книги / Теория и методы решения многовариантных неформализованных задач выбора(с примерами из области сварки)

наличие альтернатив при движении (выход нескольких дуг из одной родительской вершины), причины итераций (нали­ чие пустых и нецелевых вершин на дереве поиска целей). Математическая логика позволяет с помощью исчислений из имеющихся исходных знаний выводить новые знания

итаким образом продвигаться к намеченной цели, причем эти выводы представляются в виде математических выра­ жений.

Следует иметь в виду, что упомянутые выше методы

иприемы действий человека могут выполнять только роль элементов общего решения задачи. Целостность решению задачи придает алгоритм, разрабатываемый человеком. На основе алгоритма составляется машинная программа, кото­ рую ЭВМ выполняет механически, не вникая в смысл.

Внастоящее время наибольшее распространение полу­ чили компьютерные системы, решающие задачи по заранее составленным полным алгоритмам. В таких системах, назы­ ваемых системами обработки данных (СОД), многократное применение алгоритма для однотипных задач приводит к ре­ зультатам одного и того же типа, а сам алгоритм не меняется, поскольку имеет жесткую структуру. С помощью СОД мож­ но решать все расчетные задачи, в которых результат полу­ чают путем обработки исходных числовых данных матема­ тическими методами, либо некоторые другие задачи, реше­ ние которых возможно в автоматическом режиме или при минимальном участии пользователя. На задачи второго типа ориентировано большинство отечественных САПР.

Вкачестве примера приведем алгоритм решения задачи выбора марки сварочной проволоки для автоматической сварки стали (рис. 22).

При подходе, характерном для традиционных САПР технологических процессов сварки, схема алгоритма реше­ ния задачи ограничивается первыми пятью блоками (блоки 1-5). По запросу пользователя система производит поиск в БД (блок 2 и 4) и найденные данные выводит на экран мо­ нитора (блок 5). Если для заданной марки стали данные в БД отсутствуют, система также сообщает об этом пользователю (блок 6).

Такая схема решения задачи проста, но она не всегда может удовлетворить пользователя возможной неоднознач­ ностью или неточностью выдаваемых рекомендаций. На рис. 22 в целом показана более сложная, но и более совер­ шенная схема решения той же задачи, разработанная высоко­ квалифицированным специалистом (экспертом). Более глу­ бокое понимание задачи экспертом начинает проявляться с действий, соответствующих блокам 6-9. Эксперт знает, что при отсутствии в БД запрашиваемых рекомендаций пользо­ ватель может попытаться подобрать марку сварочной прово­ локи, руководствуясь собственным опытом. Поэтому пользо­ вателю предлагается просмотреть имеющиеся в БД марки проволоки (блок 6) и сделать выбор по своему усмотрению.

Другой аспект понимания задачи заключается в том, что даже когда в БД имеются интересующие данные, они могут быть только усредненными и весьма приблизительными. Это обусловлено тем, что, во-первых, химические составы стали и проволоки предусматривают определенные интервалы концентраций элементов в пределах марки. Во-вторых, в за­ висимости от типа сварного соединения и толщины металла меняются доли участия основного и наплавленного металлов в металле шва уом и унм, а следовательно, состав и свойства металла шва.

В связи с этим при сварке ответственных конструкций, когда требования к сварным конструкциям жестко регламен­ тируются, желательно при выборе марки проволоки иметь более точное представление об ожидаемых свойствах метал­ ла. Для этого можно воспользоваться расчетными методами и на их основе организовать проведение компьютерного экс­ перимента с целью выбора оптимального состава сварочной проволоки.

Принципиальный подход к решению данной задачи по­ казан в правой части схемы рис. 22. Предположим, что для принятия обоснованного решения пользователю необходимо иметь данные о структуре и механических свойствах металла шва. Тогда при положительном ответе на вопрос блока

8 пользователю предлагается ввести дополнительные данные, перечень которых указан в комментарии к блоку 9. Конечные выходные параметры (характеристики структуры и свойств металла шва) обычно рассчитывают по эмпирическим фор­ мулам, в которых переменными являются концентрации ле­ гирующих элементов и скорость или время охлаждения ме­ талла шва в определенном интервале температур [1].

На схеме с помощью блока 10 условно показано, что расчету химического состава металла шва (блок 11) и расче­ ту скорости (или времени) охлаждения металла шва (блок 12) должны предшествовать дополнительные расчеты. В частности, для расчета поэлементного состава металла шва необходимо, кроме составов основного металла и про­ волоки, определить доли их участия в металле шва уо м и ун м и коэффициенты перехода элементов т|э, а для расчета ско­ рости охлаждения металла необходимо иметь данные о па­ раметрах режима сварки, толщине и теплофизических свой­ ствах металла и т.д.

Не вдаваясь в дальнейшие подробности проводимых расчетов, отметим главное: на пути расчетной оценки струк­ туры и свойств металла шва выстраиваются длинные цепоч­ ки расчетов. Не все требуемые для расчетов величины зара­ нее известны или могут быть найдены простыми действиями. Практически всегда при выполнении расчетов встречаются нечетко определенные звенья и это вызывает затруднения даже у весьма компетентных специалистов.

Таким образом, на первый взгляд относительно простая, типовая для сварки задача при наличии повышенных требо­ ваний к обоснованности принимаемых решений представляет собой достаточно сложный комплекс вопросов, для решения которых требуется привлечение большого объема разнооб­ разных знаний.

В приведенной на рис. 22 схеме можно увидеть вышепе­ речисленные приемы машинного копирования действий че­ ловека (см. рис. 21). Основная задача - выбор марки прово­ локи - разделена на ряд подзадач (декомпозиция сложной задачи). Процедура решения выполняется не за один прием, а шагами, показанными в виде блоков схемы. Среди послед­ них имеются блоки решений (3, 6, 7, 8, 15), соответствующие логическим развилкам и выбору. При диалоговом режиме работы все решения принимаются пользователем и, следова­ тельно, носят субъективный характер. Человек, принимая решения, использует дополнительную информацию, осно­ ванную на его личном опыте и знаниях. Такая информация называется эвристической и в конкретных условиях может быть разной у разных людей. Например, при выполнении процедуры, соответствующей блоку 6, разные специалисты могут выбрать разные марки проволоки из имеющихся в БД или по-разному ответить на вопрос блока 7.

При функционировании системы пользователь работает с компьютерной поддержкой. На рис. 22 это показано пунк­ тирными связями всех основных блоков схемы с базами дан­ ных и знаний. Блок 15 облегчает выполнение итераций при поиске оптимального варианта решения задачи.

Проведенный анализ позволяет понять основные функ­ ции, выполняемые алгоритмом в компьютерной системе. С одной стороны, машинный алгоритм обычно близок к безмашинному, что говорит о копировании системой действий человека. Одновременно через алгоритм осуществляется пе­ редача знаний эксперта системе, а от нее - пользователю. Эта двойственность функций отражена на схеме рис. 21 связью блока 7 с блоками 1 и 6.

При автоматизации решения сложных задач возрастает роль субъективного фактора, то есть знаний и опыта кон­ кретного эксперта, участвующего в создании системы. Оче­ видно, схемы и алгоритмы решений одних и тех же задач, разработанные разными экспертами, могут существенно раз­ личаться. Сложные компьютерные программы, подобные рассмотренной, имеют индивидуальный характер и их можно отнести к интеллектуальным, поскольку в существующих определениях интеллектуальной системы указывается на ее способность выполнять действия, свойственные человеку [32]. В то же время большинство специалистов считает ин­ теллектуальными те системы, в которых знания фигурируют в явном воде - в виде предложений естественного языка - и обрабатываются в процессе решения задачи. В этом отно­ шении особенностью алгоритма как средства передачи зна­ ний является то, что он совместно с БД показывает в оконча­ тельном виде, какие действия необходимо выполнить для

получения результата. Однако в алгоритме сама «кухня» мыслительной деятельности эксперта, логика его рассуж­ дений не раскрываются.

Использование знаний в явном виде присуще двум другим приемам (методам), представленным блоками 8 и 9 на рис. 21.

Комментарии или советы эксперта, выводимые на экран монитора в определенные моменты человекомашинного диа­ лога, помогают пользователю в принятии оптимальных ре­ шений. Кроме того, такой прием в ряде случаев позволяет значительно упростить диалог за счет использования знаний и опыта пользователя. Например, для сварки под флюсом углеродистых и некоторых низколегированных сталей часто рекомендуется применять флюсы АН-348-А и ОСЦ-45, но не указываются различия между ними. Вместо того, чтобы идти к однозначному решению путем последовательного сравне­ ния отдельных свойств двух флюсов в диалоговом режиме, можно сообщить в виде комментария, что флюс ОСЦ-45 об­ ладает несколько лучшими сварочно-технологическими свойствами, чем флюс АН-348-А, но выделяет больше вред­ ных аэрозолей и более дефицитен. Используя имеющиеся у него дополнительные данные, пользователь может сам принять обоснованное решение.

Типичным видом систем искусственного интеллекта яв­ ляются ранее упоминавшиеся экспертные системы. При их разработке и функционировании могут использоваться все методы и приемы, показанные на рис. 21. В ЭС реализован принцип независимости работы механизма вывода от содер­ жания БЗ, то есть задается алгоритм обработки знаний, а не алгоритм решения задачи. Разработчики системы могут легко изменять и дополнять знания. Обрабатывая знания, эксперт­ ная система их анализирует, оценивает и сама строит апго-

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.