ритм решения задачи. Возможность накопления, хранения и обновления знаний обеспечивает относительную независи­ мость предприятия от наличия у него квалифицированных специалистов.

Дополнительные сведения об экспертных системах при­ ведены в следующем подразделе.

4.1.2. Экспертные системы

Практическое применение результатов исследований

в области ИИ проявилось в создании и использовании специ­ альных компьютерных комплексов, получивших название экспертных систем. Экспертная система (ЭС) —это интел­ лектуальный программный продукт, предназначенный для решения некоторых задач определенной предметной области, включающий в себя неформализованные знания, представ­ ленные в специальной форме, и программные средства* реа­ лизующие процедуры обработки знаний [69]. В соответствии со схемой рис. 21 экспертная система выполняет функции передачи знаний высококвалифицированных специалистов рядовым специалистам-пользователям для решения ими за­ дач предметной области с помощью заложенных в систему знаний. Главным достоинством ЭС является то, что они по­ зволяют решать неформализованные задачи, недоступные для решения с помощью алгоритмически определенных сис­ тем типа традиционных САПР.

Принципиальная схема экспертной системы показана на рис. 23. Типовыми компонентами ЭС являются следующие:

1)база знаний (БЗ), хранящая знания в форме специаль­ ных правил;

2)рабочая память, хранящая данные (база данных - БД);

3)интерпретатор (машина вывода), решающий на осно­ ве имеющихся в системе данных и знаний предъявленную ему задачу;

4)лингвистический процессор, осуществляющий диало­ говое взаимодействие с пользователем или экспертом на ес­ тественном для них языке;

5)компонента приобретения знаний;

6)объяснительная компонента, дающая объяснение дей­ ствий системы.

Рис. 23. Схема обобщенной экспертной системы

По составу ЭС отличается от других программных средств прежде всего наличием в ее структуре базы знаний

имашины вывода. База знаний ЭС содержит статические

идинамические знания (факты и правила), являющиеся час­ тями специальным образом сформулированных правил. Ме­

ханизм вывода ЭС представляет собой программные ком­ плекс, который на основе БЗ и фактов вырабатывает опреде­ ленные выводы-заключения.

ЭС работает в двух режимах: режиме приобретения зна­ ний и режиме решения задач. В режиме приобретения знаний

вобщении с ЭС участвует эксперт, который пополняет сис­ тему знаниями, необходимыми для самостоятельной работы системы. В режиме решения задач в общении с ЭС участвует пользователь, которого интересует результат и (или) способ получения решения.

Подробные сведения об экспертных системах нетрудно найти в литературе. Для начального ознакомления с базовы­ ми понятиями и возможностями практического применения ЭС можно рекомендовать отечественные издания [69, 70, 91 и др.].

Из вышеприведенной очень краткой характеристики экспертных систем видно, что участие специалистов пред­ метных областей в создании ЭС заключается главным обра­ зом в подготовке необходимой информации для ее введения

вБЗ. При этом специалистам-предметникам не обязательно хорошо разбираться в вопросах устройства и функциониро­ вания системы, но они должны знать, в каком виде следует представлять имеющиеся у них знания для дальнейшей обра­ ботки.

Всовременных ЭС нашли применение четыре модели представления знаний: логическая (на основе логики преди­ катов), продукционная (в виде правил-продукций), фреймо­ вая (в виде фреймов), семантическая (в виде семантических сетей). В ЭС, ориентированных на технические области, ча­ ще применяется продукционная модель, в которой знания представлены в виде продукционных правил.

4.1.3. 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

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.