[ Pobierz całość w formacie PDF ]
.Diagnostyka pokrywająca nadaje się do rozwiązywania problemów, w przypadku których rozwiązania relatywnie niezawodnie wywołują określone skutki.W porównaniu do reguł heurystycznych „cecha wskazuje na rozwiązanie” można tu zazwyczaj łatwiej podać reguły , ale trudniej je wykorzystać.Na rysunku 7.3.przedstawiono zestawienie mocnych metod rozwiązywania problemów.Rys.7.3.Mocne metody rozwiązywania problemów w systemach ekspertowych [21]Diagnostyka funkcjonalna może być zastosowana do wyszukiwania uszkodzeń w systemach, których normalne a także wadliwe działanie można opisać za pomocą sieci komponentów i czynników oraz ich normalne i wadliwe działanie można wyjaśnić na podstawie zachowania tych komponentów i czynników.Diagnostyka statystyczna nadaje się do rozwiązywania problemów diagnostycznych, dla których istnieje duży reprezentatywny zbiór prawidłowo rozwiązanych przypadków.Jej dużą zaletą jest obiektywność wiedzy.Wadą diagnostyki statystycznej jest konieczność spełnienia wielu warunków dla jej zastosowania (niezależność cech, zupełność zbioru rozwiązań, reprezentatywność zbioru przypadków).Diagnostyka przez porównywanie przypadków jest stosowana wówczas gdy istnieje duży zbiór przypadków z konkretnymi rozwiązaniami i dodatkową wiedzą, przede wszystkim na temat relatywnej wagi cech.7.3.Pozyskiwanie wiedzy do baz wiedzy1.Klasyczne metody pozyskiwania wiedzyKlasyczne systemy ekspertowe powstają w wyniku współpracy inżyniera wiedzy z ekspertem w danej dziedzinie.Inżynier wiedzy może pozyskać także część wiedzy z literatury fachowej.Wiedza od eksperta nabywana jest poprzez prowadzenie wywiadu lub obserwację jego pracy.Jednak metody te nie pozwalają na uzyskanie całkowitej wiedzy eksperta.Dlatego do systemu ekspertowego trafia jedynie podzbiór wiedzy (rys.7.4.), co może mieć wpływ na działanie systemu.Rys 7.4.Baza wiedzy systemu ekspertowego jako podzbiór wiedzy ekspertaTen sposób nabywania wiedzy jest wyjątkowo trudnym zadaniem dla inżyniera wiedzy, gdyż musi on nie tylko posiadać umiejętność projektowania i budowy systemów ekspertowych, ale również posiadać rozległą wiedzę w dziedzinie tworzonej aplikacji.Musi być on również specjalistą w technikach nabywania wiedzy, co wymaga dobrych zdolności komunikacyjnych i psychologicznych.2.Automatyczne metody odkrywania wiedzyKomputerowa analiza danych zapisanych w bazach danych jest alternatywną metodą pozyskania wiedzy do baz wiedzy.Pośród ogromnej ilości przechowywanych faktów, systemy wydobywania informacji umożliwiają wykrywanie związków oraz ogólnych regularności występujących pomiędzy danymi.Następnie mogą one zostać sformalizowane do postaci reguły przewidującej wartość jednego atrybutu na podstawie wartości innych atrybutów.Inżynier wiedzy stanowi ogniwo pośrednie między źródłami wiedzy a systemem ekspertowym.Powinien to być informatyk lub odpowiednio przyuczony programista, który nie tylko potrafi umiejętnie programować, ale także posiada umiejętności reporterskie i wiedzę ogólną z danej dziedziny.Cechy te są istotne do odpowiedniego, umiejętnego prowadzenia dialogu z ekspertami w celu pozyskania najistotniejszych faktów i reguł dotyczących rozwiązywania zadanych problemów.Zatem, system ekspertowy będzie tym lepszy im lepsze jest grono ekspertów oraz im lepszy jest inżynier (zespół inżynierów wiedzy) tworzących systemem ekspertowym.7.4.Reprezentacja wiedzy faktograficznejWiedza faktograficzna w systemie ekspertowym może być wykorzystana do uczenia i informowania.Obejmuje ona procedury wykonywania typowych operacji, jak np.regulacje, konserwacja.Określa, jak daną operację należy prawidłowo wykonać, pokazuje, gdzie w maszynie zlokalizowane są odpowiednie węzły kinematyczne, specyfikuje niezbędne narzędzia i przyrządy oraz pokazuje, jak je należy zastosować.Analiza wiedzy faktograficznej związanej z eksploatacją maszyn pokazuje, że można ją podzielić na rozłączne porcje informacji wyrażane tekstowo lub graficznie.Każda taka porcja informacji traktowana jest Jako dane typu obiektowego.Każdy obiekt (porcja informacji) posiada atrybuty (typ, nazwa) oraz metody.Atrybuty są danymi określonego typu, metody są własnościami proceduralnymi (procedurami) określającymi na przykład to, w jaki sposób obiekt Jest pokazywany na ekranie w zależności od trybu i kontekstu.Atrybuty obiektów mogą być również obiektami, np.obiekt o zawartości tekstowej lub graficznej może zawierać w sobie inny obiekt tego samego typu lub innego typu uszczegóławiający treść zawartą w obiekcie podstawowym.Między obiektami mogą być ustanawiane dynamiczne powiązania zależne od wykonywanego zadania, rozwiązywanego problemu oraz stopnia szczegółowości wiedzy prezentowanej użytkownikowi systemu ekspertowego.O charakterze powiązań obiektów informacyjnych decyduje użytkownik w zależności od typu rozwiązywanego problemu, rodzaju wyszukiwanej informacji czy pożądanego stopnia jej szczegółowości.W ten sposób obiekty mogą tworzyć dynamiczne struktury, aktywne tak długo, jak długo to jest potrzebne w danej fazie rozwiązywania problemu.Model taki można opisać w języku acyklicznych grafów.Węzły grafu reprezentują obiekty informacyjne (porcje informacji), łuki natomiast relacje pomiędzy tymi obiektami.W celu umożliwienia interaktywnego dialogu użytkownika z systemem można wprowadzić dodatkowy typ obiektów, jak np.hipersłowa i aktywne obszary informacji graficznej (hipergrafika).Użytkownik oddziałuje na system poprzez zmianę stanu tych obiektów.Zmiana stanu obiektu (np.przy pomocy myszy) generuje zdarzenia odbierane jako komunikaty przez obiekty reprezentujące wydzielone porcje wiedzy.Pod wpływem tych komunikatów, w zależności od kontekstu, uruchamiane są metody tych obiektów.Na przykład dwukrotne wciśnięcie klawisza myszy nad aktywnym obszarem rysunku lub fotografii jest zdarzeniem aktywizującym procedurę (metodę) powodującą pojawienie się na ekranie bardziej szczegółowego obrazu wskazanego elementu rysunku.Takie ustrukturalizowanie wiedzy sprawia, że w zależności od typu rozpatrywanego problemu użytkownikowi zostaną przekazane wszystkie istotne dla tego problemu informacje.Przedstawiona koncepcja jest łatwa do zaimplementowania za pomocą języków programowania obiektowo zorientowanych.7.5.Reprezentacja wiedzy inferencyjnejWiedza inferencyjna w systemach ekspertowych jest związana z regułami wnioskowania.Ten rodzaj wiedzy eksploatacyjnej jest potrzebny przy rozwiązywaniu takich problemów, jak np.diagnostyka objawowa i zadaniowa, określanie zakresu naprawy, planowanie użytkowania i obsługiwania.A więc wszędzie tam, gdzie należy podejmować decyzje.Najbardziej rozpowszechnionym systemem reprezentacji wiedzy inferencyjnej są bazy reguł.Istnieją programy narzędziowe, tzw.ES-Shell (Ekspert-System Shell), tworzące wyspecjalizowane środowisko programowe służące do projektowania systemów ekspertowych.Chociaż systemy ekspertowe oparte o reguły wymagają silnego zawężenia dziedziny, to w wielu sytuacjach przedstawienie problemu w jednej bazie wiedzy prowadzi do znacznej jej nadmiarowości oraz możliwości konfliktu reguł.Dlatego też, już na etapie konceptualizacji należy przeanalizować możliwość dekompozycji problemu na względnie autonomiczne podproblemy o zróżnicowanym stopniu ogólności, którym odpowiadałyby odrębne bazy wiedzy
[ Pobierz całość w formacie PDF ]