Группа | Учебная литература |
---|---|
Область науки | Технические науки |
Название на русском языке | Экспертные системы в АСУ ТП |
Авторы на русском языке | Трофимов В.Б., Темкин И.О. |
Название на английском языке | Expert systems in ACS TP |
Авторы на английском языке | Trofimov V.B., Temkin I.O. |
Вид издания на русском языке | учебник |
Издательство на русском языке | Москва ; Вологда : Инфра-Инженерия, 2020. – 284 с. |
Предложены основные понятия экспертных систем, дана их классификация, описаны способы представления знаний. Детально рассмотрен полный цикл разработки экспертных систем – от извлечения и формализации знаний до программной реализации компонентов системы. Показано современное состояние и представлены тенденции развития экспертных систем для автоматизированного управления технологическими процессами в России и мире.
Для студентов, аспирантов и специалистов в области автоматизированных систем управления технологическими процессами.
Экспертные системы используются многими предприятиями для автоматизированного управления сложными технологическими объектами, повышения производительности и улучшения показателей качества продукции. Области применения экспертных систем весьма разнообразны и постоянно расширяются, увеличивается их число. Большая часть экспертных автоматизированных систем в промышленности использует базу знаний продукционного типа.
Формализация знаний в экспертных системах осуществляется в явном виде с помощью продукционных правил, семантических сетей и фреймообразных структур. Формирование начальных знаний осуществляется с помощью экспертов в режиме интерактивного человеко-машинного взаимодействия. Организация логического вывода решения обеспечивается путем явного сопоставления начальной посылки с категориями многоуровневой классификации, заданной иерархией продукционных правил или других представлений. Возможность пополнения знаний обеспечивается путем изменения продукционных правил, семантических сетей и других компонентов. Объяснение (интерпретация) принимаемых решений может быть обеспечено за счет анализа активизированной цепи логического вывода.
Типовые области применения экспертных систем: образование, научные исследования, производство, управление процессами, медицина, военное дело, инженерное дело, космическая техника, метеорология, экология, юриспруденция, маркетинг, финансы, банковское дело. Интерес к применению экспертных систем постоянно возрастает.
Диагностические экспертные системы используются для установления возможных причин нарушения деятельности объектов управления.
Прогнозирующие экспертные системы предсказывают возможные результаты или события на основе данных о текущем состоянии объекта. Планирующие экспертные системы предназначены для достижения конкретных целей при решении задач с большим числом переменных. Интерпретирующие экспертные системы обладают способностью получать определенные заключения на основе результатов наблюдений. Большинство экспертных систем включают знания, по содержанию которых их можно отнести одновременно к нескольким типам.
Для разработки таких систем привлекаются эксперты (опытные операторы, технологи), способные явно сформулировать свои знания и объяснить свои методы применения этих знаний для решения задач. Если знания экспертов в основном являются эвристическими, основанными на личном опыте, полученными методом проб и ошибок (практические знания), то применение экспертной системы является целесообразным.
Экспертные системы создают так, чтобы получаемые результаты (выдаваемые рекомендации пользователю) не уступали по качеству и эффективности решениям, получаемым экспертом.
Экспертные автоматизированные системы могут воспроизводить процесс принятия решения экспертом. Они способны частично или полностью заменить эксперта в решении проблемной ситуации, хотя их возможности и ограничены (в частности, преобразование сенсорной информации в символьную сопровождается потерей части информации).
База знаний экспертной системы представляет собой формализованные знания экспертов, позволяет накапливать знания, сохранять их длительное время и обновлять.
Можно выделить следующие отличительные особенности знаний: внутренняя интерпретируемость (при переходе к знаниям в память машины вводится информация о протоструктуре информационных единиц – специальное машинное слово, в котором указано, в каких разрядах хранятся те или иные сведения), структурированность (рекурсивная вложимость одних информационных единиц в другие), связность (отношения между информационными единицами), наличие семантической метрики (наличие отношения, характеризующего ситуационную близость информационных единиц), активность (способность к актуализации тех или иных действий в системе).
Задача представления знаний – одна из наиболее важных задач создания эффективных экспертных систем. Форма представления знаний оказывает существенное влияние на свойства экспертной системы и зависит от особенностей знаний предметной области. Однородное представление знаний приводит к упрощению механизма логического вывода, а гибридное (объединение нескольких способов представления знаний) – позволяет учитывать разнообразие, разные виды знаний, расширяет функциональные возможности системы.
Представление знаний должно быть понятным пользователю и эксперту.
Для решения задач в условиях не изменяющихся во времени исходных данных и знаний (баз знаний) используются статические экспертные системы, в противном случае – динамические. Квазидинамические экспертные системы интерпретируют ситуацию, которая не меняется только на некотором фиксированном интервале времени (например, измерение параметра технологического процесса один раз в день и анализ его значения по отношению к предыдущему).
Экспертные системы могут быть использованы на всех стадиях жизненного цикла технологических объектов и систем. Они создаются для сохранения и использования уникального опыта профессионалов.