Разработка автоматизированной информационной системы по планированию себестоимости производства рас-тениеводческой продукции

style="text-align:justify">• синтез электрических цепей — SYN и др.

                                 Прогнозирование. Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций. В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой значения параметров "подгоняются" под заданную ситуацию. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками.

• предсказание погоды — система WILLARD;

• оценки будущего урожая — PLANT;

• прогнозы в экономике — ECON и др.

                                 Планирование. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции. В таких ЭС используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности.

• планирование поведения робота — STRIPS;

• планирование промышленных заказов — ISIS;

• планирование эксперимента — MOLGFN и др.

                                 Обучение. Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказывают правильные решения. Они аккумулируют знания о гипотетическом "ученике" и его характерных ошибках, затем в работе способны диагностировать слабости в знаниях обучаемых и находить соответствующие средства для их ликвидации. Кроме того, они планируют акт общения с учеником в зависимости от успехов ученика с целью передачи знаний.

• обучение языку программирования Лисп в системе "Учитель Лиспа";

• система PROUST — обучение языку Паскаль и др.

В общем случае все системы, основанные на знаниях, можно подразделить на системы, решающие задачи анализа, и на системы, решающие задачи синтеза. Основное отличие задач анализа от задач синтеза заключается в следующем: если в задачах анализа множество решений может быть перечислено и включено в систему, то в задачах синтеза множество решений потенциально строится из решений компонентов или подпроблем. Задача анализа — это интерпретация данных, диагностика; к задачам синтеза относятся проектирование, планирование. Комбинированные задачи: обучение, мониторинг, прогнозирование.

2.             По связи с реальным временем

                                 Статические ЭС разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются во времени. Они стабильны.

• Диагностика неисправностей в автомобиле.

                                 Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.

• Микробиологические ЭС, в которых снимаются лабораторные измерения с технологического процесса один раз в 4 - 5 ч (производство лизина, например) и анализируется динамика полученных показателей по отношению к предыдущему измерению.

                                Динамические ЭС работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацией поступаемых данных.

•Управление гибкими производственными комплексами, мониторинг в реанимационных палатах и т.д. Пример инструментария для разработки динамических систем — G2.

Рис. 1 Окно диагностической программы G2

3.             Классификация по типу ЭВМ

На сегодняшний день существуют:

• ЭС для уникальных стратегически важных задач на суперЭВМ (Эльбрус, CRAY, CONVEX и др.);

• ЭС на ЭВМ средней производительности (типа ЕС ЭВМ, mainframe);

• ЭС на символьных процессорах и рабочих станциях (SUN, APOLLO);

• ЭС на мини- и супермини-ЭВМ (VAX, micro-VAX и др.);

• ЭС на персональных компьютерах (IBM PC, MAC II и подобные).

4.             Классификация по степени интеграции с другими программами

                                Автономные ЭС работают непосредственно в режиме консультаций с пользователем для специфически "экспертных" задач, для решения которых не требуется привлекать традиционные методы обработки данных (расчеты, моделирование и т.д.).

                                Гибридные ЭС представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (например, математическую статистику, линейное программирование или системы управления базами данных) и средства манипулирования знаниями. Это может быть интеллектуальная надстройка над ППП или интегрированная среда для решения сложной задачи с элементами экспертных знаний.

Несмотря на внешнюю привлекательность гибридного подхода, следует отметить, что разработка таких систем являет собой задачу, на порядок более сложную, чем разработка автономной ЭС. Стыковка не просто разных пакетов, а разных методологий (что происходит в гибридных системах) порождает целый комплекс теоретических и практических трудностей [13].

Рис. 2 Классификация экспертных систем

Вторая классификация.

По назначению ЭС делятся на:

1.                  ЭС общего назначения.

2.                  Специализированные ЭС:

                                              проблемно-ориентированные для задач диагностики, проектирования, прогнозирования

                                              предметно-ориентированные для специфических задач, например, контроля ситуаций на атомных электростанциях.

По степени зависимости от внешней среды выделяют:

1.                  Статические ЭС, не зависящие от внешней среды.

2.                  Динамические, учитывающие динамику внешней среды и предназначенные для решения задач в реальном времени. Время реакции в таких системах может задаваться в миллисекундах, и эти системы реализуются, как правило, на языке С++.

По типу использования различают:

1.                  Изолированные ЭС.

2.                  ЭС на входе/выходе других систем.

3.                  Гибридные ЭС или, иначе говоря, ЭС интегрированные с базами данных и другими программными продуктами (приложениями).

По сложности решаемых задач различают:

1.                  Простые ЭС - до 1000 простых правил.

2.                  Средние ЭС - от 1000 до 10000 структурированных правил.

3.                  Сложные ЭС - более 10000 структурированных правил.

По стадии создания выделяют:

1.                  Исследовательский образец ЭС, разработанный за 1-2 месяца с минимальной БЗ.

2.                  Демонстрационный образец ЭС, разработанный за 2-4 месяца, например, на языке типа LISP, PROLOG, CLIPS

3.                  Промышленный образец ЭС, разработанный за 4-8 месяцев, например, на языке типа CLIPS с полной БЗ.

4.                  Коммерческий образец ЭС, разработанный за 1,5-2 года, например, на языке типа С++, Java с полной БЗ.

1.2 Функции и структура экспертных систем

Специалисты, принимающие решения, при выполнении различных задач обычно осуществляют следующие “мыслительные” процедуры и действия для достижения наилучшего результата:

1.              делают вывод на основе анализа полных, неполных и ненадежных знаний;

2.              объясняют и обосновывают, почему они пришли к тому или иному выводу;

3.              пополняют свои знания, заново их систематизируют, обучаются на своем и чужом опыте;

4.              делают исключения из правил, используют противоречивую и неправдоподобную информацию;

5.              определяют уровень своей компетентности, т.е. определяют, могут ли они принимать решение в данном случае или нет [4].

В самом общем случае для того, чтобы построить экспертную систему, нужно разработать механизмы выполнения следующих функций системы:

                 решение задач с использованием знаний о конкретной предметной

                 области возможно, при этом возникнет необходимости иметь дело с неопределенностью;

                 взаимодействие с пользователем, включая объяснение намерений и решений системы во время и после окончания процесса решения задачи.

Каждая из этих функций может оказаться очень сложной и зависит от прикладной области, а также от различных практических требований. В процессе разработки и реализации могут возникать разнообразные трудные проблемы.

Как правило ни одна из экспертных систем не выполняет все эти функции в полной степени, обычно используются первые две, поэтому считается, что главным отличием экспертных систем от других программ, предназначенных для этих же целей, является способность ЭС манипулировать неполными и неточными данными. ЭС обязаны принимать решения, основываясь не только на математической логике, но и на “человеческом мышлении”. Причем система должна уметь объяснять, почему она пришла к тому или иному выводу [10].

Структура экспертной системы состоит из следующих элементов:

                                 Решатель, или подсистема логического вывода, представляет собой программу, обеспечивающую автоматический вывод решения формулируемых пользователем или экспертом задач на основе знаний, хранящихся в базе.

                                 База знаний и решатель вместе составляют основную часть - ядро ЭС. В ряде источников к ядру ЭС относят только базу знаний. Инженер по знаниям - специалист по искусственному интеллекту, помогающий эксперту вводить знания в базу знаний.

                                 Эксперт - специалист в предметной области, способный принимать экспертные решения и формулирующий знания о предметной области для ввода их в базу знаний.

                                 Редактор базы знаний - это программа, предназначенная для ввода в базу знаний новых знаний о предметной области для представления их в базе знаний.

                                 Пользователь ЭС является специалистом в данной предметной области, квалификация которого уступает квалификации эксперта.

                                 Интерфейс пользователя есть комплекс программ, обеспечивающих удобный диалог с ЭС при вводе запросов на решение экспертных задач неполучении результатов.

                                 Подсистема объяснений представляет собой программу, которая позволяет пользователю выполнить трассировку логического вывода и получить мотивировку умозаключений на каждом этапе цепочки вывода. Конкретная экспертная система создается в результате совместной работы инженера по знаниям и эксперта. Взаимодействие пользователя с ЭС осуществляется через интерфейс пользователя на близком к естественному или профессиональному языку предметной области непроцедурном языке. При этом производится трансляция предложений на язык представления знаний (ЯПЗ) экспертной системы. Описание запроса на ЯПЗ поступает в решатель, в котором на основе знаний из базы выводится решение поставленного запроса в соответствии с некоторой стратегией выбора правил. С помощью подсистемы объяснений производится отображение промежуточных и окончательных выводов, объяснение применяемой мотивировки.

                                 Интеллектуальный пакет прикладных программ (ИППП) можно определить как интегрированную систему, позволяющую пользователю решать задачи без программирования — путем описания задачи и исходных данных. Программирование осуществляется автоматически программой планировщиком из набора готовых программных модулей, относящихся к конкретной предметной области. В числе примеров ИППП можно назвать систему ПРИЗ, в которой пользователь формирует свою задачу на непроцедурном языке УТОПИСТ. Еще одним примером ИППП является система СПОРА, в которой формирование задачи пользователь выполняет на непроцедурном языке ДЕКАРТ.

К числу ИПП П относятся решатели вычислительных задач. Ниже мы рассмотрим решатель вычислительных задач ТК Solver, с помощью которого можно описывать и решать задачи вычислительного характера без программирования [15].

Рис. 3 Структура экспертной ситемы

1.3 Программы экспертных систем

1.3.1 EXPRO 6

Экспертная система EXPRO 6 предназначена для решения трудно формализуемых научно-технических и экономических задач. Она может быть использована на предприятиях, НИИ и КБ для технико-экономического анализа производства, выбора и обоснования проектных решений, определения технологических параметров процессов изготовления изделий, оценки качества продукции, диагностики технических систем и пр.

Экспертная система работает в двух режимах:

         Создание базы знаний.

         Решение задач предметной области.

Источниками знаний могут быть квалифицированные специалисты (эксперты) и источники информации (книги, нормативно-техническая документация, электронные документы).