Справочник по трубопроводам и арматуре химических цехов электростанций, Имбрицкий М. И., Москва, «Энергия», 1974 г.

От выбора метода приобретения знаний зависит, насколько верно будет создана база данных, насколько она будет соответствовать действительности. Для приобретения знаний используются различные методы: анализ текстов, диалоги, Интеллектуальные игры, лекции, дискуссии, интервью, кейсы и так далее. Самым распространенным методом приобретения знаний является интервью. Исходя из этого метода, знания получают путем непосредственного контакта с экспертом (Инженером). Существует также деление на пассивные методы (инициатива у эксперта) и активные методы (инициатива у когнитолога[2]).

Пассивные методы:

1. Наблюдение. В процессе наблюдения когнитолог находится рядом с экспертом во время его профессиональной деятельности. Необходимое условие - невмешательство в работу эксперта.

2. Вербальный анализ. Отличается от предыдущего метода тем, что эксперта просят не просто прокомментировать свои действия и решения, но и объяснить, как это решение может быть найдено, продемонстрировать цепочку рассуждений.

3. Лекции. Это самый старый способ передачи знаний. Он используется в начале разработки, как эффективный способ быстрого погружения инженера-технолога в предметную область.

Активные методы:

1. Анкетирование. Это жесткий метод. Заранее составляется вопросник, который предоставляется экспертам, что является основным преимуществом этого метода.

2. Интервью. Задается серия заранее подготовленных вопросов. Похоже на анкетирование, но позволяет в зависимости от ситуации изменять вопросы.

3. Свободный диалог. Достаточно гибкий способ, сильна обратная связь с экспертом.

4. «Круглый стол». Подразумевает живую дискуссию с участием нескольких экспертов.

5. «Интеллектуальные игры» или «кейс игры». Воссоздание вида деятельности, моделирования реальных ситуаций.

2.1.2. Методы представления знаний

Одним из направлений исследования экспертных систем является обработка моделей знаний, которая подразумевает средства представления знаний и методы манипуляции знаниями.

Под термином «представление знаний» чаще всего подразумеваются способы представления знаний, ориентированные на автоматическую обработку современными ИС, и, в частности, представления, состоящие из явных объектов и из суждений или утверждений о них. Представление знаний в подобной явной форме позволяет ИС делать дедуктивные выводы из ранее сохранённого знания.

Различают следующие типы знаний:

· понятийные,

· конструктивные,

· процедурные,

· фактографические,

· метазнания.

Используются пять моделей представления знаний:

· логическая,

· продукционная,

· логико-лингвистическая.

Основные методы представления знаний:

· декларативное представление знаний;

· процедурное представление знаний;

· реляционное представление знаний;

· логическое представление знаний;

· семантическое представление знаний;

· исчисление представление знаний;

· фреймовое представление знаний;

· представление знаний с использованием продукционных правил;

· унифицированные алгоритмические модули.

Декларативное представление знаний характеризуется представлением текущего знания системы полным описанием состояния (множество аксиом и всех, введенных к данному моменту теорем, множество операторов, то есть правило вывода). Преимущество данного метода является:

· отсутствие необходимости указывать, как конкретный фрагмент знания должен быть использован,

· удобство внесения изменений в БЗ,

· близость к естественной форме описания знаний.

Однако при использовании данного метода затруднен учет специфики конкретной предметной области.

Процедурное представление знаний характеризуется представлением текущего знания системы в виде специальной организованной БД и набора более или менее специализированных процедур, обрабатывающих соответствующие области БД. При использовании данного метода имеются следующие преимущества: легко представляются знания вычислительного характера, более естественный способ для выражения многовариантного взаимодействия между блоками, на которые разделены знания. Однако, модификация знаний значительно сложнее, чем в предыдущем методе, так как здесь необходимо учитывать каким образом используется утверждение.

Реляционное представление знаний характеризуется представлением информации в виде некоторой таблицы

RR (К DTD) , где

R - имя таблицы,

К - классификационные разряды, с помощью которых объект DT относится к множеству данных D.

Преимущества данного метода:

· компактность представляемой информации частного характера,

· информационное содержание данных рассматривается, не зависимо от представления в памяти,

· близость по структуре к естественному языку.

Недостатком данного метода является:

· отсутствие явно выраженных отношений между понятиями,

· избыточность информации,

· жесткость форматов описания.

Логическое представление знаний. Основная идея подхода при построении логических моделей представления знаний – вся информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике. Знания отображаются совокупностью таких формул, а получение новых знаний сводится к реализации процедур логического вывода. В основе логических моделей представления знаний лежит понятие формальной теории, задаваемое кортежем:

S= < B, F, A, R>, где

B — счетное множество базовых символов (алфавит);

F — множество, называемое формулами;

A — выделенное подмножество априори истинных формул (аксиом);

R — конечное множество отношений между формулами, называемое правилами вывода.

К достоинствам логических моделей представления знаний можно отнести следующие характеристики:

· В качестве «фундамента» здесь используется классический аппарат математической логики, методы которой достаточно хорошо изучены и формально обоснованы (формальная семантика проста и ясна, синтез четок),

· Существуют достаточно эффективные процедуры вывода, в том числе реализованные в языке логического программирования Пролог, использующие механизмы автоматического доказательства теорем для поиска и логически осмысленного вывода информации (наличие единой процедуры доказательства истинности),

· В базах знаний можно хранить лишь множество аксиом, а все остальные знания получать из них по правилам вывода, а также Данные, факты и другие сведения о людях, предметах, событиях и процессах (не требуется хранить все формулы в БЗ, а достаточно лишь хранения аксиом. Остальные выражения формируются из аксиом с помощью правил вывода).

К недостаткам относятся:

· Слабая наглядность и выразительная мощность для отображения проблемной области,

· Отсутствие структуры представления знаний,

· Невозможность построения частично правдоподобных рассуждений,

· Низкая эффективность логического вывода.

Семантическое представление знаний. Элементами данного представления являются понятия и семантические отношения между ними. Формой представления являются семантическая сеть. Вершины содержат понятия (объект), дуги - отношения между ними. Преимущество этого метода - наглядность представления знаний. Недостатком данного метода являются:

· трудность представления событий,

· слабо отражаются структурные отношения, логические связки,

· сложность программной реализации (особенно крупных сетей).

Исчисление предикатов. Знания представляются с помощью перевода некоторой предметной области формулой логики предикатов и добавления их в качестве аксиом в систему. Формула записи:

P (x_i, x₂,..., x_n), где

Р - логическая функция предикат, принимающая значение истинно или ложь (1, 0),

x_i, - предметные переменные.

Логика предикатов используется в качестве основы языка Пролог. Существует множество мощных процедур для логического вывода предикатов первого порядка. Однако при использовании этого метода нет возможности в полной мере отразить специфику предметной области, так как знания выражаются ограниченным набором средств формальной системы. Также недостатками метода является слабая логическая связь между формулами, неоднозначность перевода предложений естественного языка в формулы предикатов, требование больших ресурсов ЭВМ для реализации предикатных систем.

Фреймы. Фрейм - минимальная структура информации, представляющая класс объектов, описывающая явления и процессы. Фрейм представляет собой декларативную процедурную структуру

{n_i, (v_i, q_i, p_i),..., n_n (v_n, q_n, p_n) }, где

n_i - имя фрейма,

v_i - имя слота,

q_i - значение слота,

p_i - имя присоединенной процедуры.

Для организации связей между объектами предметной области строится сеть фреймов. Фрейм может содержать обращение к присоединенной процедуре. Используется принцип наследования, когда общая информация хранится в отдельном фрейме, а подчиненные фреймы обращаются к этому фрейму, чем достигается компактность. Данный метод обладает удобством описания знаний у проблемно ориентированных систем, возможностью описания временных характеристик систем за счет включения соответствующих процедур в слоты. Фреймовая структура создает в себе достоинства декомпозиции и взаимодействия за счет принципа наследования. Недостатки метода:

· возможность возникновения путаницы при работе системы с различными областями знаний

· знания задаются процедурами, что затрудняет приобретение знаний,

· в чистом виде эвристические структуры не пригодны для описания эвристических знаний,

· сам фрейм не содержит информации, в какой момент его следует обрабатывать.

Продукционные правила (ПП). Правило продукции состоит из левой части, которая представляет собой множество ситуаций, и правой части, которая представляет собой множество действий. В модели знаний продукционные правила представляются в виде конструкций «ЕСЛИ, ТО». Преимуществами этого метода являются:

· простота создания и понимания отдельных правил,

· простота понимания и модификации,

· простота логического вывода знаний.

Отдельные продукционные правила могут независимо быть добавлены в БЗ, исключены или изменены, при этом не надо перепрограммировать всю систему. С помощью ПП достигается естественность выражения как декларативных, так и процедурных знаний, при этом знания отделены от способа их переработки.

Унифицированные алгоритмические модули (УНАМ). Форма представления процедурных (УНАМ) - элементарный функциональный блок, имеющий самостоятельное значение

< Z_i= N_i, Y_i, R_i>, где

N_i- имя модуля,

Y_i - унифицированная стандартная процедура,

R_i - множество возможных параметров (входных),

R_i - множество выходных параметров.

Достоинства данного метода характеризуются:

· удобством формирования базы математических знаний,

· возможностью синтеза решения прикладных задач,

· удобством установления отношений между декларативными и процедурными знаниями.

Недостаток метода в слабости систематических связей между модулями в системе.

Для наглядности баланса достоинств и недостатков далее представлена сравнительная характеристика моделей представлений знаний ( Таб.12 ).

В качестве выходных данных рассматриваются три основных группы: диагноз, рекомендации по ремонту, рекомендации по анализам. Так же подразумевается дальнейшее пополнение еще одной группы выходных данных: пояснения. Эта группа необходима не только для исключения момента полного перекладывания функция диагноста на систему, но и для обучения младших инженеров и инженеров ассистентов, так как она позволяется проследить логику того или иного алгоритма ремонтных работ, рекомендаций по восстановлению трубопровода и рекомендаций по анализам. Поскольку Интеллектуальной системы поддержки принятия решения при эксплуатации трубопровода должна стать инструментом в диагностировании и помочь специалистам с обучением младших инженеров, она не должна перерасти в заменитель инженера, контроль и конечное решение должно оставаться за специалистом.