Размещено на http://www.allbest.ru/

Марийский государственный технический университет

На правах рукописи

Автореферат

диссертации на соискание ученой степени кандидата технических наук

Экспертная система контроля качества продукции в процессе производства металлокерамических и коммутационных плат

Специальность 05.02.22 - «Организация производства»

Зуев Алексей Валерьевич

Казань 2006

Работа выполнена в Марийском государственном техническом университете.

Научный руководитель кандидат технических наук, доцент Власов А.А.

Официальные оппоненты: доктор технических наук, профессор Саиткулов В.Г. кандидат технических наук, профессор Павлов Е.П.

Ведущее предприятие ЗАО «Шнейдер Электрик»», г. Москва

Защита состоится «27» июня 2006 г. в 14.00 час. на заседании диссертационного совета Д212.079.03 в Казанском государственном техническом университете им. А.Н. Туполева по адресу:420111, г. Казань, ул. К. Маркса, д. 10.

С диссертацией можно ознакомиться в библиотеке Казанского государственного технического университета им А.Н. Туполева.

Автореферат разослан 2006 г.

Ученый секретарь диссертационного совета канд. техн. наук Г.И. Щербаков.

Общая характеристика работы

Актуальность темы. Одним из основных элементов эффективной организации производства является достижение высокой конкурентоспособности выпускаемой продукции. Чтобы достичь этой цели, в первую очередь, надо добиться высокого качества продукции. Кроме этого стараются достичь оптимальной цены продукции, затрат в сфере ее эксплуатации и качества сервиса продукции. Но по приоритетам основным является все же высокое качество продукции. В советское время в нашей стране существовала плановая экономика. Чтобы уложиться в запланированные правительством рамки количества выпускаемой продукции, старались уделять больше внимания количеству, а потом уже качеству продукции. Во времена начала рыночных реформ начались повсеместные сокращения производственного штата в целях экономии. И на очень многих заводах одними из первых под сокращение попали сотрудники, отвечающие за контроль качества выпускаемой продукции. В конечном итоге началось катастрофическое отставание по качеству выпускаемой продукции во многих сферах производства нашей страны от западных компаний. Одной из таких сфер является радиоэлектронная промышленность. В последнее время в национальном масштабе появилось осознание важности эффективной организации управления качеством продукции. Целый ряд ученых нашей страны занялись этой проблемой. Особо хочется выделить работы ГличеваА.В., Круглова М.Г., Окрепилова В.В., Туровца О.Г., Фатхутдинова Р.А.

Для обеспечения качества продукции и снижения затрат на ее создания широко используются программные средства, базирующиеся на технологии и методах искусственного интеллекта. Их важность, и, в первую очередь, экспертных систем, состоит в том, что данные технологии существенно расширяют круг практически значимых задач, которые можно решать на компьютерах.

Использование экспертных систем уже давно приносит значительный экономический эффект. Для систем управления качеством продукции используется специальный класс экспертных систем, называемых лабораторно-информационными системами. За рубежом они известны как LIMS (Laboratory Information Management System). LIMS позволяют определить план-модель аналитической лаборатории с описанием всех шагов, необходимых для управления анализами и работой с образцами, начиная от момента их появления в лаборатории и заканчивая завершением анализов и получением результатов. На сегодняшний день объем внедрения LIMS оценивается в 30 - 50 млн. долларов.

Среди многочисленных потребителей LIMS для примера назовём следующие компании:

· в нефтеперерабатывающем комплексе - Chevron Texaco (США), Exxon/Mobil (США), Philips Petroleum (США), Total Oil (Франция), Fortum (Финляндия);

· в химическом комплексе - P&G Products (США), Du Pont (США), Kodak (США), Dow Corning (США), Goodyear (Англия), Michelin (Франция), Mitsubishi Chemical (Япония);

· в фармацевтическом комплексе - Baxter (США), Pharmacia & Upjoin (США), CIBA (Германия), BASF (Германия), Bayer (Германия), Merck (Германия).

Подобные системы стали разрабатываться и в нашей стране. Так в 2003 году на "Металл-Экспо 2003" разработка ИТЦ "Аусферр" "Информационная система управления качеством продукции" завоевала золотую медаль выставки. По отзывам экспертов эта позволяет существенно уменьшить затраты на контроль качества, повысить его достоверность, улучшить технологическую дисциплину и сделать металлопродукцию более прозрачной для потребителей. Кроме того, происходит полное оперативное слежение за температурой, давлением, механическими параметрами и геометрическими характеристиками на всем протяжении полосы, что значительно снижает вероятность производства некачественной продукции и соответственно риск получения рекламаций.

К сожалению, следует отметить, что подобные системы получили распространение не во всех отраслях промышленности. Особенно велика потребность в них в радиоэлектронной промышленности для распознавания и профилактики возникновения дефектов металлокерамических и коммутационных плат. Существующие компьютерные системы управления качеством в силу особенностей производства в радиоэлектронной промышленности к этой отрасли практически не применимы. Поэтому данную работу можно назвать актуальной.

Сейчас заводы в нашей стране не способны адекватно оплатить труд таких специалистов, поэтому наиболее подготовленные эксперты, накопившие большой опыт работы с металлокерамикой, вынуждены перейти работать на другое, коммерчески успешное предприятие, или даже работать в какой-либо другой высокооплачиваемой области. При этом теряется как институциональный опыт, так и личный опыт эксперта.

В связи с этим появилась потребность создать обучающий программный продукт, включающий в себя элементы экспертных систем, который научил бы молодых специалистов быстро распознавать дефекты металлокерамических корпусов и коммутационных плат. Программа должна в идеале выдавать также причины возникновения этих дефектов, что обеспечивало бы профилактику их возникновения. Поскольку неясно, какого класса программист будет работать на этом заводе, желательно, чтобы программа была сравнительно простой по степени накопления данных. Поэтому целесообразно создать не просто программный продукт, а оболочку для создания обучающих систем этой серии.

Для создания такой системы необходимо провести анализ различных классификаций экспертных систем для выявления основных требований к разрабатываемой системе, а также сформировать структуру знаний для диагностики металлокерамических и коммутационных плат. В области экспертных систем в науку значительный вклад внесли Гаврилова Т.А., Хорошевский В.Ф., Кривошеев А.О., Савельев А.Я. и ряд других ученых. В области исследования металлокерамических плат значительную роль сыграли Батыгин В.Н., Метелкин М.И., Давыдов П.С., Бушминский И.П., Скулкин Н.М. Поскольку система предназначена для обучения, то требуется рассмотреть основные подходы к традиционному обучению и существующие системы контроля знаний. В этом случае были проанализированы труды Крутского А.Н., Аванесова В.С., Челышковой М.Б. Поскольку значительная часть о дефектах представлена в текстовой форме, целесообразно создать дополнительный модуль по обработке и проверке корректности текста для более эффективного усвоения его содержания. В связи с этим, с целью выбора наиболее эффективных алгоритмов, необходимо рассмотреть различные действующие алгоритмы по обработке текста. По этому вопросу были рассмотрены работы Невзоровой О.А., Федунова Б.Е., Новика Е.С. и ряда других ученых.

Цель работы. Целью диссертационной работы является снижение уровня брака при изготовлении плат на поточных линиях.

Задачи исследования. В диссертационной работе решаются задачи:

- создания структуры знаний дефектов металлокерамических и коммутационных плат;

- формирования структуры оболочки для создания обучающей системы;

- математического анализа текста с целью создания методики быстрого усвоения текста;

- разработки тестирующего модуля для оценивания ответов обучаемых;

-разработки математического, алгоритмического и программного обеспечения компонентов экспертной системы;

- экспериментального подтверждения применимости предложенных методов.

Методы исследования основаны на использовании положений теории множеств, теории графов, теории статистической обработки данных, комбинаторики и методов инженерии знаний.

Научная новизна. Новые результаты заключаются в следующем:

- предложена новая классификация дефектов металлокерамических и коммутационных плат и причин их возникновения на участке изготовления плат на поточных технологических линиях, являющаяся основой для формирования структуры представления знаний для данной предметной области.

- сформирована структура представления знаний дефектов металлокерамических и коммутационных плат, которая является основой для базы знаний данной предметной области.

- предложена новая структура оболочки для создания экспертных систем, отличающихся от известных тем, что в них встроен режим обучения построения графа денотатной структуры текста.

-разработан алгоритм сравнения эталонного графа денотатной структуры текста с графом, который будет построен обучающимся в процессе обучения предметной области.

Практическая ценность. Предложенные алгоритмы и структуры позволяют повысить эффективность организации процесса распознавания дефектов металлокерамических и коммутационных плат, что в свою очередь может привести к сокращению выхода бракованной продукции. А это ведет к увеличению конкурентоспособности наших предприятий, выпускающих подобную продукцию, на мировом рынке. Кроме того, разработанная обучающая система может быть адаптирована и к другой предметной области, что обеспечивает ее универсальность и применимость в любой производственной и учебной сферах.

Положения, выносимые на защиту. На защиту выносятся:

- структура представления знаний дефектов металлокерамических и коммутационных плат и причин их возникновения;

- математическая модель сравнения графов денотатной структуры текста;

- архитектура экспертной системы для повышения качества производства металлокерамических и коммутационных плат.

Апробация работы.

Основные результаты диссертационной работы докладывались и обсуждались на восьмой международной научно-технической конференции студентов и аспирантов (Москва, МЭИ, 2002), VIII международной конференции “Современные технологии обучения” (ЛЭТИ, Санкт-Петербург, 2002), II Международной конференции “Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и систем искусственного интеллекта” ( Вологда, 2003), XIV Международной конференции “Применение новых технологий в образовании”( Троицк, 2003), Международной научно-методической Интернет-конференции “Информационные технологии в образовательной среде современного вуза -2004”, Втором Всероссийском симпозиуме по прикладной математики (Йошкар-Ола,2001), I Всероссийской научно-практической конференции “Психолого-педагогические исследования в системе образования” (Москва-Челябинск, 2003), 2-ой и 3-ей Всероссийских заочных научно-практических конференциях “Модернизация системы профессионального образования на основе регулируемого эволюционирования” (Челябинск, 2003,2004), 54-й межвузовской студенческой научно-технической конференции (Йошкар-Ола,2001), конференции “Туполевские чтения”( Казань, КГТУ, 2002), конференции "Управление качеством инженерного образования" (Казань, КГТУ, 2002), конференции “Вавиловские чтения” (Йошкар-Ола,2003), Межрегиональной научно-практической конференции “Интеллектуальные информационные системы (Интеллект 2003)”, региональной научно-практической конференции “Информационные технологии в профессиональной деятельности и научной работе”(Йошкар-Ола, 2005), V международной конференции «Интеллектуальные системы».

Публикации. По результатам выполненных исследований опубликовано 21 печатная работа, отражающая основные результаты работы.

Объем и структура диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложений. Основное содержание диссертационной работы изложено на 149 страницах машинописного текста, иллюстрированного таблицами и рисунками.

Содержание работы

Во введении показаны актуальность и практическая ценность исследования, изложены задачи диссертационной работы.

В первой главе рассмотрена необходимость использования экспертной системы. Подробно показан состав типичной экспертной системы. В результате анализа известных публикаций были рассмотрены основные классификации экспертных систем. С учетом специфики предметной области показана целесообразность разработки обучающей статической гибридной экспертной системы для работы на ПЭВМ.

Проанализированы различные направления по обработке текстовой информации. Анализ показал, что для нашей системы целесообразно использовать латентно-семантический подход в работе дополнительного блока по обработке текста.

Одной из важных задач при создании обучающих систем (ОбС) является организация контроля знаний. Большинство существующих ОбС и систем контроля знаний имеют ограниченное количество форм представления ответов (обычно, выборочных) и двухбалльную систему оценки. Это обусловлено простотой анализа выборочных ответов и отсутствием формальных методов анализа и дифференцированной оценки ответов, обучаемых на контрольные вопросы. Однако такой подход ограничивает возможности разработчика курса в отношении использования различных вариантов тестовых вопросов и способов анализа ответов обучаемых. Для того, чтобы обучаемый смог лучше усвоить полученную информацию целесообразно предварительно научить его делать это быстро и эффективно. металлокерамический коммутационный плата

Рассмотренные в первой главе системные методологические подходы к обучению позволяют сделать следующий вывод: учитывая, что нужно обучать людей с помощью компьютера и делать это в ограниченных временных рамках, целесообразно выбрать системно-логический подход к усвоению знаний, который предполагает представление учебного материала в частично сокращенном и закодированном виде. Это объясняется тем, что человек легче запоминает знак, чем его смысл, а знак, в свою очередь, актуализирует содержание и смысл.

Также было рассмотрено состояние исследований, задачи разработки и анализа дефектности металлокерамических и коммутационных плат.

Специфика производства металлокерамических и коммутационных плат заключается в том, что процесс этот оригинален, содержит много технологических операций, присутствует постоянное воздействие на материал. Такие системы не поддаются никакому моделированию, кроме натурного. Это происходит из-за того, что обилие взаимодействующих факторов не позволяет выделить количественные соотношения и перейти к математическим эмпирическим закономерностям. К тому же на производстве зачастую приходится работать с нечёткой информацией - такими данными, которые не предусматривают чётко выраженной количественной характеристики. Для получения этих характеристик необходимо проводить физико-химический анализ, который либо невозможен по причине постоянного изменения факторов, либо возможен, но требует затрат времени и материала.

Как показали исследования, наиболее применяемой в подобной ситуации представляется вариант, основанный на построении ограниченной системы диаграмм, ориентированной на исследовании физико-химических процессов и явлений, активируемых под влиянием более радикальных изменений в системе производства. Несмотря на многообразие новых форм дефектности число причин брака, как правило, сравнительно невелико и вполне доступно анализу.

Проанализировав вышеизложенное, мы приходим к выводу, что необходимо использовать систему причинно-следственных связей для оптимальной формы изложения данных для анализа контроля качества в производстве метаталлокерамических и коммутационных плат

На основании всей рассмотренной информации в первой главе, можно сделать вывод, что для быстрого и эффективного обучения молодых специалистов нужно создать экспертную обучающую систему, в которой реализован системно-логический подход к усвоению знаний и используется система причинно-следственных связей для описания предметной области.

Вторая глава посвящена созданию структуры представления знаний дефектов металлокерамических и коммутационных плат для данной системы. Целью данного раздела в контексте диссертационной работы было формирование перечня причин дефектов, выделение их взаимосвязей и согласование с ранее полученными результатами. В результате была предложена классификация обнаруженных дефектов и их причин. На основе этой классификации все дефекты можно поделить на 3 большие группы в зависимости от производственного участка: дефекты на участке изготовления трафаретов, дефекты на участке нанесения металлизации и дефекты на участке сослоения и резки. Затем каждая группа разбивалась на подгруппы. Здесь критерием разбиения служило то, после какой операции был обнаружен дефект. Каждая подгруппа содержала определенный набор дефектов, для каждого дефекта прилагался список основных причин возникновения этого дефекта. Все названия производственных участков, операций, дефектов и их причин сопровождены комментариями.

Для большинства причин были найдены подпричины и описаны варианты их устранения.

С учетом этой классификации была сформирована структура основных модулей обучающей системы. Каждому из методов представления знаний соответствует свой способ описания знаний. На основе анализа всех способов описания знаний было решено в данном случае использовать продукционную модель представления знаний.

Разработана структура представления знаний. Она представляет собой структурированную с помощью классификации совокупность дефектов металлокерамических и коммутационных плат и причин их возникновения, фотографии дефектов, а также весовых коэффициентов причин возникновения дефектов. Расчет весовых коэффициентов причин возникновения дефектов, т.е. вероятностей их возникновения был проведен на основе метода экспертных оценок, что позволило создать предпосылки для статистического анализа совокупности причин возникновения дефектов. Статистический анализ был проведен за несколько этапов: сначала построена гистограмма распределения, затем на ее основе проведен расчет выборочных оценок, определен тип статистического распределения с помощью одного из критериев согласия и выяснены толерантные пределы для данного вариационного ряда, что позволило выявить наиболее часто возникающие причины образования дефектов.

Поскольку у нас в данном случае рассматривается 3 основных участка обнаружения дефектов, в обучающей системе реализован подход разбиения всех дефектов на группы, соответствующие данным участкам работы. Выбор группы пользователем осуществляется путем ответа на первоначальный набор вопросов.

Для нахождения объекта удовлетворяющего ответам пользователя используется следующий алгоритм. Имеется k вопросов с номерами J = {1,2,...,k}, на которые пользователем дан набор ответов C, где каждому вопросу j соответствует ответ Cj. Вес вопроса pj.

Имеется n объектов с номерами I = {1,2,...,n}, у каждого объекта задан набор эталонных ответов O характеризующих данный объект Oij на каждый вопрос j.

Для поиска объекта удовлетворяющего заданному набору ответов пользователя применяем метод перебора.

Введем (булевы, бивалентные) переменные x_ij :

x_ij =0, если ответ пользователя совпадает с эталонным ответом объекта i на вопрос j.

x_ij =1, если ответ пользователя не совпадает с эталонным ответом объекта i на вопрос j.

Математическая модель данной задачи выглядит следующим образом:

(1)

, где(2)

(3)

j = 1,k

i = 1,n

Для каждого объекта i вычисляем m(x_i).

Объект, для которого m(x_i) будет минимальным, и будет искомым объектом.

После определения области возникновения дефекта, пользователь должен или выбрать дефект из фотографий или с помощью дополнительных вопросов.

Математически это можно записать следующим образом:

(4)

где - это выбор объекта с помощью просмотра одной из фотографий,

а z - это переход к ответам на дополнительные вопросы.

Когда пользователь выберет одну из фотографий, ему придется для полной уверенности ответить на 3 вопроса. Такое количество вопросов было выбрано по настоянию группы экспертов.

Для определения правильности определения дефекта по трем вопросам воспользуемся следующим алгоритмом.

Имеется k вопросов с номерами J = {1,2,...,k}, на которые пользователем дан набор ответов R, где каждому вопросу j соответствует ответ R_j. Вес вопроса p_j.

Имеется n объектов с номерами I = {1,2,...,n}, у каждого объекта задан набор эталонных ответов L характеризующих данный объект L_ij на каждый вопрос j.

₀ - первоначальное множество объектов, состоит из n объектов.

* ₀ - подмножество объектов первоначального множества.

Для поиска объекта удовлетворяющего заданному набору ответов пользователя применяем метод перебора.

Количество итераций методы определяется количеством вопросов, и равно k. Порядок итераций определяется весами вопросов. Например, итерация j=1 соответствует вопросу R max(p_j).

Каждая итерация j начинается с формирования подмножества элементов *_j, которые удовлетворяют заданному условию.

На каждой итерации j, определяем, отвечает ли каждый объект заданным условиям или нет.

Для этого вычисляем оценку объекта i на итерации j _ij :

_ij =0, если ответ пользователя совпадает с эталонным ответом объекта i на вопрос j.

_ij =1, если ответ пользователя не совпадает с эталонным ответом объекта i на вопрос j.

В случае если ответ на вопрос j будет ошибочен, т.е. _ij = 1, то объект исключается из множества *_j.

В случае если ответ на вопрос j будет правильным, т.е. _ij = 0, то объект остается во множестве *_j.

Для каждого объекта i входящего во множество *_j вычисляем оценку _ij.

Математическая модель данной задачи выглядит следующим образом:

*_j = (5)

j=1,k

i=1,n

_ij= 0 V 1, где (6)

(7)

Объекты, которые будут входить во множество *_k , и будут искомыми объектами.

Если человек правильно отвечает на 3 вопроса, то он получает описание дефекта, а если неправильно, то переходит в режим ответа на дополнительные вопросы. Иначе это можно записать:

, (8)

где - это переход к описанию дефекта.

Для данного случая используется алгоритм, аналогичный случаю с определением области.

В целях обеспечения единства описания причинных факторов по каждому из них было разработано подробное текстовое (вербальное) и фотоописание, расшифровывающее смысл причинных факторов. Описание составлено методом экспертного анализа в терминах принятых на производстве.

Таким образом, во второй главе была предложена новая классификация дефектов металлокерамических и коммутационных плат и причин их возникновения. Разработана структура представления знаний. Она структурирована с помощью классификации совокупности дефектов металлокерамических и коммутационных плат и причин их возникновения, вероятности появления причин. В результате статистического анализа были проверены точность и надежность весовых коэффициентов причин возникновения дефектов, что позволило выявить наиболее часто возникающие причины образования дефектов. С учетом структуры представления знаний разработан алгоритм по распознаванию дефектов металлокерамических и коммутационных плат.

В третьей главе разработаны методы построения и организация дополнительных блоков обучающей системы. Рассматривается целесообразность режима предварительного обучения наилучшему усвоению текстовой информации. С этой целью был проведен сравнительный анализ существующих алгоритмов структурирования текста.

Очевидно, что большинство математических моделей текста довольно громоздко даже на уровне анализа отдельного предложения, не говоря уже про более крупные текстовые структуры. Они могут хорошо подвергнуться автоматизации, но при этом человек, работающий на компьютере, увидит лишь конечный результат, не понимая, как же все-таки он получился. А мы преследуем другую цель. Наша задача - сделать так, чтобы каждый обучаемый смог повысить эффективность и скорость усвоения сложного материала, например технической литературы. И в этом случае целесообразно использовать другой метод построения модели текста - построение графа денотатной структуры. Это метод формирования графической модели текста по его семантическим характеристикам. К ним относится набор " ключевых слов ", основные единицы содержания текста (денотаты) и структура смысловых связей между ними. Под денотатом понимается то, что стоит за языковым выражением и соответствует элементам ситуации, моделирующей в мышлении тот или иной фрагмент действительности.

Алгоритм составления денотатной структуры текста довольно прост. Сначала определяется, какой язык используется в тексте (русский, английский и т.д.). Затем исходный текст анализируется пословно. Каждая фраза разбивается на подфразы, признаком границы служат глаголы, причастия и знаки препинания. Кроме того, выделяются признаки абзаца, которые ставятся при вводе текста. Производят отбор “ключевых слов”. В качестве них выбираются центры и соответствующие им цепочки по формуле:

(9)

где k - число фрагментов, содержащих Nc (ключевые слова);

l - длина цепочки, равная числу образующих ее слов;

j - номер этих фрагментов в последовательности текста;

i - порядковый номер фрагмента по текста;

r - протяженность употребления Nc.

Эта формула позволяет определить наиболее существенные Nc. При этом из их числа исключаются те, которые имеют смысловой признак “процесс” или “абстрактное значение”. В результате получается свертка исходного текста. Затем выявим список тех слов, которые не вошли в “ключевые слова”, но имеют смысловую связь с ними. Этот список еще называют рубрикатором имен ситуаций. С помощью рубрикатора сформируем конечный результат в виде графа денотатной структуры.

В узлах этого графа располагаются денотаты, а ребра представляют собой слова, соединяющие денотаты по смыслу между собой. Граф имеет древовидную структуру. Сверху вниз располагаются денотаты в порядке убывания их встречаемости в тексте. Такая модель позволяет хорошо себе представить смысловую структуру текста. Для больших по объему текстов предлагается построение не одного графа денотатной структуры, а нескольких, каждый из которых соответствует определенному уровню содержания. Первый уровень составляет основное содержание, куда входят денотаты, соответствующие главным подтемам (построение плана). Затем каждая подтема может быть представлена своим графом, отображающим структуру субподтем и микротем. При этом раскрываться могут не все подтемы, а наиболее существенные. Количество уровней отображения структуры содержания зависит от глубины развернутости текста, а также от конкретных задач, которые стоят перед анализом текста. Такой полный граф надо строить при анализе реферата.Предложена математическая модель сравнения эталонного и построенного графов денотатной структуры. Сравнение осуществляется на основе сравнения матриц смежности, матриц денотатов и матриц рубрикаторов построенного и эталонного графов. Рассмотрим подробнее этот процесс.

Пусть [а_k] - матрица денотатов эталонного графа, причем k=1..m,

[с_k] - матрица денотатов построенного графа. Для удобства сравнения этих матриц надо заранее задать условие, что элементы в обеих этих матрицах должны располагаться с учетом их встречаемости в тексте по убыванию. Если два или более ключевых слов одинаково часто встречаются в тексте, то в обеих матрицах они должны располагаться в порядке алфавита.

Пусть [b_ai,aj] - матрица рубрикатора эталонного графа

[d_ai,aj] - матрица рубрикатора построенного графа.

Здесь a_i,a_j - соседние вершины графа, которые связаны элементом рубрикатора. Введем обозначение s_i - величину смыслового различия соответствующих элементов двух матриц денотатов:

s_k= (10)

Очевидно, что наиболее грубые ошибки лежат в области определения денотатов, которые в тексте встречаются чаще. С учетом этого составим формулу для оценки различия матриц денотатов эталонного и построенного графов:

(11)

Введем обозначение h_p - величину смыслового различия соответствующих элементов двух матриц рубрикаторов :

h_p =(12)

причем р=1..n

Cоставим формулу для оценки различия матриц рубрикаторов эталонного и построенного графов:

(13)

Пусть [k_ft] - матрица смежности эталонного графа, причем f=1..g, t=1..z

Тогда примем [e_ft] за матрицу смежности построенного графа.

Введем обозначение r_ft - величину смыслового различия соответствующих элементов двух матриц рубрикаторов:

r_ft =(14)

При сравнении матриц смежности также становится важным, в какой части графа при построении была совершена ошибка. С учетом этого составим формулу для оценки различия матриц смежности эталонного и построенного графов:

(15)

Тогда общую оценку различия между эталонным и построенным графами денотатной структуры текста можно определить по следующей формуле:

_общ =₁+₂+₃(16)

Общую относительную оценку различия эталонного и построенного графов денотатной структуры можно рассчитать по формуле:

(17)

Таким образом, можно сравнить граф денотатной структуры, который построил человек с графом, который построит компьютер и оценить правильность построения графа пользователем.

Таким образом, в третьей главе предлагается при обучении и для быстрого и эффективного усвоения материала из текста использовать режим предварительного обучения, который будет обучать строить математическую модель текста в виде графа денотатной структуры. Разработан алгоритм сравнения эталонного графа денотатной структуры текста с графом, который будет построен в процессе обучения. Анализ различных видов тестов и предметной области позволяет сделать вывод о том, что в данной работе целесообразно использовать тесты всех основных видов, а именно: закрытые, на установление соответствия, на установление правильной последовательности, открытые. В результате достигается более качественная и полная проверка знаний. Разработаны основные требования к тестовым заданиям. Предложен алгоритм оценивания результатов теста, который позволяет сравнивать ответы пользователя с эталонными ответами на все вопросы теста и оценить общий результат.

В четвертой главе был сделан выбор пути реализации программного продукта, создан алгоритм работы интеллектуальной системы, разработан интерфейс программы. На рисунке 1 показана структура системы «Эксперт». Модуль обучения построения денотатной структуры текста предлагает пользователю научиться использовать методику быстрого усвоения информации из текста. Модуль сравнения эталонного и построенного графов денотатной структуры текста позволяет проверить насколько пользователь освоил эту методику. Модуль анализа знаний пользователя о дефектах металлокерамических и коммутационных плат дает возможность пользователю на основе выбора из базы данных фотографий и ответа на вопросы определить, с каким дефектом он имеет дело. Модуль идентификации дефектов металлокерамических и коммутационных плат позволяет автоматически вынести предположение с определенной долей вероятности, что это тот или иной дефект. Редактор базы знаний позволяет изменить содержимое базы знаний. Модуль тестов содержит тесты для окончательной проверки знаний в области определения дефектов металлокерамических и коммутационных плат. Это модуль может пополняться с помощью подпрограммы «Генератор тестов». Для анализа ответов используется модуль результатов тестирования.



Рисунок 1. Структура системы «Эксперт»

База знаний системы состоит из следующих частей:

1. tbArea - Описание Областей объектов.

Область описана следующими данными:

- код области

- наименование области

- набор эталонных ответов, характеризующий уникальность каждой области.

2. tbAreaV - Вопросы для определения области объекта.

Тестовые вопросы для определения области:

- код вопроса

- текст вопроса

3. tbAreaO - Ответы на вопросы для определения области объекта

Возможные ответы на тестовые вопросы, определяющие заданную область:

- код вопроса

- номер ответа

- текст ответа

4. tbObj - Описание Объектов

Каждый объект характеризуется определенным набором свойств:

- код объекта

- наименование объекта

- описание объекта

- рисунок

- код области, к которой принадлежит объект.

5. tbVopros - вопросы для определения объекта.

- код объекта, к которому относится вопрос

- номер вопроса для определения объекта

- правильный ответ на вопрос (Варианты ответов: Да/Нет/Не знаю)

6. tbObjOtv - ответы на вопросы для определения объекта

- код объекта

- набор ответов определяющих заданный объект

Эта программа может работать в четырех режимах: режиме предварительного обучения, режиме пользователя, режиме администратора и режиме тестирования.

В режиме предварительного обучения показан прием упрощения прочтения текстовой информации на основе построения денотатной структуры текста.

В режиме пользователя появляется список из нескольких вопросов. Для каждого из них предлагается выбрать один из трех вариантов ответа. Затем в зависимости от комбинации ответов выдается определенный список гиперссылок на 3 области объектов.

Выбор одной из трех областей определяется на основании анализа соответствия ответов пользователя эталонным ответам описывающих определенную область.

Что такое эталонные ответы? Каждая область отличается от другой какой-либо уникальной чертой/свойством. Чтобы охарактеризовать (отличить область одну от другой) область нужно ответить на несколько тестовых вопросов. Набор ответов на эти тестовые вопросы различен для каждой из областей. Вот под этим набором ответов и будем понимать эталонные ответы.

Определение области носит вероятностный характер, т.е. чем больше ответов пользователя оказалось правильным (совпало с эталонными ответами), тем больше вероятность правильного выбора данной области.

Далее, при выборе одной из областей объектов, пользователь переходит в отфильтрованный список объектов, которые принадлежат заданной области.

Здесь пользователь может посмотреть рисунок объекта, его название, и ответить на ряд уточняющих вопросов. Если на эти вопросы пользователь ответил правильно, то он увидит свойства объекта и его описание.

В режиме администратора реализована возможность редактировать тестовые вопросы для определения области и варианты ответа к каждому из них.

Кроме того, есть возможность редактировать объекты, название и его свойства. Можно сформулировать текст вопросов, задаваемых пользователю для распознавания дефекта, а также правильные ответы на эти вопросы.

Основной интерес представляет собой метод выбора области основанный на анализе соответствия ответов пользователя эталонным ответам описывающих определенную область.

Пользователь отвечает на тестовые вопросы. На основании его ответов строится массив значений, характеризующих одну из возможных областей.

Для определения выбранной области, требуется определить, какой области соответствует набор ответов пользователя. Для этого набор ответов пользователя сравнивается с набором эталонных ответов, характеризующий уникальность каждой области.

Если пользователь правильно ответил на все вопросы, то наборы ответов пользователя и эталонный будет совпадать на 100%, если были ошибки, то ответы будут совпадать, например, только на 50-70%, в зависимости от количества правильных ответов.

При выборе объекта используется похожий алгоритм. Если пользователь не выбрал или неправильно выбрал область, то ему предлагается ответить на дополнительные вопросы, чтобы выбрать объект. На основании его ответов строится набор ответов (массив значений), характеризующих один из возможных объектов.

Все ответы пользователя анализируются, сравниваются с эталонными ответами, описывающими каждый объект, подсчитывается количество правильных ответов. Если полностью удовлетворяющего объекта на найдено, то на основании количества правильных ответов, делается вывод о той или иной степени вероятности, что найден наиболее соответствующий объект.

Режим тестирования идет в порядке очередности последним. Он позволяет проверить, насколько пользователь хорошо умеет распознавать дефекты, решать несущие рабочие проблемы. Для быстрого создания нового теста была создана программа «Генератор тестов». Она позволяет автоматически формировать компьютерный тест в формате HTML с любым количеством вопросов. Вопросы могут быть двух типов: открытые и закрытые. Под открытым вопросом понимается вопрос, ответ на который должен дать сам студент. Такой ответ должен быть очень точным. Под закрытым вопросом понимается вопрос, ответ на который может быть дан в виде выбора одного или нескольких вариантов из определенного количества предлагаемых вариантов ответа. В любой из вопросов можно дополнительно вставить мультимедиа файлы с любым из расширений: gif, jpg, bmp, png, sfw, tif, jpeg, dib, jpe, avi, wav, mp3. После того, как сформированы все вопросы, выбирается режим компиляции, после выполнения которого, формируется файл в формате HTML, который уже является тестирующей программой.

С учетом структуры экспертной системы и анализа предметной области созданы алгоритмы работы системы во всех режимах работы.

Таким образом, в четвертой главе диссертации показана целесообразность использования в качестве языка программирования языка Borland Dеlphi вследствие того, что используется продукционная модель представления знаний. Разработана структура экспертной системы. Она включает в себя модуль обучения построения денотатной структуры текста, модуль сравнения эталонного и построенного графов денотатной структуры (они используются для режима предварительного обучения, в котором пользователь обучается использовать методику быстрого усвоения материала из текста), модуль анализа знаний пользователя о дефектах металлокерамических и коммутационных плат, база знаний дефектов металлокерамических и коммутационных плат, модуль идентификации дефектов металлокерамических и коммутационных плат (используются в режиме пользователя, в котором можно производить распознавание найденных дефектов металлокерамических и коммутационных плат), редактор базы знаний (является основой для режима администратора, в котором производятся основные настройки системы), модуль тестов, подпрограмма «Генератор тестов», модуль результатов тестирования (используются в режиме тестирования, который позволяет проверить знания пользователя, полученные с помощью данной системы) и переключатель режимов работы. Разработаны структура базы знаний и алгоритмы работы системы во всех режимах работы.

Основные результаты

В процессе выполнения работы были получены следующие результаты:

1. Разработана структура представления знаний дефектов металлокерамических и коммутационных плат. Она представляет собой структурированную с помощью классификации совокупность дефектов металлокерамических и коммутационных плат и причин их возникновения, фотографии дефектов, а также весовых коэффициентов причин возникновения дефектов. Расчет весовых коэффициентов причин возникновения дефектов, т.е. вероятностей их возникновения был проведен на основе метода экспертных оценок, что позволило создать предпосылки для статистического анализа совокупности причин возникновения дефектов. В ходе статистического анализа были выяснены толерантные пределы для вариационного ряда причин возникновения дефектов металлокерамических и коммутационных плат, что позволило выявить наиболее часто возникающие причины образования дефектов.

2. Разработана структура экспертной системы. Она включает в себя переключатель режимов работы, модуль обучения построения денотатной структуры текста, модуль сравнения эталонного и построенного графов денотатной структуры, модуль анализа знаний пользователя о дефектах металлокерамических и коммутационных плат, база знаний дефектов металлокерамических и коммутационных плат, модуль идентификации дефектов металлокерамических и коммутационных плат, редактор базы знаний, модуль тестов, подпрограмма «Генератор тестов», модуль результатов тестирования. Модуль обучения построения денотатной структуры текста и модуль сравнения эталонного и построенного графов денотатной структуры используются для режима предварительного обучения, в котором пользователь обучается использовать методику быстрого усвоения материала из текста. Модуль анализа знаний пользователя о дефектах металлокерамических и коммутационных плат, база знаний дефектов металлокерамических и коммутационных плат, а также модуль идентификации дефектов металлокерамических и коммутационных плат используется в режиме пользователя, в котором можно производить распознавание найденных дефектов металлокерамических и коммутационных плат. Редактор базы знаний является основой для режима администратора, в котором производятся основные настройки системы. Модуль тестов, подпрограмма «Генератор тестов» и модуль результатов тестирования используются в режиме тестирования, который позволяет проверить знания пользователя, полученные с помощью данной системы.

3. В режиме предварительного обучения система предлагает пользователю научиться использовать методику быстрого усвоения информации из текста. Режим основного обучения пользователя дает возможность найти и распознать дефекты металлокерамических и коммутационных плат. Режим администрирования позволяет внести дополнительные изменения в работу системы, а также пополнить ее новыми знаниями. Режим тестирования дает возможность проверить полученные знания с помощью ответов на электронные тесты. Сами тесты целесообразно формировать с помощью разработанной подпрограммы «Генератор тестов».

4. Предлагается в режиме предварительного обучения организовать обучение построении математической модели текста в виде графа денотатной структуры. На основе сравнения различных семантических моделей текста становится ясно, что такая модель позволяет лучше представить себе смысловую структуру текста. Предлагается алгоритм сравнения эталонного графа денотатной структуры текста с графом, который будет построен в процессе изучения текста. Сравнение осуществляется на основе сравнения матриц смежности, матриц денотатов и матриц рубрикаторов построенного и эталонного графов.

5. Анализ предметной области и различных видов тестов позволяет сделать вывод о том, что в данной работе целесообразно использовать тесты всех основных видов, а именно: закрытые, на установление соответствия, на установление правильной последовательности, открытые. Это объясняется тем, что все эти виды дополняют и устраняют недостатки друг друга. В результате достигается более качественная и полная проверка знаний. Рекомендованы основные требования к тестовым заданиям. Они задают типологию задания и вариантов ответа. Предложен алгоритм оценивания результатов теста, который позволяет сравнивать ответы пользователя с эталонными ответами на все вопросы теста и вывести общий результат в виде результирующей оценки. Все выявленные закономерности в области тестирования знаний реализованы в модуле тестирования системы.

6. Разработаны алгоритмы определения правильности ответов на вопросы, который можно использовать в режимах пользователя и администратора системы, математический алгоритм оценивания результатов теста в режиме тестирования и математический алгоритм сравнения эталонного и построенного графов денотатной структуры текста в режиме предварительного обучения. Выявлены минимальные требования, позволяющие обеспечивать нормальный режим работы системы. Показана целесообразность использования в качестве языка программирования языка Borland Dеlphi с учетом того, что используется продукционная модель представления знаний. В соответствии с этим необходимо использовать для доступа к базе данных InterBase SQL-сервер и BDE (Borland Database Engine). Разработана структура базы знаний. База знаний состоит из описания области объектов, вопросов для определения области объектов, ответов на вопросы для определения области объектов, описания объектов, вопросов для определения объектов и ответов на вопросы для определения объектов, а также алгоритмов, связывающих эти области между собой. Созданы алгоритмы работы системы во всех модулях, для каждого из них определены входные и выходные данные и сценарии диалога пользователя и системы.

7. Результаты диссертационной работы были внедрены и использованы в деятельности организаций Марийского машиностроительного завода (ОАО «ММЗ»), ООО «Делвир», ООО «Мартелеком», ООО «Интерком», а также в учебном процессе Марийского государственного технического университета. Эксперимент, проведенный на ММЗ, показал, что использование системы «Эксперт» позволяет снизить выход бракованной продукции с 14% до 9%.

Публикации по теме диссертации

1. Власов А.А., Громыко А.Н., Зуев А.В. “Анализ восприятия информации посредством семантического кодирования”. Материалы восьмой международной научно-технической конференции студентов и аспирантов, Москва, МЭИ, 2002, C.321.

2. Власов А.А., Зуев А.В. ”Построение модели технического текста для оценки степени его понимания” Сборник “Материалы VIII международной конференции “Современные технологии обучения”, ЛЭТИ, Санкт-Петербург, 2002.

3. Власов А.А., Зуев А.В. “Использование денотатной структуры текста при создании электронного учебника” Материалы II Международной конференции “Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и систем искусственного интеллекта”, Вологда, 2003, С.97-99.

4. Власов А.А., Зуев А.В. “ Системный анализ текста” Сборник “Материалы XIV Международной конференции “Применение новых технологий в образовании”, Троицк, 2003.

5. Власов А.А., Зуев А.В. “Принципы формирования тестирующей программы” Материалы Международной Интернет-конференции “Информационные технологии в образовательной среде современного вуза, 2004.

6. Власов А.А., Зуев А.В. Построение модели текста на основе его структурных и семантических характеристик. Сборник “Обозрение прикладной и промышленной математики.”Том 8, Выпуск2 (Материалы Второго Всероссийского симпозиума по прикладной математики и восьмой Всероссийской школы-коллоквиума по стохастическим методам, Йошкар-Ола , 2001, С.557.

7. Власов А.А., Зуев А.В. “Проверка знаний на основе компьютерного тестирования” Материалы I Всероссийской научно-практической конференции “Психолого-педагогические исследования в системе образования” Москва-Челябинск, 2003, С.33-34.

8. Власов А.А., Зуев А.В. “Возможные варианты проверки знаний с помощью компьютера” Материалы 2-ой Всероссийской заочной научно-практической конференции “Модернизация системы профессионального образования на основе регулируемого эволюционирования”, Челябинск, 2003.

9. Зуев А.В. “Анализ созданной программы “Эксперт”“Материалы 3-ей Всероссийской заочной научно-практической конференции “Модернизация системы профессионального образования на основе регулируемого эволюционирования”, Челябинск, 2004, С.36-38.

10. Власов А.А., Зуев А.В. “Подходы формирования тестов для оценки понимания текста при дистанционном обучении”. Материалы 54-й межвузовской студенческой научно-технической конференции, Йошкар-Ола,2001, С.296-297.

11. Власов А.А., Зуев А.В. “Применение средств гипермедиа при обучении и контроле знаний” Материалы конференции “Туполевские чтения”,Казань, КГТУ, 2002.

12. Власов А.А., Зуев А.В. “Организация проверки знаний при использовании электронного учебника” Материалы конференции "Управление качеством инженерного образования", Казань, КГТУ, 2002, С.161.

13. Власов А.А., Скулкин Н.М., Зуев А.В. “Создание обучающей системы дистанционного обучения в заводских условиях” Материалы конференции “Вавиловские чтения” Йошкар-Ола, 2003

14. Власов А.А., Зуев А.В. “Использование экспертной системы для обучения молодых специалистов” Материалы межрегиональной научно-практической конференции “Интеллектуальные информационные системы (Интеллект 2003)”

15. Зуев А.В. “Анализ автоматизированной обучающей системы “Эксперт”“Материалы региональной научно-практической конференции “Информационные технологии в профессиональной деятельности и научной работе”, Йошкар-Ола, 2005,С.29-32.

16. Власов А.А., Скулкин Н.М., Зуев А.В. “Разработка структурированных информационных массивов управления качеством изделий электронной техники (МКК, МКП)” “Материалы региональной научно-практической конференции “Информационные технологии в профессиональной деятельности и научной работе”, Йошкар-Ола, 2005, С.33-36.

17. Зуев А.В. “Применение компьютерной обучающей системы «Эксперт» в области определения дефектов металлокерамических корпусов и коммутационных плат”// Труды конференции IEEE AIS'04 САПР-2005.-М.:Физматлит,2005. С.57-67

18. Зуев А.В. “Принципы формирования структуры знаний дефектов металлокерамических и коммутационных плат и причин, их вызывающих. МарГТУ. -М.:2005. - 20c. Деп. В ВИНИТИ 26.07.05 №1090-B2005.

19. Власов А.А., Зуев А.В.Автоматизированная обучающая система «Эксперт». Свидетельство об официальной регистрации программы для ЭВМ №2005612744, РОСПАТЕНТ, 21.10.2005г.

20. Власов А.А., Скулкин Н.М., Зуев А.В. Использование экспертной системы для распознавания дефектов металлокерамических корпусов и коммутационных плат // Известия вузов. ЭЛЕКТРОНИКА № 2. - М., 2006. - С.47-51