Apraksts:

Apraksta esošas ekspertsistēmas, to izstrādes etapus un metodoloģiju, salīdzina pēc autora piedāvātiem kritērijiem apmācību ekspertsistēmas, kā arī piedāva apmācību ekspertsistēmas prototipu.

Darbs:

Rēzeknes Augstskola
Inženieru fakultāte
DATORZINĀTŅU UN MATEMĀTIKAS KATEDRA

APMĀCĪBU EKSPERTSISTĒMU
SALĪDZINOŠĀ ANALĪZE

Maģistra darbs

Inna ZORINA,
RA Inženieru fakultātes
2.līmeņa profesionālās
augstākās izglītības
maģistra studiju programmas
„Datorsistēmas”
pilna laika studiju
2.kursa maģistrante,
***********

................................................
(paraksts)

Katedras vadītājs, doc. *********

................................................
(paraksts)

Maģistra darba vadītājs,
Dr.sc.ing. profesors, ************
................................................
(paraksts)

Maģistra darba recenzents
................................................
(paraksts)


Rēzekne
2009

ANOTĀCIJA
Maģistra darba nosaukums: „Apmācību ekspertsistēmu salīdzinošā analīze”.
Apmācību ekspertsistēmas nosaukums: „Kvalitātes vadības sistēmas ieviešana uzņēmumā”.
Maģistra darba autors: Inna Zorina
Maģistra darba vadītājs: **************
Maģistra darba mērķis ir aprakstīt esošas ekspertsistēmas, to izstrādes etapus un metodoloģiju, salīdzināt pēc autora piedāvātiem kritērijiem apmācību ekspertsistēmas, kā arī piedāvāt apmācību ekspertsistēmas prototipu „Kvalitātes vadības sistēmas ieviešana uzņēmumā”, kurš balstās uz ISO 9001:2000 standartu.
Izvirzītais mērķis ir sasniegts un uzdevumi ir izpildīti. Ir sagatavota prototipa izstrādes koncepcija un metodoloģija.
Atslēgas vārdi: ekspertsistēma, zināšanu inženierija, eksperts, prototips, kvalitātes vadība.
Maģistra darbs satur 77 lappuses un sastāv no 2 nodaļām, ievada, secinājumiem un priekšlikumiem, 10 attēliem, 6 tabulas un izmantoti 20 informācijas avoti.

ABSTRACT
Master Thesis: „Comparative analysis of Learning Expert systems”.
Title of Learning Expert system: „Quality management system implementation in organization”.
Master Thesis author: Inna Zorina
Master Thesis manager: ***********
Master Thesis’s goal is to describe expert systems, its stages of development and methodology, compare learning expert systems by criteria, given by author and offer expert systems prototype „Quality management system implementation in organization”, that based on ISO 9001:2000 standards requirements.
The goal of Master Thesis is achieved and all objectives are completed. Author prepared prototype’s development concept and methodology.
Key words: expert system, knowledge engineering, expert, prototype, quality management.
Master Thesis consists of 77 pages and includes 2 chapters, introduction, conclusions and suggestions, 10 figures, 6 tables and 20 sources of information.

SATURS
Anotācija
Ievads 6
1. Ekspertsistēmu attīstība, izstrāde un pielietojums. 8
1.1. Ekspertsistēmu vēsture, to struktūras un izstrādātāji. 8
1.2. Ekspertsistēmas izveides un ekspluatācijas dalībnieku sastāvs un mijiedarbība. 14
1.2.1. Zināšanu organizācija datu bāzē. 17
1.2.2. Risinājumu meklēšanas metodes ekspertsistēmās. 19
1.3. Ekspertsistēmu pielietojums. 21
1.3.1. Ekspertsistēmu pielietošanas priekšrocības. 24
1.3.2. Ekspertsistēmu atšķirība no tradicionālām programmām. 25
1.3.3. Ekspertsistēmas priekšrocības, salīdzinot ar cilvēku-ekspertu. 27
1.4. Ekspertsistēmu izstrādes posmi un tehnoloģija. 28
1.5. Ekspertsistēmu izstrādes problēmas. 32
1.6. Pirmo ekspertsistēmu raksturojums. 34
1.6.1. MYCIN sistēma. 34
1.6.2. STRIPS sistēma. 37
1.6.3. Apmācību ekspertsistēma VIPES. 38
2. Apmācību ekspertsistēmas izstrādes koncepcija. 41
2.1. Dialoga organizācijas principi apmācību ekspertsistēmās. 45
2.2. Apmācību ekspertsistēmu Unimath un GURU salīdzināšanas kritēriji. 46
2.4. „Kvalitātes vadības sistēmas ieviešana uzņēmumā” apmācības ekspertsistēmas prototipa izstrādes koncepcija. 48
2.4.1. Identifikācijas etaps. 49
2.4.2. Koncepta izstrādes etaps. 51
2.4.3. Formalizācijas etaps. 62
2.4.4. Apmācību ekspertsistēmas prototipa struktūra. 64
2.4.5. Sistēmas darbības shēma. 66
2.4.6. Izpildes etaps. 70
2.4.7. Eksperimentālās ekspluatācijas etaps. 71
2.4.8. Testēšanas etaps. 71
2.5. Programmnodrošinājuma izstrādes kvalitatīvais aspekts. 72
2.5.1. Kvalitātes kontrole. 73
2.6. Prototipa izstrādes problēmu un risku apraksts. 74
Secinājumi un rekomendācijas. 78
Izmantoto avotu un literatūras saraksts 80

Ievads

Maģistra darba tēma ir apmācību ekspertsistēmu salīdzinošā analīze, kurai ir teorētisks raksturs. Šī tēma tika izvēlētā tāpēc, ka ekspertsistēmas ieinteresēja ar savu izstrādes metodoloģiju un risināmajiem uzdevumiem. Ekspertsistēmu mērķu sasniegšanas rezultāts ir ļoti svarīgs un aktuāls daudzās zinātniskajās nozarēs. Šādu sistēmu izstrādē piedalās konkrētas nozares eksperti – zinātnieki un informācijas apstrādes speciālisti, apkopojot un apvienojot savas zināšanas un pieredzi.
Ekspertsistēma – datorprogramma, kas spēj aizstāt cilvēku – ekspertu noteiktu uzdevumu risināšanā, operējot ar zināšanām noteiktajā nozarē ar mērķi gūt rekomendācijas un problēmas risinājumu [1, 19].
Ekspertsistēmas radās kā praktisks rezultāts mākslīgā intelekta pielietojuma un izpētes metožu attīstībā.
Mākslīgā intelekta joma jau ilgu laiku tiek attīstīta. Un no paša sākuma tajā tika izskatīti diezgan sarežģīti uzdevumi, kuri arī līdz šim brīdim ir pētījumu objekti: teorēmu automātiskais pierādījums, tulkošana, attēlu atpazīšana, robotu darbību plānošana un citas.
Ekspertsistēmas (turpmāk - ES) izpilda eksperta funkcijas, risinot uzdevumus kādā konkrētā sfērā. Tās dot padomus, analizē, konsultē, diagnosticē. ES praktisks pielietojums uzņēmumos paaugstina darba efektivitāti un speciālistu kvalifikāciju.
Galvenā ES priekšrocība ir iespēja uzkrāt zināšanas un ilgstoši tās uzglabāt. Atšķirībā no cilvēka, ES ir objektīva pieeja jebkurai informācijai, kas uzlabo veicamās analīzes kvalitāti. Risinot uzdevumus, kuriem nepieciešams apstrādāt datus lielos apjomos, kļūdas rašanas varbūtība ir ļoti maza.
Veidojot ES, rodas arī vairāki šķēršļi. Tas, pirmkārt, ir saistīts ar to, ka pasūtītājs ne vienmēr var konkrēti noformulēt savas prasības izstrādājamajai sistēmai. Arī ir iespējami psiholoģiskā rakstura sarežģītības: veidojot sistēmas zināšanu bāzi, cilvēks – eksperts var traucēt savu zināšanu nodošanu, baidoties, ka ar laiku viņu aizstāvēs dators. Taču bailes nav pamatotas, jo ES neprot mācīties un tām nav intuīcijas.
Ekspertsistēma sastāv no:
• zināšanu bāzes (sistēmas daļa, kurā atrodas fakti);
• ievada apakšsistēmas (noteikumu kopums, pēc kuriem tiek risināti uzdevumi);
• paskaidrojumu apakšsistēmas;
• zināšanu ieguves apakšsistēmas;
• dialogu procesora.
Ekspertsistēma var pilnīgi uzņemties izpildīt funkcijas, kuru realizācijai parasti ir nepieciešama speciālista pieredze, kā arī būt par asistentu cilvēkam, kurš pieņem lēmumus.
Citiem vārdiem sakot, sistēma (tehniskā vai sociālā), kurai nepieciešams lēmums, var to saņemt tieši no programmatūras, bet var arī no cilvēka, kas strādā ar šo programmu. Tas, kas pieņem lēmumu, var būt speciālists ar savām zināšanām, un šajā gadījumā ekspertsistēma tikai attaisnos savu eksistenci ar rezultātiem un paaugstinās darba efektivitāti. Kopumā, pareiza funkciju sadale starp cilvēku un mašīnu ir viena no svarīgākajām koncepcijām, paaugstinot ekspertsistēmu efektivitāti ieviešanas un uzturēšanas laikā.
Ekspertsistēmas atšķiras no datu apstrādes sistēmām ar to, ka tajās, galvenokārt, tiek izmantotas simboliskās (nevis ciparu) attēlošanas metodes, simbolisks izvads un risinājuma heiristiskā meklēšana (nevis zināma algoritma izpilde).
Ekspertsistēmas tiek pielietotas, lai atrisinātu praktiski sarežģītus uzdevumus. ES risinājumi ir skaidri, tas ir, var tik paskaidroti lietotājam kvalitatīvā līmenī. Šī ekspertsistēmu īpašība tiek panākta ar ES spēju veikt spriedumus par savām zināšanām un secinājumiem. Sadarbojoties ar ekspertu, ekspertsistēmas spēj papildināt savas zināšanas.
Nepieciešams atzīmēt, ka dotajā brīdī ekspertsistēmu tehnoloģija tiek izmantota dažādu tipu uzdevumu risināšanā (interpretācija, prognozēšana, diagnostika, plānošana, konstruēšana, kontrole, atkļūdošana, instruktāža, vadība) visdažādākajās sfērās, tādās kā finanses, naftas un gāzes rūpniecība, enerģētika, transports, farmaceitiskā rūpniecība, kosmoss, metalurģija, ķīmija, izglītība, telekomunikācijas, sakari un citi.
Darba mērķis ir atrast un apkopot informāciju par esošām ekspertsistēmām, par to izstrādes principiem un metodoloģiju, kā arī salīdzināt pēc piedāvātiem kritērijiem apmācību ekspertsistēmas.
Darba mērķis praktiskajā nozīmē ir piedāvāt apmācību ekspertsistēmas prototipu „Kvalitātes vadības sistēmas ieviešana uzņēmumā”, kurš balstās uz ISO 9001:2000 standartu. Šis ekspertsistēmas prototips palīdzētu ieviest uzņēmumā kopējo kvalitātes vadības sistēmu.
Darba uzdevumi ir:
o Apkopot un analizēt informāciju par ekspertsistēmu izstādes tehnoloģijām un metodoloģiju, kā informācijas avotu izmantot grāmatas un interneta resursus;
o Izstrādāt apmācību ekspertsistēmas prototipa „Kvalitātes vadības sistēmas ieviešana uzņēmumā” balstoties uz ekspertsistēmu izstrādes posmiem un tehnoloģiju;
o Izstrādāt salīdzināšanas kritērijus apmācību ekspertsistēmām;
o Sagatavot secinājumus un priekšlikumus.


1. Ekspertsistēmu attīstība, izstrāde un pielietojums.
1.1. Ekspertsistēmu vēsture, to struktūras un izstrādātāji.

Pazīstamākas ekspertsistēmas, kuras tika izstrādātas 1960. – 1970. gados, kļuva par klasiskām savās jomās. Ekspertsistēmas var iedalīt saimēs pēc to izcelsmes, priekšmetu telpām, metodēm un instrumentāliem līdzekļiem:
1. META-DENDRAL. DENDRAL sistēma ļauj noteikt ar lielu varbūtību ķīmiskā savienojuma struktūru pēc eksperimentāliem datiem (spektrogrāfija, magnētiskās rezonanses dati). META-DENDRAL automatizē zināšanu uzkrāšanos priekš DENDRAL. Tā ģenerē ķīmisko struktūru fragmentu uzbūves noteikumus.
2. MYCIN – EMYCIN – TEIREIAS – PUFF – NEOMYCIN. Tās ir medicīnisko ekspertsistēmu kopums. CASNET sistēma ir domāta acu slimību diagnosticēšanai un ārstēšanas rekomendāciju sniegšanai. Uz