Разработка базы знаний и поддержки принятия решений предметной области компании, производящей автомобили

Размещено на http://www.allbest.ru/

Введение

Людям приходится принимать решения почти везде и почти всегда. В ходе военных действий, в политике, при управлении предприятием, при выборе автомобиля или варианта обмена квартиры и еще в тысячах других случаев. Развитие науки, усложнение экономических и социальных связей и отношений привели к разработке специальной области научного знания - теории принятия решений.

Теория принятия решений - область исследования, вовлекающая понятия и методы математики, статистики, экономики, менеджмента и психологии; изучает закономерности выбора людьми путей решения разного рода задач, а также исследует способы поиска наиболее выгодных из возможных решений.

Задача принятия решений - одна из самых распространенных задач в любой предметной области. Ее решение сводится к выбору одной или нескольких лучших альтернатив из некоторого набора. Для того чтобы сделать такой выбор, необходимо четко определить цель и критерии (показатели качества), по которым будет проводиться оценка некоторого набора альтернативных вариантов. Выбор метода решения такой задачи зависит от количества и качества доступной информации.

В настоящее время в связи с возросшими возможностями современных ЭВМ разработаны программные информационные системы, обеспечивающие поддержку процесса принятия решений на всех его фазах. Большинство систем принятия решений реализовано на персональных ЭВМ. В роли системы принятия решений может выступать база знаний [4].

База знаний - важный компонент интеллектуальной системы. Наиболее известный класс таких программ это экспертные системы. Они предназначены для поиска способов решения проблем из некоторой предметной области, основываясь на записях базы знаний и на пользовательском описании ситуации.

Полноценные базы знаний содержат в себе не только фактическую информацию, но и правила вывода, допускающие автоматические умозаключения о вновь вводимых фактах и, как следствие, осмысленную обработку информации. Область наук об искусственном интеллекте, изучающая базы знаний и методы работы со знаниями, называется инженерией знаний.

Простые базы знаний могут использоваться для создания экспертных систем хранения данных в организации: документации, руководств, статей технического обеспечения. Главная цель создания таких баз - помочь менее опытным людям найти уже существующее описание способа решения какой-либо проблемы [2].

Целью курсового проектирования является разработка базы знаний и поддержки принятия решений предметной области компании, производящей автомобили.

В соответствии с поставленной целью в работе предполагается решить следующие задачи:

- выполнить системный анализ (функциональный, параметрический, информационный, морфологический);

- построить базу знаний на основе трех моделей (продукционные правила, семантическая сеть, фреймовая модель);

- разработать систему принятий решений (определить альтернативы, критерии оценки альтернатив, выбрать наилучшую альтернативу для ЛПР на основе важности критериев).

1. Теоретический раздел

1.1 Основные понятия и определения

При изучении интеллектуальных систем традиционно возникает вопрос - что же такое знания и чем они отличаются от обычных данных, десятилетиями обрабатываемых ЭВМ. Можно предложить несколько рабочих определений, в рамках которых это становится очевидным.

Данные - это отдельные факты, характеризующие объекты, процессы и явления предметной области, а также их свойства.

Знания основаны на данных, полученных эмпирическим путем. Они представляют собой результат мыслительной деятельности человека, направленной на обобщение его опыта, полученного в результате практической деятельности.

Знания - это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области. Знания - это хорошо структурированные данные, или данные о данных, или метаданные.

База данных - организованная в соответствии с определёнными правилами и поддерживаемая в памяти компьютера совокупность данных, характеризующая актуальное состояние некоторой предметной области и используемая для удовлетворения информационных потребностей пользователей.

Отличия баз знаний от баз данных:

Базы данных:

- могут работать с однородными данными;

- представляет собой жестко структурированную модель;

- данные представлены в виде набора записей.

Базы знаний:

- могут содержать разнородные и разнотипные данные;

- представляют собой открытую модель;

- знания представлены в виде семантической сети.

База знаний, БЗ (англ. Knowledgebase, KB) - это особого рода база данных, разработанная для управления знаниями (метаданными), то есть сбором, хранением, поиском и выдачей знаний. Раздел искусственного интеллекта, изучающий базы знаний и методы работы со знаниями, называется инженерией знаний.

Под базами знаний понимает совокупность фактов и правил вывода, допускающих логический вывод и осмысленную обработку информации. В языке Пролог базы знаний описываются в форме конкретных фактов и правил логического вывода над базами данных и процедурами обработки информации, представляющих сведения и знания о людях, предметах, фактах событиях и процессах в логической форме.

В зависимости от уровня сложности систем, в которых применяются базы знаний, различают:

- БЗ всемирного масштаба - например, Интернет или Википедия;

- БЗ национальные - например, Википедия;

- БЗ отраслевые - например, Автомобильная энциклопедия;

- БЗ организаций - см. Управление знаниями;

- БЗ экспертных систем - см. Экспертная система;

- БЗ специалистов.

Простые базы знаний могут использоваться для создания экспертных систем и хранения данных об организации: документации, руководств, статей технического обеспечения. Главная цель создания таких баз - помочь менее опытным людям найти существующее описание способа решения какой-либо проблемы предметной области [8].

1.2 Основные модели представления знаний

В настоящее время известно значительное количество программных систем, используемых для решения таких сложных задач, как оценка ситуации и выбор решения при управлении сложными процессами; оценка и выбор оптимальных проектных решений; техническая и медицинская диагностика; оценка кредитных и инвестиционных рисков; прогнозирование финансово-экономических параметров: доходности предприятия, курсов валют, биржевых цен и т.п. В силу интеллектуального характера решаемых задач, а также того, что самим системам присущи способность достигать высокого качества формируемых решений, а также обучаться и объяснять свои решения, такие системы называются интеллектуальными и объединяют достаточно широкий круг программных продуктов. К ним относятся и экспертные системы (expertsystems), системы для численного обоснования принятия решения (decisionsupportsystems), системы для распознавания образов (текстов, изображения, речи) и некоторые другие.

В программировании в целом наметилась быстро развивающаяся тенденция к интеллектуализации. Так, сейчас практически все популярные программные продукты в большей или меньшей степени приобрели черты интеллектуальности. Запоминание действий пользователя, подсказки и рекомендации по оптимальному использованию соответствующих режимов самих программ, сложные ассоциативные поиски, оптимизация кода при программировании, сложные механизмы обеспечения корректности данных при вводе и хранении - вот неполный перечень признаков "поумнения" современных программных средств. А это, в свою очередь, является немаловажной предпосылкой дальнейшего прогресса в разработке интеллектуальных систем (ИС).

Одной из основных проблем при создании ИС является выбор модели представления знаний. Именно модель представления знаний определяет архитектуру, возможности и свойства системы, а также методы приобретения знаний ИС. В настоящее время разработано множество моделей представления знаний. Имея обобщенное название, они различаются по идеям, лежащим в их основе, с точки зрения математической обоснованности. Типы моделей показаны на рисунке 1.1.

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Рисунок 1.1 Модели представления знаний

Наибольшую известность получили следующие модели:

- продукционные модели - модель основанная на правилах, позволяет представить знание в виде предложений типа: «ЕСЛИ условие, ТО действие». Продукционная модель обладает тем недостатком, что при накоплении достаточно большого числа (порядка нескольких сотен) продукций они начинают противоречить друг другу;

- сетевые модели (или семантические сети) - в инженерии знаний под ней подразумевается граф, отображающий смысл целостного образа. Узлы графа соответствуют понятиям и объектам, а дуги - отношениям между объектами. Обладает тем недостатком, что однозначного определения семантической сети в настоящее время отсутствует;

- фреймовая модель - основывается на таком понятии как фрейм (англ. frame - рамка, каркас). Фрейм - структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах. Слоты могут быть терминальными либо являться сами фреймами, т.о. образуя целую иерархическую сеть [3].

1.3 Система принятия решений

Системы поддержки принятия решений или СППР (DecisionSupportSystems, DSS) - это компьютерная система, которая путем сбора и анализа большого количества информации может влиять на процесс принятия решений организационного плана. Интерактивные системы позволяют руководителям получить полезную информацию из первоисточников, проанализировать ее, а также выявить существующие модели для решения определенных задач.

Система поддержки решений СППР решает две основные задачи:

- выбор наилучшего решения из множества возможных (оптимизация);

- упорядочение возможных решений по предпочтительности (ранжирование).

В обеих задачах первым и наиболее принципиальным моментом является выбор совокупности критериев, на основе которых в дальнейшем будут оцениваться, и сопоставляться возможные решения (альтернативы). Система СППР помогает пользователю сделать такой выбор.

Для анализа и выработок предложений в СППР используются разные методы. Это могут быть: информационный поиск, интеллектуальный анализ данных, поиск знаний в базах данных, рассуждение на основе прецедентов, имитационное моделирование, эволюционные вычисления и генетические алгоритмы, нейронные сети, ситуационный анализ, когнитивное моделирование и др. Некоторые из этих методов были разработаны в рамках искусственного интеллекта. Если в основе работы СППР лежат методы искусственного интеллекта, то говорят об интеллектуальной СППР, или ИСППР.

Близкие к СППР классы систем - это экспертные системы и автоматизированные системы управления. Модель управления и управления данными действуют, в основном, незаметно и варьируются от простой модели до сложной комплексной модели планирования, основанной на математическом программировании.

Наиболее широкой сферой практического применения СППР являются планирование и прогнозирование для различных видов управленческой деятельности.

Системы поддержки принятия решений:

- предполагают гибкость пользователей, адаптируемость и быструю реакцию;

- допускают, чтобы пользователи управляли входом и выходом;

- оперируют с небольшой помощью профессиональных программистов или без нее;

- обеспечивают поддержку для решений и проблем, которые не могут быть определены заранее;

- используют сложный анализ и инструментальные средства моделирования.

СППР имеют большую аналитическую мощность, чем другие системы: они построены с рядом моделей, чтобы анализировать данные. Системы СППР интерактивны; пользователь может изменять предположения и включать новые данные.

Процесс принятия решений в СППР, включает четыре стадии:

1) распознавание или осмысление - состоит из идентификации и понимания проблем, встречающихся в организации: почему проблемы возникают, где и с каким результатом. Традиционные управляющие информационные системы (УИС), которые поставляют широкое многообразие детальной информации, могут помогать опознавать проблемы, особенно если системы сообщают об исключениях;

2) проект или продумывание - в течение принятия решений лицо, принимающее решение, продумывает возможные варианты решения проблем. Малые системы СППР идеальны в этой стадии принятия решений, потому что они оперируют на простых моделях, могут быть быстро развиты и работать с ограниченными данными;

3) выбор - заключается в подборе решений среди альтернатив. Здесь изготовитель решений мог бы нуждаться в большой системе СППР, чтобы использовать более обширные данные относительно ряда альтернатив и комплексные аналитические модели, чтобы объяснить все затраты, следствия и возможности;

4) реализация - в течение выполнения решения менеджеры могут использовать систему сообщения, которая поставляет обычные доклады относительно прогресса определенного решения. Системы поддержки выполнения могут быть от полномасштабной управляющей информационной системы до меньших систем, таких, как программное обеспечение планирования проекта, использующего микрокомпьютеры.

Рассмотрим основные классификации СППР.

По взаимодействию с пользователем выделяют три вида СППР:

- пассивные помогают в процессе принятия решений, но не могут выдвинуть конкретного предложения;

- активные непосредственно участвуют в разработке правильного решения;

- кооперативные предполагают взаимодействие СППР с пользователем.

Выдвинутое системой предложение пользователь может доработать, усовершенствовать, а затем отправить обратно в систему для проверки. После этого предложение вновь представляется пользователю, и так до тех пор, пока он не одобрит решение.

По способу поддержки различают:

- модельно-ориентированные СППР, используют в работе доступ к статистическим, финансовым или иным моделям;

- СППР, основанные на коммуникациях, поддерживают работу двух и более пользователей, занимающихся общей задачей;

- СППР, ориентированные на данные, имеют доступ к временным рядам организации. Они используют в работе не только внутренние, но и внешние данные;

- СППР, ориентированные на документы, манипулируют неструктурированной информацией, заключенной в различных электронных форматах;

- СППР, ориентированные на знания, предоставляют специализированные решения проблем, основанные на фактах.

По сфере использования выделяют общесистемные и настольные СППР. Общесистемные работают с большими системами хранения данных и применяются многими пользователями. Настольные являются небольшими системами и подходят для управления с персонального компьютера одного пользователя.

В архитектуре СППР выделяют следующие компоненты:

- информационные хранилища данных;

- средства и методы извлечения, обработки и загрузки данных;

- многомерная база данных и средства анализа OLAP [1].

2. Практический раздел

2.1 Постановка задачи

Необходимо разработать базу знаний и поддержку принятия решений предметной области компании, производящей автомобили. Так же необходимо разработать приложение, которое должно осуществлять работу с базой знаний. К разрабатываемому приложению должны предъявляться следующие требования:

– Актуальность - возможность оперативно отражать изменения.

– Удобство - понятный интерфейс.

– Функциональность-программа должна являться полностью завершенным программным продуктом, не требующим каких-либо дополнительных специальных компонентов.

– Полнота информации, то есть предоставление максимально полной информации о составленной смете.

В качестве средств реализации было выбрано следующие программное обеспечение:

- Среда SQLServerManagementStudio - это интегрированная среда для доступа, настройки, администрирования, разработки всех компонентов SQLServer и управления ими [6];

- Среда MicrosoftVisualStudio 2010 - линейка продуктов компании Майкрософт, включающих интегрированную среду разработки программного обеспечения и ряд других инструментальных средств. Данные продукты позволяют разрабатывать как консольные приложения, так и приложения с графическим интерфейсом, в том числе с поддержкой технологии WindowsForms, а также веб-сайты, веб-приложения, веб-службы как в родном, так и в управляемом кодах для всех платформ, поддерживаемых MicrosoftWindows [9].

Для написания приложения был выбран язык C# в составе среды разработки программного обеспечения MicrosoftVisualStudio 2010.

C# (произносится си шарп) - объектно-ориентированный язык программирования. Разработан в 1998-2001 годах группой инженеров под руководством Андерса Хейлсберга в компании Microsoft как язык разработки приложений для платформы Microsoft.NET Framework. C# относится к семье языков с C-подобным синтаксисом, из них его синтаксис наиболее близок к C++ и Java. Язык имеет статическую типизацию, поддерживает полиморфизм, перегрузку операторов (в том числе операторов явного и неявного приведения типа), делегаты, атрибуты, события, свойства, обобщённые типы и методы, итераторы, анонимные функции с поддержкой замыканий, LINQ, исключения, комментарии в формате XML [10].

2.2 Анализ предметной области

Компания - это совокупность (объединение) юридических и физических лиц, целью которых является получение прибыли путем совместного ведения различных видов экономической деятельности (торговой, посреднической, страховой, финансовой, производственной и т.д.). Основной экономической деятельностью компании, производящей автомобили, является производственная деятельность. Производственная деятельность связана с непосредственным выпуском продукции и направлена на создание и внедрение в производство научно-технических новшеств.

Производственный процесс - это взаимодействие всех производственных факторов на предприятии, которые направлены на трансформацию сырья в готовый продукт, пригодный к потреблению или к дальнейшей обработке. Основными элементами организации производственного процесса являются труд, предметы и средства труда.

По своему назначению и роли в производстве процессы подразделяются на основные, вспомогательные и обслуживающие.

Основными называются производственные процессы, в ходе которых осуществляется изготовление основной продукции, выпускаемой предприятием. Результатом основных процессов в машиностроении являются выпуск машин, аппаратов и приборов, составляющих производственную программу предприятия и соответствующих его специализации, а также изготовление запасных частей к ним для поставки потребителю.

К вспомогательным относятся процессы, обеспечивающие бесперебойное протекание основных процессов. Их результатом является продукция, используемая на самом предприятии. Вспомогательными являются процессы по ремонту оборудования, изготовлению оснастки, выработка пара и сжатого воздуха и т. д.

Обслуживающими называются процессы, в ходе реализации которых выполняются услуги, необходимые для нормального функционирования и основных, и вспомогательных процессов. К ним относятся, например, процессы транспортировки, складирования, подбора и комплектования деталей и т. д.

Совокупность основных процессов образует основное производство. Основную деятельность компании, производящей автомобили, будем рассматривать, учитывая основные процессы производства:

- Менеджер анализирует спрос на рынке и оформляет заказ на изготовление необходимой той или иной модели автомобиля.

- Инженер-конструктор разрабатывает пакет конструкторской документации, требование которой удовлетворяет заказу менеджера. К пакету конструкторской документации относятся чертежи деталей, чертежи автомобиля, спецификации и т.д.

- Снабженец получает от конструктора список всех необходимых ресурсов для производства автомобиля. И затем обеспечивает наличие того или иного ресурса для производства.

- Рабочие в лице автомехаников, сварщиков, сборщиков, электромонтеров, программистов и др. осуществляют процесс создания автомобиля.

- Водители доставляют готовую продукцию на рынок.

На диаграмме Use Case, представленной на рисунке 2.1, показаны функции, выполняемые сотрудниками компании.

Рисунок 2.1 Диаграмма UseCase

Все сведения о сотрудниках компании хранятся в базе знаний, также в ней хранится информация о заказах менеджеров, о конструкторской документации, о доступных готовых автомобилях и о ресурсах необходимых для производства автомобилей.

2.3 Разработка базы знаний на основе трех моделей (продукционные правила, семантическая сеть, фреймовая модель)

решение база знания семантический

2.3.1 Построение семантической сети

Семантическая сеть - это ориентированный граф, вершины которого - понятия, а дуги - отношения между ними. Узлы в семантической сети обычно соответствуют объектам, концепциям, событиям или понятиям. Любой фрагмент сети, например одна вершина, две вершины и соединяющие их дуги, называют подсетью. Логический вывод (поиск решения) на семантической сети заключается в том, чтобы найти или сконструировать подсеть, удовлетворяющую некоторым условиям.

В семантических сетях используют три типа вершин:

- вершины-понятия (обычно это существительные);

- вершины-события (обычно это глаголы);

- вершины-свойства (прилагательные, наречия, определения).

В семантической сети отношения представляются дугами.

Механизм логического вывода в сетевых системах основан на использовании двух ведущих принципов: наследования свойств; сопоставления по совпадению.

Первый принцип, в свою очередь, базируется на учете важнейших связей, отражаемых в семантической сети. К таким связям относятся:

- связь «есть», «является» (англ.IS-А);

- связи «имеет часть», «является частью» (англ. НАS-РАRТ, РART-ОF).

Последовательно переходя с одного узла сети к другому по направлению соответствующих связей, можно выявить (извлечь) новую информацию, характеризующую тот или иной узел.

Принцип сопоставления по совпадению основан на представлении вопроса к системе, в виде фрагмента семантической сети с использованием тех же названий сущностей (узлов) и связей, что и в основной сети, и реализации процедуры «наложения» вопроса на сеть и поиска такого его положения, которое соответствует ответу на вопрос [5].

Для построения сетевой модели представления знаний необходимо выполнить следующие шаги:

1) Определить абстрактные объекты и понятия предметной области, необходимые для решения поставленной задачи. Оформить их в виде вершин.

2) Задать свойства для выделенных вершин, оформив их в виде вершин, связанных с исходными вершинами атрибутивными отношениями.

3) Задать связи между этими вершинами, используя функциональные, пространственные, количественные, логические, временные, атрибутивные отношения, а также отношения типа «являться наследником» и «являться частью».

4) Добавить конкретные объекты и понятия, описывающие решаемую задачу. Оформить их в виде вершин, связанных с уже существующими отношениями типа «являться экземпляром», «есть».

5) Проверить правильность установленных отношений (вершины и само отношение при правильном построении образуют предложение, например «Двигатель является частью автомобиля»).

Построим сетевую модель представления знаний в предметной области “Компания, производящая автомобили”.

1) Ключевые понятия данной предметной области - компания, тот, кто оформляет заказы на изготовления автомобилей (менеджер) и те, кто участвуют в производстве: инженеры-конструктора, снабженцы, мастера и рабочие (для простоты ограничимся мастерами). У сотрудников компании, которые участвуют в производстве и менеджеров есть общие характеристики, поэтому целесообразно выделить общее абстрактное понятие - человек. В результате производственной деятельности готовым продуктом компании будет являться автомобиль.

Исходя из этого, вершины графа будут следующими: «Компания», «Человек», «Менеджер», «Заявка», «Инженер-конструктор», «Конструкторская документация», «Снабженец», «Ресурсы», «Мастер» и «Автомобиль».

2) У этих объектов есть определенные свойства и атрибуты. Например, кампания располагается по определенному адресу, каждый вид ресурсов имеет свою цену, каждый произведенный автомобиль имеет свою стоимость. Поэтому добавим вершины «Адрес», «Цена» и «Стоимость».

3) Исходя из вышеперечисленных данных, добавим соответствующие вершины в граф и соединим их функциональными отношениями и отношениями типа «например или являться экземпляром». Полученный в результате граф изображен на рисунке 2.2.

4) Осуществим проверку установленных связей. Например, возьмем вершину «Снабженец» и пройдем по установленным связям. Получаем следующую информацию: снабженец наследник класса человек, снабженец работает в компании, он приобретает ресурсы, которые имеют определенную цену.

Рисунок 2.2 Семантическая сеть

2.3.2 Построение фреймовой модели

Фрейм - это минимальная структура информации, необходимая для представлений знаний о стереотипных классах объектов, явлений, ситуаций, процессов и др. С помощью фреймов можно моделировать знания о самых разнообразных объектах интересующей исследователя предметной области - важно лишь, чтобы эти объекты составляли класс концептуальных (повторяющихся, стереотипных) объектов, процессов и т.п.

Фрейм состоит из имени и отдельных единиц, называемых слотами. Он имеет однородную структуру:

ИМЯ ФРЕЙМА

Имя 1-го слота: значение 1-го слота

Имя 2-го слота: значение 2-го слота

………………………………

Имя N-го слота: значение N-го слота.

Наполняя слоты конкретным содержанием, можно получить фрейм конкретной ситуации. Слоты во фрейме играют ту же роль, что и поля в записи (БД). При этом их наполнителями являются значения, хранящиеся в полях. Значением слота может быть практически что угодно (числа или математические соотношения, тексты на естественном языке или программы, правила вывода или ссылки на другие слоты данного фрейма или других фреймов). В качестве значения слота может выступать набор слотов более низкого уровня, что позволяет во фреймовых представлениях реализовать "принцип матрешки".

По содержательному смыслу фрейма выделяют:

- фреймы-понятия;

- фреймы-меню;

- фреймы с иерархически вложенной структурой.

Фрейм-понятие - это фрейм типа И. Например, фрейм «операция» содержит объединенные связкой И имена слотов «что делать», «что это дает», «как делать», «кто делает», «где делать» т.д., а фрейм «предмет» - слоты с именами «назначение», «форма», «вес», «цвет» и т.д.

Фрейм-меню - это фрейм типа ИЛИ. Он служит для организации процедурных знаний с помощью оператора «выбрать». Например, фрейм «что делать» может состоять из объединенных связкой ИЛИ слотов «решить уравнение», «подставить данные», «уточнить задачу» и т.д., причем каждый из этих слогов может иметь несколько значений.

Фрейм с иерархически вложенной структурой предполагает, что в нем в качестве значений слотов можно использовать имена других фреймов, слотов и т.д., т.е. использовать иерархическую структуру, в которой комбинируются другие виды фреймов (в итоге получают так называемые фреймы-сценарии).

Важнейшим свойством теории фреймов является заимствование из теории семантических сетей - так называемое наследование свойств. И во фреймах, и в семантических сетях наследование происходит по АКО-связям (А-Кта-О = это). Слот АКО указывает на фрейм более высокого уровня иерархии, откуда неявно наследуются, то есть переносятся, значения аналогичных слотов [5].

Для построения фреймовой модели представления знаний необходимо выполнить следующие шаги:

1) Определить абстрактные объекты и понятия предметной области, необходимые для решения поставленной задачи. Оформить их в виде фреймов-прототипов (фреймов-объектов, фреймов-ролей).

2) Задать конкретные объекты предметной области. Оформить их в виде фреймов-экземпляров (фреймов-объектов, фреймов-ролей).

3) Определить набор возможных ситуаций. Оформить их в виде фреймов-ситуаций (прототипы). Если существуют прецеденты по ситуациям в предметной области, добавить фреймы-экземпляры (фреймы-ситуации).

4) Описать динамику развития ситуаций (переход от одних к другим) через набор сцен. Оформить их в виде фреймов-сценариев.

5) Добавить фреймы-объекты сценариев и сцен, которые отражают данные конкретной задачи.

Построим фреймовую модель представления знаний в предметной области “Компания, производящая автомобили”.

1) Ключевые понятия данной предметной области - компания, тот, кто оформляет заказы на изготовления автомобилей (менеджер) и те, кто участвуют в производстве: инженеры-конструктора, снабженцы, мастера. У сотрудников компании, которые участвуют в производстве и менеджеров есть общие характеристики, поэтому целесообразно выделить общее абстрактное понятие - человек. Тогда фреймы «Компания» и «Человек» являются прототипами - образцами, а фреймы «Менеджер», «Инженер-конструктор», «Снабженец», «Мастер» - прототипами-ролями. Также нужно определить основные слоты фреймов - характеристики, имеющие значения для решаемой задачи.

Таблица 2.1

Фрейм «Человек»

ЧЕЛОВЕК
Имя слота	Значение слота	Способ получения значения
Пол	Мужской или женский	Из внешних источников
Возраст	От 0 до 120 лет	Из внешних источников

Таблица 2.2

Фрейм «Компания»

КОМПАНИЯ
Имя слота	Значение слота	Способ получения значения
Название		Из внешних источников
Директор		Из внешних источников
Адрес		Из внешних источников
ИНН		Из внешних источников
Отрасль промышленности		Из внешних источников

Фреймы - наследники содержат все слоты своих родителей, они явно прописываются только в случае изменения какого-либо параметра.

Таблица 2.3

Фрейм «Менеджер»

МЕНЕДЖЕР (АКО ЧЕЛОВЕК)
Имя слота	Значение слота	Способ получения значения
ФИО		Из внешних источников
Дата рождения		Из внешних источников
Стаж работы		Из внешних источников
Ставка		Из внешних источников
Зарплата		Из внешних источников
Место работы	Фрейм-объект	Из внешних источников

Таблица 2.4

Фрейм «Инженер-конструктор»

ИНЖЕНЕР-КОНСТРУКТОР (АКО ЧЕЛОВЕК)
Имя слота	Значение слота	Способ получения значения
ФИО		Из внешних источников
Дата рождения		Из внешних источников
Образование		Из внешних источников
Зарплата		Из внешних источников
Место работы	Фрейм-объект	Из внешних источников

Таблица 2.5

Фрейм «Снабженец»

СНАБЖЕНЕЦ (АКО ЧЕЛОВЕК)
Имя слота	Значение слота	Способ получения значения
ФИО		Из внешних источников
Дата рождения		Из внешних источников
Стаж работы		Из внешних источников
Ставка		Из внешних источников
Место работы	Фрейм-объект	Из внешних источников

Таблица 2.6

Фрейм «Мастер»

МАСТЕР (АКО ЧЕЛОВЕК)
Имя слота	Значение слота	Способ получения значения
ФИО		Из внешних источников
Дата рождения		Из внешних источников
Специальность		Из внешних источников
Цех		Из внешних источников
Место работы	Фрейм-объект	Из внешних источников

Фреймы-образцы описывают конкретную ситуацию: информацию о компании, кто работает компании и т.д. Поэтому определим следующие фреймы-образцы, являющиеся наследниками фреймов-прототипов:

Таблица 2.7

Фрейм-образец «Компания»

ЗАО «ФОРД МОТОР КОМПАНИИ» (АКО КОМПАНИЯ)
Имя слота	Значение слота	Способ получения значения
Название	Форд Мотор Компании	Из внешних источников
Директор	Кашицин Александр Иванович	Из внешних источников
Адрес	Московская обл., г. Химки, ул. Ленинградская 39	Из внешних источников
ИНН	1458034568	Из внешних источников
Отрасль промышленности	Автомобилестроение	Из внешних источников

Таблица 2.8

Фрейм-образец «Менеджер»

ПИЛИПЕНКО ВЛАДИМИР АЛЕКСАНДРОВИЧ (АКО МЕНЕДЖЕР)
Имя слота	Значение слота	Способ получения значения
Пол	Мужской	Из внешних источников
Возраст	47	Из внешних источников
ФИО	Пилипенко Владимир Александрович	Из внешних источников
Дата рождения	20.10.1966	Из внешних источников
Стаж работы	20 лет	Из внешних источников
Ставка	1,5	Из внешних источников
Зарплата	600$	Из внешних источников
Место работы	ЗАО «ФОРД МОТОР КОМПАНИИ»	Из внешних источников

Таблица 2.9

Фрейм-образец «Инженер-конструктор»

ПОКЛОНСКИЙ НИКОЛАЙ АЛЕКСАНДРОВИЧ (АКО ИНЖЕНЕР-КОНСТРУКТОР)
Имя слота	Значение слота	Способ получения значения
Пол	Мужской	Из внешних источников
Возраст	33	Из внешних источников
ФИО	Поклонский Николай Александрович	Из внешних источников
Дата рождения	01.06.1980	Из внешних источников
Образование	Высшее, специальность инженер	Из внешних источников
Зарплата	550$	Из внешних источников
Место работы	ЗАО «ФОРД МОТОР КОМПАНИИ»	Из внешних источников

Таблица 2.10

Фрейм-образец «Снабженец»

ЛАПЧУК НАТАЛЬЯ МИХАЙЛОВНА (АКО СНАБЖЕНЕЦ)
Имя слота	Значение слота	Способ получения значения
Пол	Женский	Из внешних источников
Возраст	30	Из внешних источников
ФИО	Лапчук Наталья Михайловна	Из внешних источников
Дата рождения	15.07.1983	Из внешних источников
Стаж работы	5 лет	Из внешних источников
Ставка	1	Из внешних источников
Место работы	ЗАО «ФОРД МОТОР КОМПАНИИ»	Из внешних источников

Таблица 2.11

Фрейм-образец «Мастер»

ОДЖАЕВ ВЛАДИМИР БОРИСОВИЧ (АКО МАСТЕР)
Имя слота	Значение слота	Способ получения значения
Пол	Мужской	Из внешних источников
Возраст	41	Из внешних источников
ФИО	Оджаев Владимир Борисович	Из внешних источников
Дата рождения	20.10.1972	Из внешних источников
Специальность	инженер-механик	Из внешних источников
Цех	5-«Сборка кузовов»	Из внешних источников
Место работы	ЗАО «ФОРД МОТОР КОМПАНИИ»	Из внешних источников

Ситуации возникают после наступления каких-то событий, выполнения условий и могут следовать одна за другой. Динамику предметной области можно отобразить в фреймах-сценариях. Их может быть множество, опишем наиболее общий и типичный сценарий производства автомобиля:

Таблица 2.12

Фрейм-сценарий образец «Производство автомобиля»

ПРОИЗВОДСТВО АВТОМОБИЛЯ
Имя слота	Значение слота	Способ получения значения
Компания	Фрейм-объект	Из внешних источников
Менеджер	Фрейм-объект	Присоединенная процедура (определяет по выбранной компании)
Инженер-конструктор	Фрейм-объект	Присоединенная процедура (определяет по выбранной компании)
Снабженец	Фрейм-объект	Присоединенная процедура (определяет по выбранной компании)
Мастер	Фрейм-объект	Присоединенная процедура (определяет по выбранной компании)
Сцена1	Получение заявки	Из внешних источников
Сцена 2	Составление конструкторской-документации	Из внешних источников
Сцена 3	Приобретение ресурсов	Из внешних источников
Сцена 4	Изготовления автомобиля	Из внешних источников

Таблица 2.13

Фрейм-сценарий «Производство автомобиля»

Производства «FordMondeo» (АКО ПРОИЗВОДСТВО АВТОМОБИЛЯ)
Имя слота	Значение слота	Способ получения значения
Компания	ЗАО «ФОРД МОТОР КОМПАНИИ»	Из внешних источников
Менеджер	ПИЛИПЕНКО ВЛАДИМИР АЛЕКСАНДРОВИЧ	Присоединенная процедура (определяет по выбранной компании)
Инженер-конструктор	ПОКЛОНСКИЙ НИКОЛАЙ АЛЕКСАНДРОВИЧ	Присоединенная процедура (определяет по выбранной компании)
Снабженец	ЛАПЧУК НАТАЛЬЯ МИХАЙЛОВНА	Присоединенная процедура (определяет по выбранной компании)
Мастер	ОДЖАЕВ ВЛАДИМИР БОРИСОВИЧ	Присоединенная процедура (определяет по выбранной компании)
Сцена1	Получение заявки	Из внешних источников
Сцена 2	Составление конструкторской-документации	Из внешних источников
Сцена 3	Приобретение ресурсов	Из внешних источников
Сцена 4	Изготовления «FordMondeo»	Из внешних источников

Взаимосвязь различных видов фреймов отображается графически в виде графа. Граф представлен на рисунке 2.3.

Рисунок 2.3 Фреймовая модель

2.3.3 Продукционные правила

Модель правил, продукционная модель (от англ. production -изготовление, выработка) - в настоящее время наиболее проработанная и распространенная модель представления знаний. Модель предусматривает разработку системы продукционных правил (правил продукций), имеющих вид:

ЕСЛИ А₁ И А₂ И … И А_п ТО В₁ ИЛИ В₂ ИЛИ … ИЛИ В_т,

где А_i и В_j - некоторые высказывания, к которым применены логические операции И и ИЛИ. Если высказывания в левой части правила (ее часто называют антецедент - условие, причина) истинно, истинно и высказывание в правой части (консеквент - следствие).

Системы обработки знаний, использующие продукционную модель, получили название «продукционных систем». В состав экспертных систем продукционного типа входят база правил (знаний), рабочая память и интерпретатор правил (решатель), реализующий определенный механизм логического вывода.

Полнота базы знаний (базы правил) определяет возможности системы по удовлетворению потребностей пользователей. Логический вывод в продукционных системах основан на построении прямой и обратной цепочек заключений, образуемых в результате последовательного просмотра левых и правых частей, соответствующих правил, вплоть до получения окончательного заключения.

Для построения продукционной модели представления знаний необходимо выполнить следующие шаги:

1) Определить целевые действия задачи (являющиеся решениями).

2) Определить промежуточные действия или цепочку действий, между начальным состоянием и конечным (между тем, что имеется, и целевым действием).

3) Опередить условия для каждого действия, при котором его целесообразно и возможно выполнить. Определить порядок выполнения действий.

4) Добавить конкретики при необходимости, исходя из поставленной задачи.

5) Преобразовать полученный порядок действий и соответствующие им условия в продукции.

6) Для проверки правильности построения продукций записать цепочки продукций, явно проследив связи между ними.

Этот набор шагов предполагает движение при построении продукционной модели от результата к начальному состоянию, но возможно и движение от начального состояния к результату (шаги 1 и 2) [5].

Разработаем продукционные правила для предметной области “Компания, производящая автомобили”.

1) Обязательные действия для автомобильной компании - производство и реализация автомобилей. Значит, есть уже два целевых действия «произвести автомобиль» и «реализовать автомобиль», которые взаимосвязаны и следуют друг за другом.

2) Прежде чем что-либо произвести, необходимо получить заявку на производство автомобиля, разработать конструкторскую документацию и закупить необходимые материалы для производства. Значит, цепочка промежуточных действий: «получить заявку на производство автомобиля», «разработать конструкторскую документацию» и «приобрести ресурсы».

3) Прежде чем получить заявку на производство автомобиля, необходимо ее оформить после изучения спроса на ту или иную модель на рынке. Затем заявку следует передать инженеру-конструктору, что бы он смог разработать всю необходимую документацию для проекта. Проект производства автомобиля изучает снабженец и определяет, какие материалы необходимо купить, при этом он должен учитывать то, что стоимость материалов должна быть невысокая и качество должно удовлетворять наилучшим характеристикам. После того как приобретены все необходимые материалы, разработан пакет необходимых документов, начинается производство. Значит вначале идут действия, позволяющие оформить заявку, затем разрабатывается необходимый пакет конструкторской документации, потом, исходя из определенных условий, приобретаются ресурсы для определенной технологии разработки автомобилей, а уже после идет производство автомобиля, и оплата работы.

4) Выше описанное можно преобразовать в следующие предложения типа «Если, то»:

- Если <менеджер оформил заявку на производство автомобиля> то <процесс производства может быть запущен>.

- Если <инженер-конструктор получил заявку от менеджера> и <процесс производства автомобиля может быть запущен> то <инженер-конструктор разрабатывает документацию для производства>.

- Если <конструкторская документация готова> то <снабженец приобретает необходимые ресурсы>.

- Если <снабженец определился с выбором ресурсов> и <оно удовлетворяет экономическим требованиям и требованиям по качеству компании> то <снабженец приобретает ресурсы для определенной технологии разработки> иначе <снабженец ищет удовлетворяющие требованиям ресурсы>.

- Если <снабженец приобрел ресурсы> то <мастер запускает производство автомобиля используя определенную технологию>.

- Если <автомобиль готов в результате производства> то <его реализуют на рынке>.

2.4 Разработка системы принятия решений

Критерий принятия решений - это функция, выражающая предпочтения лица, принимающего решения (ЛПР), и определяющая правило, по которому выбирается приемлемый или оптимальный вариант решения.

Шаг 1. Список тем «проблем».

1. недостаточный ассортимент производимой продукции;

2. отсутствие методов контроля качества при производстве автомобилей;

3. повышение цен на сырье;

4. сильная конкуренция;

5. недостаток квалифицированного персонала;

6. недостаточность в рекламе производимого товара;

7. мало богатых людей, которые могут себе позволить приобрести автомобиль;

8. неудобное месторасположение компании (не в центре города);

9. высокая стоимость автомобилей;

10. недостаточная заработная плата сотрудников;

11. загруженный рабочий день;

12. сложность в оформлении документации;

Шаг 2. Выборка наиболее важных проблем.

1. недостаточный ассортимент производимых товаров;

2. отсутствие методов контроля качества при производстве автомобилей;

4. сильная конкуренция;

5. недостаток квалифицированного персонала;

9. высокая стоимость автомобилей;

12. сложность в оформлении документации.

Шаг 3. Формулировка основной проблемы.

Обозначенные проблемы сведем в таблицу 2.14 и предложим способы их решения.

Таблица 2.14

Частные проблемы

№	Код проблемы	Способ решения
1	1	Увеличивать ассортимент за счет заключения дополнительных договоров на финансирования проектов по производству автомобилей.
2	2	Разработка и внедрение Разработка и внедрение автоматизированной информационной системы.
3	4	Изменение технологий производства, повышение качества товаров, проведение акций.
4	5	Организовать обучение персонала
5	9	Смена поставщика сырья.
6	12	Автоматизация процесса оформления

На основании таблицы 2.14 можно сформулировать основную проблему: недостаточно эффективная организация процесса производства компании.

Шаг 4. Разработка оптимального пути решения проблемы:

Оптимальный путь решения проблемы будет находиться путём решения многокритериальной задачи, условие которой содержится в таблице 2.15. Для решения задачи были выбраны метод ранжирования критериев и метод аддитивной свертки.

Таблица 2.15

Альтернативы и критерии оценки

№	Альтернативы	Критерии оценки
		Время, дни	Стоимость, млн. руб.	Эффективность в %
1	Увеличивать ассортимент за счет заключения дополнительных договоров на финансирования проектов по производству автомобилей.	30	20	38
2	Разработка и внедрение автоматизированной информационной системы.	90	110	25
3	Изменение технологий производства, повышение качества товаров, проведение акций.	60	5	18
4	Организовать обучение персонала	25	30	15
5	Смена поставщика сырья.	12	6	10
6	Автоматизация процесса оформления	18	17	20

Решение задачи методом ранжирования критериев, заключается в том, что все критерии можно ранжировать по важности так, что при последовательном рассмотрении критериев вначале используется первый, который является самым важным критерием, затем второй и так далее.

В получившейся задаче три критерия: время, стоимость и эффективность. Предположим, что для компании, производящей автомобили, главный критерий эффективность, остальные же критерии не так важны, тогда задача сводится к нахождению максимального значения критерия эффективности, следовательно, оптимальный вариант для улучшения организации процесса производства компании - увеличение ассортимента за счет заключения дополнительных договоров на финансирования проектов по производству автомобилей - увеличивает эффективность работы на 38%.

Точность и надежность процедуры ранжирования в значительной степени зависят от количества объектов. В принципе, чем таких объектов меньше, тем выше их «различимость» с точки зрения респондента, и, следовательно, тем большую надежность приобретает измерение.

При решении задачи методом аддитивной свёртки нужно сначала охарактеризовать в численном выражении критерии: эффективность - 0,5 очка, на стоимость и время по 0,25. Тогда результирующая функция примет следующий вид:

(2.1)

Затем, используя таблицу 2.15 и формулу 2.1, можно рассчитать глобальный критерий для каждой из альтернатив. Для этого сначала необходимо перевести абсолютные значения в относительные по формуле 2.2.

(2.2)

Характерным свойством аддитивной свертки является то, что максимальную оценку с ее помощью получают те альтернативы, которые имеют больше критериев близких по значениям к максимальным (при одинаковых средних у всех альтернатив). При изменении направления оптимизации приоритеты меняются на противоположные.

Результаты расчёта глобального критерия для каждой из альтернатив приводятся в таблице 2.16.

Таблица 2.16

Альтернативы и критерии оценки

№	Альтернативы	Коэффициенты весомости критериев оценки	Глобальный критерий
		Время	Стоимость	Эффективность
1	Увеличивать ассортимент за счет заключения дополнительных договоров на финансирования проектов по производству автомобилей.	0,23	0,14	1	0,59
2	Разработка и внедрение автоматизированной информационной системы.	1	1	0,54	0,77
3	Изменение технологий производства, повышение качества товаров, проведение акций.	0,62	0	0,29	0,3
4	Организовать обучение персонала	0,17	0,24	0,18	0,19
5	Смена поставщика сырья.	0	0,01	0	0
6	Автоматизация процесса оформления	0,08	0,11	0,36	0,23

Исходя из таблицы 2.16, оптимальным путём решения проблемы является альтернатива №2, так как глобальный критерий для этой альтернативы имеет наибольшее значение.

Критерии принятия решений были реализованы в программе, разработанной в среде MicrosoftVisualStudio 2010.

Приложение позволяет:

- осуществлять подбор технологии производства мастеру, исходя из приобретенных снабженцем ресурсов и количество производимых автомобилей в партии;

- максимально упростить оформление заявки на производство автомобиля, оформление конструкторской документации и проекта для производства;

- осуществлять мониторинг этапов производства по выбранной заявке;

- автоматизировать работу менеджера, инженера-конструктора, снабженца и мастера;

- добавлять, изменять и удалять данные базы знаний, выводить отчет.

Ключевые фрагменты работы приложения представлены на рисунках 2.4 - 2.9, где отражена работа сотрудников компании.

Рисунок 2.4 Окно выбора пользователя

Рисунок 2.5 Окно пользователя «Администратор»

Рисунок 2.6 Окно пользователя «Менеджер»

Рисунок 2.7 Окно пользователя «Инженер-конструктор»

Рисунок 2.8 Окно пользователя «Снабженец»

Рисунок 2.9 Окно пользователя «Мастер»

Заключение

Системы, использующие базы знаний, а также продукционные правила, отношения, прототипы, схемы и семантические сети для представления и использования, содержащихся в них знаний, открывают действительно новый подход к программированию, который заключается в возможности передачи от человека к программе наиболее простым образом знаний неупорядоченной структуры в произвольных областях. Взаимодействие с экспертными системами происходит на декларативном языке, который, по сути, предназначен для выражения знаний. Подобный подход представляется совершенно необходимым в области искусственного интеллекта, и на этой основе уже созданы эффективные системы.

В ходе выполнения курсового проекта:

- разработана база знаний;

- выбраны критерии принятия решений;

- построены семантическая и продукционная модели данных;

- в среде MicrosoftVisualStudio реализовано приложение, которое даёт возможность пользователю решать множество традиционно сложных проблем по организации эффективной работы производства в компании, производящей автомобили.

Таким образом, решены все задачи, сформулированные в задании на курсовой проект.

Приложение

using System;

using System.Collections.Generic;

using System.ComponentModel;

using System.Data;

using System.Drawing;

using System.Linq;

using System.Text;

using System.Windows.Forms;

using System.Data.SqlClient;

using Word = Microsoft.Office.Interop.Word;

namespace Proizvodstvo

{

public partial class Form7 : Form

{

double[,] massivkf = new double[5, 5];

double[,] resyrsi;

double[,] resyrsitemp;

double[,] globalkr;

int selectrow;

double maxglob1, maxglob2;

int maxglobi1, maxglobi2;

public Form7()

{

InitializeComponent();

}

private void ReadDB(string komand, int key) // процедура чтения

{

try

{

SqlCommand myCommand = cls.Conn.CreateCommand();

myCommand.CommandText = komand;

SqlDataReader dataReader = myCommand.ExecuteReader();

while (dataReader.Read())

{

if (key == 2)

comboBox2.Items.Add(Convert.ToString(dataReader[0]));

if (key == 3)

comboBox3.Items.Add(Convert.ToString(dataReader[0]));

if (key == 4)

comboBox4.Items.Add(Convert.ToString(dataReader[0]));

if (key == 5)

comboBox5.Items.Add(Convert.ToString(dataReader[0]));

}

dataReader.Close();

}

catch (Exception ex)

{

MessageBox.Show(ex.ToString());

}

}

private void Form7_Load(object sender, EventArgs e)

{

massivkf[0, 0] = 0.2; massivkf[0, 1] = 0.2; massivkf[0, 2] = 0.2; massivkf[0, 3] = 0.2; massivkf[0, 4] = 0.2;

massivkf[1, 0] = 0.3; massivkf[1, 1] = 0.1; massivkf[1, 2] = 0.1; massivkf[1, 3] = 0.5; massivkf[1, 4] = 0;

massivkf[2, 0] = 0.5; massivkf[2, 1] = 0.2; massivkf[2, 2] = 0.1; massivkf[2, 3] = 0.1; massivkf[2, 4] = 0.1;

massivkf[3, 0] = 0.6; massivkf[3, 1] = 0.1; massivkf[3, 2] = 0.3; massivkf[3, 3] = 0; massivkf[3, 4] = 0;

massivkf[4, 0] = 0.6; massivkf[4, 1] = 0.1; massivkf[4, 2] = 0.1; massivkf[4, 3] = 0.1; massivkf[4, 4] = 0;

dataGridView1.AllowUserToAddRows = false;

dataGridView1.AllowUserToDeleteRows = false;

dataGridView1.ReadOnly = true;

DataSet thisDataSet = new DataSet();

thisDataSet.Locale = System.Globalization.CultureInfo.InvariantCulture;

SqlDataAdapter resAdapter = new SqlDataAdapter("SELECT p.id_proektnaproizv, p.nazvanie_proekta, m.FIO,r.tehn_proizv,d.nazvanie,p.kolvo FROM proizvodsto as p, Master as m,resursi as r,docymentacia as d where p.id_master=m.id_master and p.id_resursi=r.id_resursi and p.id_docymentacia=d.id_docymentacia", cls.Conn);

resAdapter.Fill(thisDataSet, "proizvodsto");

BindingSource bindingSource = new BindingSource();

bindingSource.DataSource = thisDataSet;

bindingSource.DataMember = "proizvodsto";

bindingNavigator1.BindingSource = bindingSource;

dataGridView1.DataSource = bindingSource;

dataGridView1.Columns[0].HeaderText = "Код";

dataGridView1.Columns[1].HeaderText = "Проект";

dataGridView1.Columns[2].HeaderText = "Мастер";

dataGridView1.Columns[3].HeaderText = "Технология";

dataGridView1.Columns[4].HeaderText = "Документация";

dataGridView1.Columns[5].HeaderText = "Кол-во авто";

comboBox2.Items.Clear();

comboBox2.DropDownStyle = System.Windows.Forms.ComboBoxStyle.DropDownList;

string komanda = "SELECT FIO FROM Master";

ReadDB(komanda, 2);

comboBox2.SelectedIndex = 0;

comboBox4.Items.Clear();

comboBox4.DropDownStyle = System.Windows.Forms.ComboBoxStyle.DropDownList;

ReadDB("SELECT id_master FROM Master", 4);

comboBox4.SelectedIndex = 0;

comboBox3.Items.Clear();

comboBox3.DropDownStyle = System.Windows.Forms.ComboBoxStyle.DropDownList;

ReadDB("SELECT nazvanie FROM docymentacia where status_dok='Свободная'", 3);