В данной статье рассматриваются базовые характеристики экспертных систем, а также их применение на производстве. Рассматриваются значения базы данных и базы знаний для построения эффективной работы экспертной системы.
Ключевые слова: экспертная система, модель представления знаний, база данных, база знаний.
This article discusses the basic characteristics of expert systems, as well as their application in production. The values of the database and the knowledge base for building an effective expert system are considered.
Keywords: expert system, knowledge representation model, database, knowledge base.
Экспертные системы являются одним из разновидностей интеллектуальных систем, предназначенных для частично или полной замены специалиста-эксперта для решения каких-либо нестандартных проблем, в том числе при проверке качества продукта либо процесса его производства [2].
Экспертные системы в том виде, в котором они нам известны были сформированы в 60х-70х годах XX века, однако предпосылки к их разработке появились еще в 1832 году и были предложены С. Н. Корсаковым. Начиная с 90х годов XX века развитие экспертных систем, как и развитие всей IT-сферы, получило огромное ускорение. Сегодня уже никого не удивишь интеллектуальной системой, установленной на предприятии, встроенной в телефон, следящей за включением светофора [3].
Любая экспертная система состоит из стандартных частей:
– База знаний;
– База данных;
– Модель представления данных;
– Механизм логического вывода данных.
База данных
Базой данных является упорядоченная структура неких параметров, фактов, объяснений — информации. Обычно база данных представляет из себя набор таблиц, основной структурной единицей которых является запись. Запись в свою очередь раскладывается на поля — элементарные единицы данных. Поля могу иметь различный тип. Это могут быть численные значения, текстовые значения (для качественных характеристик), логические значения.
Данные являются основой для работы экспертной системы. Некоторые экспертные системы даже имеют возможность обучаться, получая какие-либо новые данные, либо давать прогнозы, основываясь на старых данных. [1]
Данные могут быть получены из 2х типов источников: — от эксперта, который обладает знаниями о состояниях системы, за которой обеспечивает наблюдение; — от датчиков, встроенные в технологические узлы, связанные с экспертной системой.
База знаний
Базой знаний называют закономерности и правила, которыми между собой могут быть связаны данные. Обычно закономерности, которые могут возникать в технологическом процессе можно описать при помощи структуры построение программ «если …, то»; и обычно подразумевают под своим значением либо вычисления, либо действия.
Модель представления данных
Совокупность систем базы данных и базы знаний называется модель представления данных. Модель представления данных описывает в каком виде требуется хранить данные, какие свойства должны быть у этих данных, в какой момент данные становятся знаниями. Также модель представления данных описывает в каком виде данные и знания следует предоставлять пользователю.
Механизм логического вывода данных
Процессы анализа данных и получения новых знаний исходя из информации, которая уже есть в базе данных называется механизмом логического вывода данных. Данный механизм позволяет из каких-то старых данных, которые у нас уже имеются, получить новые данные, используя какие-либо закономерности, а также получить новые закономерности, связывающие старые или новые данные.
Виды моделей представления знаний
В зависимости о конечной цели применения экспертной системы, можно использовать 1 из 4х самых распространённых моделей представления знаний:
– Продукционная модель знаний — такая модель в основе которой лежит правило. Правило представляют из себя условие типа «если условие, то действие». Между собой подобные условия можно сочетать с помощью логических функций «и» и «или». Например: если температура равна 39, и кашель равно «есть», тогда бронхит. Особенность этих условий в том, что верность условий установлена заранее.
– Семантическая модель знаний — такая модель, в основе которой лежит понятия классов и свойств, а также отношения между классами. Отношения могут быть нескольких типов: часть — целое, класс — подкласс, элемент — количество, и тд. Такая модель представляет из себя неориентированный граф. Например: существует класс «автомобиль», у данного класса есть подкласс «двигатель», у этого класса есть свойства «мощность», «вес» и т. д.
– Фреймовая модель знаний — такая модель в основе которой лежит фрейм — некий шаблон описывающий объект предметной области при помощи его свойств, а каждое свойство при этом имеет какое-то действие. Например: свойство «кондиционер», значение «2», действие «включить».
– Формально-логическая модель — такая модель, которая основана на предикатах первого порядка. Предикат первого порядка выглядит как утверждение. Например: сегодня пасмурно, на улице холодно и др. В данной модели сочетать предикаты можно логическим действием «и». Отличие этой модели от продукционной состоит в том, что продукционная модель не требует логической связи между данными.
Экспертная система часто используется в производстве, в том числе и на пищевом производстве, для решения вопрос управления качеством продукции.
Литература:
- О. П. Култыгин — «Экспертные системы анализа предметной области для проектирования информационных систем» — Прикладная информатика № 2 (86), 2020.
- И. Г. Благовещенский, Е. А. Назойкин, А. В. Татаринов — «Основы создания экспертных систем контроля качества пищевых продуктов с использованием интеллектуальных технологий» — Пищевая промышленность, 4/2017, с. 60–62.
- В. Б. Трофимов, И. О. Темкин — «Экспертные системы в АСУ ТП» — Инфро-инженерия, 2020. — 284 с.: ил., табл.
