія використання таких систем полягає в наступному. Користувач-оператор (експерт) формує знання (дані і правила), що описують певну предметну область (прикладні задачі). Потім на підставі цих знань, заданої мети і вхідних даних метапроцедури системи генерують і виконують процедуру вирішення конкретної задачі. Дану технологію називають технологією систем, заснованих на знанні, або технологією інженерії знань. Під знаннями в системах штучного інтелекту розуміють інформацію про предметну область, яка подана певним чином та використовується в процесі логічного виводу. Форма представлення знань має відмінність від форми представлення даних. Як відомо, під даними в автоматизованих інформаційних системах розуміють факти, представлені в формалізованому вигляді, що дозволяє передавати, зберігати та обробляти ці дані за допомогою деякого процесу. На відміну від даних, знання передбачають зосередження не тільки фактів (первинних даних), але й додаткових даних, які описують (інтерпретують) первинні дані з точки зору таких складових: того, що собою являють ці дані, які між ними наявні зв’язки, які дії з ними та яким чином можна виконувати та т.ін. В системах, заснованих на знаннях, передбачається, що вхідні знання здатні у відповідності із запитами користувачів до системи породжувати нові знання. При цьому сама процедура породження нових знань називається логічним виводом. Термін "логічний" тут означає, що системи моделюють розумову діяльність людини тільки на логічному (а не на фізіологічному) рівні і, окрім того, основним математичним апаратом, що використовується в системах такого типу, є апарат математичної логіки.

До систем штучного інтелекту, які повністю засновані на знаннях, відносять експертні система та інтелектуальні пакети прикладних програм (ІППП). Експертна система - складний програмний комплекс, що акумулює у формальному вигляді знання фахівців у конкретних предметних областях. Під ІППП розуміють інструментальні пакети прикладних програм, в яких механізм зборки окремих підпрограм (вирішення окремих задач) в загальну програму вирішення потрібної задачі здійснюється автоматично, але на основі механізму логічного виводу.

В системах, що самоорганізуються реалізується спроба здійснити моделювання інтелектуальної діяльності людини не на логічному, а на фізіологічному рівні роботи головного мозку. В даному випадку мозок людини моделюється мережею ідеальний нейронів. При впливі на таку мережу деяких подразників вона починає виробляти адекватну реакцію, тобто здібна до самонавчання шляхом самоорганізації. Головна ідея, що покладена в основі створення нейромереж, базується на теоремі Мак-Каллока й Піттса , яка стверджує: будь-яку обчислювальну функцію можна реалізувати за допомогою мережі ідеальних нейронів.

Третій напрямок розробки систем штучного інтелекту пов’язаний з реалізацією евристичного підходу при створенні таких систем. Методологічною основою систем евристичного пошуку є твердження про те, що будь-яка інтелектуальна діяльність починається з деяких даних й завершується отриманням певних результатів також у вигляді даних. Якщо технічний пристрій дозволяє за аналогічними вхідними даними отримати еквівалентні результати, то цей пристрій може бути віднесений до інтелектуальних. При цьому механізм переробки вхідних даних в результати не обмовляється й може бути зовсім іншим порівнюючи з реальним. Широке розповсюдження цей напрямок отримав при вирішенні різноманітних ігрових задач (шахи, шашки), робототехнічних системах. Слід відмітити, що специфіка евристичного підходу така, що методика створення програм для вирішення інтелектуальних задач в одній області практики, як правило, не застосовується в інших областях. Необхідність зміни характеру впливових факторів при вирішенні прикладних задач викликає суттєву перебудову програми в цілому.

При розробці інтелектуальних робототехнічних систем основна задача полягає у вирішенні теоретичних та практичних питань організації цілеспрямованої поведінки рухомих роботів, обладнаних сенсорними та виконавчими механізмами. Принципова відмінність робототехнічних систем від систем штучного інтелекту інших типів полягає в тому, що ці системи не тільки сприймають інформацію із навколишнього середовища й виробляють на її основі оцінювані висновки, але й, відповідно до цих висновків, вносять зміни в навколишнє середовище. На сьогодні знаходять застосування на виробництві робототехнічні системи з відносно простими сенсорними та виконавчими механізмами, які здатні виконувати дії тільки в простих середовищах із заздалегідь зафіксованими властивостями.

Структура та призначення експертних систем. Рішення спеціальних задач вимагає спеціальних знань. Однак не кожне підприємство може собі дозволити тримати в штаті експертів з всіх проблем, що зустрічаються, або навіть запрошувати їх щораз, коли проблема виникла. Головна ідея використання ЕС полягає в тому, щоб одержати від експерта його знання, і, завантаживши їх у пам'ять комп'ютера, використовувати всякий раз, коли в цьому виникне потреба. Величезний інтерес до ЕС з боку користувачів викликаний, принаймні, трьома причинами: - по-перше, вони орієнтовані на вирішення широкого кола задач у неформалізованих областях, на додатки, що донедавна вважалися малодоступними для обчислювальної техніки; - по-друге, за допомогою ЕС фахівці, які не знають програмування, можуть самостійно розробляти необхідні для них додатки, що дозволяє різко розширити сферу використання обчислювальної техніки; - по-третє, ЕС при вирішенні практичних задач досягають результатів, що іноді переважають можливості людей-експертів, не оснащених ЕОМ. Ще одна перевага експертних систем виражається в здатності ЕС пояснювати свої міркування в процесі одержання рішення на відміну від інших інтелектуальних систем. Основні сфери застосування експертних систем:

- Діагностика – визначення стану ЕС. Найвідомішими є медичні діагностичні системи, які використовуються для встановлення зв’язку між фактами порушення діяльності організму та можливими причинами виникнення порушень.

- Інтерпретація – визначення сутності даних, що спостерігаються. Інтерпретувальні системи можуть робити певні висновки на підставі результатів спостереження.

- Планування – визначення програми дій відповідно до певного критерію. Планувальні системи призначені для досягнення конкретних цілей при розв’язуванні задач з великою кількістю змінних.

- Контроль й управління – моніторинг і контролінг розвитку ситуації. Інтелектуальні системи можуть приймати рішення, аналізуючи дані, що надходять з кількох джерел. Такі системи застосовують в управлінні фінансовою діяльністю підприємства, сприяють прийняттю рішень у кризових ситуаціях.

- Навчання – здобуття певних знань й оцінювання результатів. ЕС можуть входити як складова частина до комп’ютерних систем навчання. ЕС одержує інформацію про діяльність особи , яка навчається, й оцінює дані, аналізуючи її поведінку.

Ідеологію експертної системи втілює формула:

ЗНАННЯ +ВИСНОВОК = СИСТЕМА

Виходячи з цієї формули, структура ЕС включає в себе чотири основні елементи: - інтерфейс користувача - забезпечує користувачеві можливість вести діалог із системою; - база знань - накопичує знання про проблему, яку передбачається вирішити; - інтерпретатор призначений для обробки знань, що містяться в базі знань. Експерт і системний аналітик використовують модуль створення системи для розробки системи (рис.3).

Р ис.3. Структура експертної системи

Інтерфейс користувача. Інтерфейс користувача використовується менеджером для введення інформації та інструкцій у ЕС й одержання вихідної інформації з неї. Інструкції містять у собі параметри, що направляють процес обробки знань. Інформація здебільшого видається у формі значень, що присвоюються певним змінним. Для входу в ЕС може використовуватися чотири методи введення: меню, команди, природна мова і власний інтерфейс. Особливістю виходу ЕС є можливість одержати не тільки рішення, але і необхідні пояснення. Розрізняють два види пояснень:

- пояснення, видавані за запитами . Користувач у будь-який момент може зажадати від ЕС пояснення своїх дій.

- пояснення рішення проблеми. Після одержання результату рішення користувач може зажадати пояснень того, як воно було отримано. Система повинна пояснити кожен крок своїх міркувань, що ведуть до вирішення задачі. Хоча робота з ЕС не є простою справою, інтерфейс користувача цих систем є дружнім, і звичайно не викликає труднощів при веденні діалогу.

База знань містить факти, що описують проблемну область, а також логічний взаємозв'язок цих фактів. Найбільш популярним способом представлення знань є використання правил. Правило визначає, що варто робити в даній конкретній ситуації, і складається з двох частин: умови, що може виконуватися або не виконуватися, і дії, яку варто зробити, якщо умова виконується. Приклад правила: "Якщо обсяг продаж скоротився більш ніж на 40%, варто припинити виробництво в цеху С". Усі використовувані в даної ЕС правила утворять систему правил, що навіть для порівняно простої системи може складати кілька тисяч правил.

Хоча правила , що входять у систему правил даної ЕС, фізично не зв'язані, їх логічний взаємозв'язок може бути проілюстрована ієрархічною схемою. Правила, що знаходяться внизу ієрархії, є умовами істинності правил, розташованих на більш високих рівнях. Істинність правил верхніх рівнів забезпечує одержання рішення.

Верхній рівень ієрархії правил, що має тільки один елемент, показує, що розглянута проблема має тільки одне рішення. При цьому під рішенням може розумітися визначення величини змінної, вибір одного з об'єктів, можливих дій або рекомендацій. Так, наприклад, для ЕС, використовуваної для одержання рекомендацій про можливості виходу на ринок з новим продуктом, рішенням буде вважатися одержання відповіді "Так" або "Ні". Наявність на верхньому рівні ієрархії правил декількох елементів говорить про те, що дана проблема може мати кілька рішень. Наприклад, ЕС, призначена для вироблення рекомендацій з підвищення конкурентноздатності продукції, що випускається, може запропонувати для цього такі стратегії як підвищення якості продукції, зниження її ціни або збільшення витрат на рекламу.

Основними труднощами у використанні правил для представлення знань є ефективний добір потрібних правил з бази даних. представлено ієрархію з п'ятнадцяти правил, що дає можливість ідентифікувати сім можливих об'єктів (видів тварин). Кружками на малюнку позначені правила, прямокутниками - умови, а стрілками, що ведуть вверх від кружків, - дії або рішення. Використовуючи цю ЕС, можна, наприклад, визначити, що досліджувана тварина є птахом, на підставі тільки правила R3 (має пір’я) або R4 (літає й несе яйця).Інтерпретатор. Інтерпретатором називається частина ЕС, що здійснює у визначеному порядку обробку знань, які містяться в базі знань. У процесі роботи інтерпретатор послідовно розглядає правило за правилом. Якщо умова, що міститься в правилі, дотримується, виконується визначена дія. Розділяють пряму і зворотну обробку знань.

При прямій обробці правила розглядаються одне за одним у прямої послідовності. При цьому ЕС оцінює, чи виконуються умови, що міститься в кожнім правилі. Якщо умова виконується (умова істинна), правило вважається виконаним. Якщо - ні (умова помилкова), правило вважається невиконаним. Можлива також ситуація, коли умова не визнається ні істинною, ні помилковою (коли, наприклад, умова містить змінні, значення яких невідомі). У цьому випадку умова вважається невідомою.

Часто для одержання рішення процес розгляду всього набору правил повторюється кілька разів. Це пов'язано з тим, що для оцінки деяких правил може знадобитися інформація, яка буде отримана тільки в результаті оцінки наступних на ними правил. У таких випадках оцінка попередніх правил буде зроблена в наступній ітерації обробки набору правил. Коли наступні ітерації вже не приводять до оцінки нових правил, процес обробки припиняється.

На рис. 5 наведено приклад прямого мислення (прямій обробки знань). У прямокутниках поміщені правила. Лінії, що з'єднують правила, виражають їх логічний взаємозв'язок. Так, наприклад, Правило 4 не може бути виконане доти, поки не буде виконане Правило 7. Правило 1 варто розуміти так: " Якщо умова А істинна, виконується дія В". Умови можуть містити одну змінну, дві і більше. Якщо умова містить декілька змінних, то ці змінні пов'язуються одна з одною за допомогою логічних операцій "І" та "АБО". Правило 7 , що містить операцію "АБО", виконується, якщо хоча б одна з умов В або D істинна. Правило 10, що включає в себе операцію "І", буде виконуватися тільки у випадку, якщо обидві умови К та L істинні. Допустимо, що метою розглянутої на рис.5 ЕС є визначення прогнозу продажів. Правило 12 видає нам прогнозну величину продажів. Для того, щоб інтерпретатор міг зробити оцінку наведеного набору правил, менеджер повинний завчасно задати оцінки змінних, що виражають умови А, С, G та I у Правилах 1, 2, 5 та 6.

Рис.5. Процес прямої обробки правил

Ці оцінки "Іст" та "Лож" зазначені усередині відповідних прямокутників. На рисунку різним кольором заливки зазначено, у процесі якої за номером ітерації оцінене кожне правило. У даному випадку треба було три ітерації. На четвертій ітерації жодне правила не було оцінене і процес був припинений. Отримане значення змінної Р в Правилі 12 і визначило прогноз продажів. В наведеному прикладі завершальне Правило 12 було виконано вже після другої ітерації. Третя ітерація потрібна була, оскільки ще не всі правила були виконані, й існувала потенційна можливість поліпшення отриманого рішення.

При зворотній обробці правил інтерпретатор, вибираючи визначене правило, розглядає його як проблему, яку треба вирішити. Використовуючи той же самий набір правил (представлений на Рис. 5), припустимо, що інтерпретатор вибрав Правило 12. Намагаючись оцінити Правило 12, інтерпретатор з'ясовує, що попередньо повинні бути оцінені Правила 10 і 11. Після цього він розглядає Правила 10 і 11 як підпроблеми Правила 12. Зауважимо, що для виконання заключного Правила 12 досить істинності лише одного з них. Зворотна обробка правил виконується швидше, оскільки вона проводиться в процесі однієї ітерації і не вимагає обов'язкового розгляду всіх Правил, що входять у досліджуваний набір. Зворотна обробка правил ефективніша в таких випадках: - є кілька рішень; - є безліч правил; - багато правил можуть бути виключені з розгляду в процесі досягнення рішення. Багато інтерпретаторів мають можливість використовувати як пряму, так і зворотну обробку правил за бажанням користувача.

Модуль створення системи. Четвертим компонентом ЕС є модуль створення системи, використовуваний для її розробки. Цей компонент особливо важливий для створення набору (ієрархії) правил. Існують два підходи, що можуть бути покладені в основу модуля створення системи: використання алгоритмічних мов програмування і використання так званих оболонок ЕС. На ранніх стадіях розробка ЕС здійснювалася традиційними мовами програмування з реалізацією на універсальних ЕОМ. В подальшому були створені спеціалізовані апаратні та програмні засоби, а також засоби автоматизації програмування Появилися також оболонки ЕС, які призвані були суттєво спростити розробку систем.

При створенні ЕС найбільші складності викликає розробка досконалої бази знань, тобто моделювання знань експертів про деяку предметну область. Розробка всякої моделі, в тому числі й моделі знань, являє собою повністю неформалізований процес, який містить елементи творчості та строго формальні дії. Умовне співвідношення "творчості" та "науки" при створенні ЕС показано на рис.7

Рис.7 Співвідношення формальних та неформальних процедур при розробці ЕС

Розробка експертних систем складає декілька етапів , основний зміст яких відображає рис.8. Процедури уточнення, перепроектування та переформулювання не є обов’язковими. Вказані процедури характерні для розробки складних експертних систем і, як правило, передбачають проведення декількох ітерацій. Решта етапів (ідентифікація, концептуалізація, формалізація, реалізація) є обов’язковими при створенні всіх програмних систем .

Розробка експертних систем є колективною роботою, в якій приймають участь різні спеціалісти. Центральне місце в схемі взаємодії учасників створення експертних систем займає інженер із знань. Якраз він організує всі найважливіші роботи та здійснює їх координацію. Йому належить право вибору типових або замовлення нових інструментальних засобів розробки експертних систем. Він співпрацює з предметними експертами, генерує, тестує, уточнює та поповнює базу знань. Напрямок взаємодії розробників експертних систем показаний на рис.8.

Розробка експертної системи - складний, дорогий і тривалий процес. Тому виникає питання, коли ж розробка ЕС є раціональною. Найбільш конструктивну відповідь на це питання можна отримати, перевіривши міру можливості, виправданості й розумності побудови системи.

Розробка ЕС можлива при одночасному виконанні таких основних умов:задача не вимагає загальнодоступних знань;вирішення задачі вимагає тільки інтелектуальних дій;наявні компетентні експерти;експерти здатні описати свої методи вирішення задачі;експерти одностайні в своїх рішеннях.

Розробка експертної системи виправдана, коли виконується , одна із наступних основних умов:отримання рішення задачі високорентабельне;досвід людини з вирішення задачі з різних причин втрачається;кількість експертів предметної області мала;

досвід вирішення задачі затребуваний в багатьох місцях.

Розробка ЕС розумна, якщо одночасно виконується такі основні умови:задача вимагає евристичних рішень;задача вимагає оперування символами;задача не занадто проста;задача представляє практичний інтерес.