Подбор оборудования электронного технологического процесса | Статья в журнале «Молодой ученый»

Отправьте статью сегодня! Журнал выйдет 21 декабря, печатный экземпляр отправим 25 декабря.

Опубликовать статью в журнале

Автор:

Рубрика: Технические науки

Опубликовано в Молодой учёный №26 (212) июнь 2018 г.

Дата публикации: 29.06.2018

Статья просмотрена: 19 раз

Библиографическое описание:

Давлетбаева Р. Р. Подбор оборудования электронного технологического процесса // Молодой ученый. — 2018. — №26. — С. 42-44. — URL https://moluch.ru/archive/212/51832/ (дата обращения: 09.12.2019).



Проведен анализ методов искусственного интеллекта. В работе представлена разработка структурной схемы функционирования агентов по подбору оборудования в электронные технологические процессы.

Ключевые слова: технологический процесс, изделия.

Для оптимизации электронного технологического процесса, где конструкторами научно-технического центра происходит разработка несколько тысяч оригинальных изделий ежемесячно. В связи с тем, что квалификация специалистов технологов различная, а справочники по оборудованию являются «слаборазвитыми», поэтому появилась идея в разработке автоматизированного механизма, который позволит системе самой на основе исходных данных, таких как 3D-модель изделия, подбирать необходимое оснащение. Актуальность данной темы не ослабевает, в связи веком информационных технологий.

Все большую и большую популярность набирает искусственный интеллект, поэтому было принято решение использовать методы ИИ для решения задачи по подбору оборудования в технологические процессы моделирования. Термин интеллект (intelligence) происходит от латинского intellectus — что означает ум, рассудок, разум; мыслительные способности человека. Из этого следует, что искусственный интеллект (artificial intelligence) — ИИ (AI) обычно толкуется как свойство автоматических систем брать на себя некоторые функции интеллекта человека. Например, выбираются и принимаются оптимальные решения на основе раннее полученного опыта и рационального анализа внешних воздействий.

Изучив, различные подходы и методы искусственного интеллекта, пришли к выводу, что для решения данной задачи следует применить метод многоагентных систем. В связи с тем, что в задаче по подбору оборудования каждая механическая обработка имеет свои специфические требования и при написании электронного технологического процесса требуются отдельные части программы специализированные на конкретном виде обработки.

Также МАС имеет множества достоинств, которые необходимы для решения данной задачи:

  1. Распределение вычислительной нагрузки между множеством агентов;
  2. Повышение качества выполнения функций за счет поиска оптимальных вариантов при взаимодействии агентов;
  3. Гибкость и масштабируемость за счет децентрализации;
  4. Применение знаний и вывода на существующих знаниях.

Для получения результата, лучшего, чем суммарный вклад всех агентов, входящих в МАС, необходима организация взаимодействия агентов между собой; к тому же агенты должны обладать интеллектуальными свойствами. Под задачей принятия решения будем понимать задачу выбора наилучшего варианта из многих, осуществляемую в условиях нехватки информации, то есть в условиях неопределенности.

Для создания сообщества агентов необходимо разработать:

– структуру МАС;

– стратегии поиска решения;

– структуру представления информации.

В разрабатываемой системе (рис. 1) каждый интеллектуальный агент имеет доступ к базе знаний (БЗ) и может обмениваться этими знаниями с другими агентами. Агенты являются разнородными и соответствуют множеству методов решения задачи.

На структурной схеме показано разделения агентов по выполнениям их функций и с чем взаимодействовать при работе. Агент-координатор собирает сообщения о готовности выполненных заданий от всех членов группы. Агент-координатор:

– обеспечивает выполнение пошагового алгоритма принятия решения;

– поддерживает целостность баз данных системы на групповом уровне и вносит в них необходимые изменения;

– подготавливает диалоговые формы для информационного обмена через Интернет.

Фрагмент.jpg

Рис. 1. Структурная схема многоагентной системы решения задачи

Агент-исполнитель или группа агентов (агент токарной обработки, агент фрезерной обработки, агент сверлильной обработки, агент шлифовальной обработки, агент типа обработки) получает задание от агента-координатора и отвечает непосредственно за его выполнение. База знаний — содержит описания среды деятельности, целей и задач, знаний и орудий, сценариев действий. База знаний создавалась экспертом-главным специалистом по изготовлению. Данная многоагентная система позволяет организовать правильную работу системы, которая требуется для обеспечения получения желаемого результата.

Несмотря на то, что агенты используются давно: при поиске информации в БД и сети Интернет, при работе операционных систем и т. д., — использование МАС, а тем более с интеллектуальными компонентами сильно затруднено. Описанный в статье подход не претендует на полноту и законченный вид, а является только началом исследования различных вариантов МАС, пригодных для принятия решений в условиях роста неопределенности выбора оптимального варианта из множества альтернатив.

Литература:

  1. Многоагентная система проектирования технологических процессов 2013 г.: [Электронный ресурс]. Дата обращения: 16.04.2018: URL: https://otherreferats.allbest.ru/programming/00879504_0.html
  2. Принятие технических решений с помощью многоагентных систем.: [Электронный ресурс]. Дата обращения: 23.06.2018: URL: http://e-notabene.ru/kp/article_8305.html
  3. Cтруктура мультиагентной системы принятия решений для многокритериальной оценки инновационной деятельности предприятия: [Электронный ресурс]. Дата обращения: 15.05.2018: URL: https://fundamental-research.ru/ru/article/view?id=4281
  4. Экспертные системы, основные понятия и определения: [Электронный ресурс]. Дата обращения: 15.05.2018: URL: http://bourabai.ru/einf/chapter133.htm
Основные термины (генерируются автоматически): искусственный интеллект, подбор оборудования, агент, структурная схема, электронный технологический процесс, база знаний.


Похожие статьи

Анализ методов искусственного интеллекта САПР...

– разработка структуры базы знаний; – разработка архитектуры тонкого клиента ЭС

искусственный интеллект, технологический процесс, база знаний, фреймовые семантические сети.

Методологии проектирования мультиагентных систем

Ключевые слова: мультиагентная система, объектно-ориентированный подход, искусственный интеллект.

Перемещение бизнес логики и знаний предметной области из базового кода агента на более

Процесс спецификации и реализации объединений агентов (PASSI).

Управление мобильными роботами в условиях неопределенности...

Управление объектами с применением методов искусственного интеллекта — интеллектуальное

Рис. 1. Структурная схема системы управления и ситуационной идентификации.

Параметры формируются с помощью базы знаний и алгоритмов.

Программные агенты и мультиагентные системы | Молодой ученый

Гаврилова, Т. А. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский.

искусственный интеллект, интеллектуальные интернет-технологии, программные агенты, мультиагентные системы.

ФИО. Электронная почта.

О разработке систем искусственного интеллекта...

В статье представлены подходы, разрабатываемые авторами на кафедре «Технологические процессы, аппараты и техносферная безопасность» по внедрению систем искусственного интеллекта в научные исследования...

Искусственный интеллект в современных... | «Молодой

Что касается представления знаний, то оно означает способность искусственного интеллекта хранить знание об окружающем их мире

Помимо улучшенного функционала, данный агент обладает гораздо более проработанным дизайном, что повышает удобство пользования им.

Искусственный интеллект. Основные направления исследований

Электронный ресурс.

Основные этапы развития искусственного интеллекта. Экспертная система — это программа, использующая базу знаний для решения задач в некоторой предметной области.

Многоагентная ассоциативная вычислительная система

агент, ассоциативная вычислительная система, вычислительная мощность, окружающая среда, логическая структура агентов, множество, искусственный интеллект, математическая модель, структурная схема...

Система контроля знаний студентов на основе искусственного...

Ключевые слова: электронное обучение, искусственный интеллект, нейронные сети, контроль знаний.

Реализация процесса оценки и контроля знаний в системах электронного обучения, как показывает опыт, представляется достаточно

Возможность тиражирования базы знаний.

Похожие статьи

Анализ методов искусственного интеллекта САПР...

– разработка структуры базы знаний; – разработка архитектуры тонкого клиента ЭС

искусственный интеллект, технологический процесс, база знаний, фреймовые семантические сети.

Методологии проектирования мультиагентных систем

Ключевые слова: мультиагентная система, объектно-ориентированный подход, искусственный интеллект.

Перемещение бизнес логики и знаний предметной области из базового кода агента на более

Процесс спецификации и реализации объединений агентов (PASSI).

Управление мобильными роботами в условиях неопределенности...

Управление объектами с применением методов искусственного интеллекта — интеллектуальное

Рис. 1. Структурная схема системы управления и ситуационной идентификации.

Параметры формируются с помощью базы знаний и алгоритмов.

Программные агенты и мультиагентные системы | Молодой ученый

Гаврилова, Т. А. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский.

искусственный интеллект, интеллектуальные интернет-технологии, программные агенты, мультиагентные системы.

ФИО. Электронная почта.

О разработке систем искусственного интеллекта...

В статье представлены подходы, разрабатываемые авторами на кафедре «Технологические процессы, аппараты и техносферная безопасность» по внедрению систем искусственного интеллекта в научные исследования...

Искусственный интеллект в современных... | «Молодой

Что касается представления знаний, то оно означает способность искусственного интеллекта хранить знание об окружающем их мире

Помимо улучшенного функционала, данный агент обладает гораздо более проработанным дизайном, что повышает удобство пользования им.

Искусственный интеллект. Основные направления исследований

Электронный ресурс.

Основные этапы развития искусственного интеллекта. Экспертная система — это программа, использующая базу знаний для решения задач в некоторой предметной области.

Многоагентная ассоциативная вычислительная система

агент, ассоциативная вычислительная система, вычислительная мощность, окружающая среда, логическая структура агентов, множество, искусственный интеллект, математическая модель, структурная схема...

Система контроля знаний студентов на основе искусственного...

Ключевые слова: электронное обучение, искусственный интеллект, нейронные сети, контроль знаний.

Реализация процесса оценки и контроля знаний в системах электронного обучения, как показывает опыт, представляется достаточно

Возможность тиражирования базы знаний.

Задать вопрос