Managementul fiabilitatii si mentenabilitatii sistemelor tehnice

Structura unui sistem expert pentru activitatea de mentenanta

Coordonator: Masterand: Prof.univ.dr.ing. Dumitru Amarandei Negura Traian-Mihai

I. Ce sunt Sistemele Expert?

Sistemele Expert au fost pentru prima dată introduse impreună cu conceptul de

Inteligenţă Artificială. Acestea fac parte dintr-o gamă de instrumente indinspensabile pentru realizarea de instrumente automate sau interactive capabile să realizeze sarcini complexe. Sistemele Expert pot fi considerate programe soft care operază intr-un sistem sofisticat la fel cum o fac si expertii umani. Cu alte cuvinte, acestea sunt aplicaţii software care imită judecata experţilor umani dintr-un domeniu bine conturat .

Un Sistem Expert este un ”sfătuitor computerizat” care este capabil să raţioneze (şi nu doar să arate o enumerare de date), dar care se ocupă de obicei de un spaţiu mic de cunoştinţe, numite de altfel ”domeniu de cunoştinţe”. Cunoştinţa pe care o posedă este activă deoarece ea poate fi folosită pentru a deduce noi informaţii din ceea ce este deja cunoscut despre o problemă. Având in vedere faptul că, cunoştinţa pe care care o posedă un sitem expert tinde să fie legată de aplicaţii specifice, ele nu sunt aşa de răspândite ca bazele de date, a căror cunoştinţă poate fi folosită in diferite aplicaţii. Cea mai des intâlnită reprezentare de cunoştinţe la Sistemele Expert o reprezintă regulile. Dr. Marvin Minsky definea Inteligenţa Artificială ca fiind: "Domeniu de studiu care incearcă să construiască sisteme care dacă ar fi încercate de oameni ar fi considerate inteligente”.

Înca din anii 1970, o varietate de Sisteme Expert, au fost folosite cu succes in diferite domenii, cum ar fi cel al medicinei, al chimiei si chiar in domeniul computaţional, proiectarea sistemelor de configuraţie pentru calculatoare. Aceste aplicaţii au fost privite ca o tehnologie nouă foarte importantă şi guvernele ţărilor industriale au întâmpinat-o investind in cercetarea acestui domeniu. Cu toate că proiectele încrezatoare care s-au lansat la acea vreme nu s-au realizat in totalitate, o dezvoltare puternică in acest domeniu a avut loc. Sistemele Expert, sunt de departe cea mai importantă parte comercială din tehnologiile Inteligenţei Artificiale aplicate.

Prin ce diferă un sistem expert de un program clasic?

Modularitate. Cunoaşterea care stă la baza puterii de raţionament a unui sistem expert este divizată în reguli. În felul acesta piese elementare de cunoaştere pot fi uşor adăugate, moficicate ori eliminate. Modularitatea reprezentării cunoaşterii asigură totodată şi posibilitatea de menţinere la zi a bazei de cunoştinţe de către mai mulţi experţi simultan. Ea poate reprezenta astfel opera unui colectiv de autori adesea dezvoltându-se pe o perioadă lungă de timp, simultan cu intrarea ei in folosinţă.

Transparenţă. Un Sistem Expert poate explica soluţia pe care o dă la o anumită problemă. Aceasta este de altfel un factor de importanţa majoră în asigurarea credibilităţii sistemelor expert puse să furnizeze diagnostice medicale de exemplu. Pentru ca un medic să aibă incredere într-un diagnostic furnizat de maşină, el trebuie să il inţeleagă. Cu toate acestea, Sistemele Expert de diagnostic medicinal nu au fost foarte des folosite şi asta din principii de etică. Dacă un astfel de sistem ar furniza un diagnostic greşit sau un tratament inadecvat pe cine s-ar da in judecată?

Soluţii in condiţii de incertitudine. Sistemele Expert pot oferi în general soluţii problemelor care se bazeaza pe date nesigure ori incomplete. Dintr-un anumit punct de vedere un Sistem Expert funcţionează ca o maşină care ştie să niveleze asperitaţile, ori care poate trece cu uşurinţă peste ele. Adesea un mecanism foarte fin este şi foarte pretenţios, el putând funcţiona pe o condiţie pentru care a fost proiectat. Aceasta este şi cazul unui program clasic, pentru care neputinţa de a furniza valoarea exactă a unui parametru îl poate arunca pe o condiţie de eroare. Un Sistem Expert ştie să facă faţă fie unor cunoştinte incomplete ori incerte asupra domeniului de expertiză, fie unor date de intrare incomplete ori incerte.

Prin ce diferă un Sistem Expert de un expert uman?

Sistemele Expert se deosebesc de specialiştii umani în mai multe privinţe. Un Sistem Expert nu poate ajunge la concluzii în mod intuitiv. De asemenea el nu poate examina o situaţie din diverse perspective. Ele nu pot recurge pentru a raţiona la principiile primale şi nu pot trasa analogii. În mod obişnuit ele nu pot invăţa din experienţa. Dar odată cu evoluţia tehnologiei, s-ar putea realiza si Sisteme Expert care să inveţe, si care să fie capabile sa-şi imbunataţească capacitatea de cunoaştere dinamic. Aceasta ar reprezenta o strânsă colaborare cu Reţelele Neuronale, colaboare care ar putea da rezulate excepţionale şi care ar putea fii de un real ajutor.

Tendinţa generală, este de a înlocui expertul uman cu cel artificial deoarece specialistul uman este mai greu de abordat, este foarte ocupat şi nu se poate fi in mai multe locuri, sau mai mulţi experţi şi specialişti sunt necesari, dar aceştia nu sunt obişnuiţi să îşi confrunte punctele de vedere. De semenea, în cazul sistemelor de gestiune a proceselor, este posibilă extindrea expertizei umane într-o manieră care să beneficieze de un timp de reacţie mai scurt şi de o memorie şi o capacitate de invăţare crescută.

În continuare, se va realiza o comparaţie între un Sistem expert şi un expert uman:

Tabelul 1.1. Comparaţie dintre expertul uman si Sistemul Expert

Factorul

Expertul uman Sistemul ExpertTimpul disponibil Numai în zile lucrătoare OricândLocalizare spaţială Numai local Oriunde, mai ales în

medii improprii omuluiSiguranţa informaţiilor De neînlocuit ÎnlocuibilPerformanţa Variabilă Consistenţa permanentăViteza de lucru Variabilă RapidăCostul Mare Acceptabil

Ca o concluzie, putem spune, că introducerea unui Sistem Expert va ameliora calitatea deciziilor luate datorită faptului că acestea deschid largi posibilitaţi raţionamentelor prin exploatarea unui număr mult mai mare de variante decât cele dinîn

mintea omului, acesta datorându-se şi faptului că ele au o capcitate mult mai mare de memorare decât un specialist uman. De asemenea, aceasta îi va permite să efectueze raţionamente identice, rezultând astfel o mare capacitate de anticipare.

Exemple de Sisteme Expert

În funcţie de domeniul lor de aplicaţie, sistemele expert pot fi imparţite în trei categorii importante: 1. Sisteme expert de diagnostic. Problemele tratate de acestea pot fi recunoscute după următoarele proprietaţi:

-domeniu constă din două mulţimi finite, disjuncte – una conţinând observaţii, cealaltă soluţii – şi dintr-o cunoaştere complexă, adesea incertă si incompletă despre relaţiile dintre aceste două mulţimi;

-problema este definită printr-o mulţime de observaţii, mulţime ce poate fi incompletă; -rezultatul diagnosticului este selecţia uneia sau mai multor soluţii ale problemei;

-în cazul în care calitatea soluţiei poate fi inbunataţită prin considerarea unor observaţii suplimentare, una din sarcinile clasificării o reprezintă găsirea acelei submulţimi de observaţii suplimentare care ar trebui cerute pentru a le completa pe cele existente. 2. Sisteme expert de construcţie: aici soluţia nu mai poate fi gasită prin cautarea intr-o mulţime existentă. Soluţia este acum construită ca o secvenţă de paşi ori o configuraţie de elemente intercondiţionate (astfel vazută, o problemă de diagnostic poate fi considerată un caz special al unei probleme de construcţie). Definirea problemei inseamnă precizarea condiţiei iniţiale ale problemei, precizarea cerinţelor asupra soluţiei şi a spaţiului soluţiilor (combinaţiile teoretic posibile de obiecte elementare care respectă ori nu cerinţele). 3. Sisteme expert de simulare: dacă în sistemele expert de diagnostic şi construcţie soluţia era selectată ori respectiv asamblată, simularea serveşte numai pentru precizarea efectelor anumitor presupoziţii asupra unui sistem. Un sistem este privit ca o unitate a cărei comportare poate fi inferată din cunoaşterea comportării părţilor componente. Simularea constă din determinarea valorilor unor parametrii de ieşire din valorile date ale unor parametrii de intare. Adesea o simulare este cerută pentru a verifica dacă soluţia oferită de un Sistem Expert proiectat pentru a furncţiona în diagnostic sau construcţie este întardevar cea dorită.

Există diferite alte clasificări ale Sistemelor Expert, şi o alta posibilă ar fi: Sisteme expert pentru diagnostic Sisteme expert pentru reparaţii Sisteme expert pentru instruire Sisteme expert de inerpretare Sisteme expert pentru prognoză Sisteme expert pentru proiectare si planificare Sisteme expert de monitorizare şi control

Sistemele Expert, au fost şi sunt folosite şi în alte domenii decât cel de diagnostic medicinal. Domeniul ecconomic şi financiar-contabil, utilizează unele dine cele mai cunoscute aplicaţii expert.

În sistemul de audit şi control sunt folosite sistemele: FINEXPRO, FINEXPERT, GIPA, CREDITEXPERT în cel de planificare CAPEX.

Activitatea bancară, a fost şi este un domeniu în care se folosesc frecvent sisteme expert.

- gestiunea conturilor clienţilor: SMERTIOS, ALVIN, MATIAS; - împrumuturi comerciale: CLASS; - creditare şi analiza cărţii de credit: FCA, Application Expert, MOZART, CRES, Credite Expert; - transfer de bani: A-CLASS-ATRANS, TEXPERT;

Finanţe, asigurări, planificare impozite şi taxe sunt de asemenea ramuri ale domeniului economic care se bucură de facilitaţile oferite de aplicaţii ale Inteligenţei Artificiale.Unele exemple pentru domeniul gestiunii, finanţelor şi contabilitaţii din ediţia 1986 sunt:

1. Contabilitate AUTOMATED TAX – pregătire documente de impozitare

AGGREGATE Assistant – proiectare situaţii financiare din conturiAYMM (Finance) – selectare finanţare guverne pentru noi debuşee de afaceriFOLIO – determinare obiective de investiţii pentru protofoliile clienţilor; TAXADVISOR – consiliere şi analiză în probleme de impozite pentru

Intreprinderi TICOM – evaluarea controlului intern in auditing ESTEAM – gestiune portofolii pentru investitii profitabile AUDITOR – asistare la evaluarea debitorilor slabi 2. Gestiune APEX – management vănzări COMEX – gestiune afaceri în agricultură CONCEPT – gestiune, modele şi planificarea marketing MARKETER – asistenţă în decizii de marketing

Exemple de Sistemele Expert, sunt folosite cu succes şi domenii cum ar fi: reparaţii de echipamente, analizări de investiţii, planificări de asigurări, determinarea de trasee pentru livrare, oferte de contracte, consiliere pentru clienţi, controlul producţiei şi instruire.

II. CONCEPTE FUNDAMENTALE IN TEORIA SISTEMELOR EXPERT Definiţia Sistemelor Expert

Edward Feigenbaum, professor la Universitatea Stanford, un pionier al tehnologiei sistemelor expert, dă pentru un astfel de sistem următoarea definiţie:

”… un program inteligent care foloseşte cunoaştere şi proceduri de inferenţă pentru a rezolva probleme suficient de dificile încât să necesite o expertiză semnificativă pentru găsirea soluţiei.”

Un sistem expert este un program care urmăreşte un grup de cunoştinţe pentru obţinerea în acelaşi mod ca şi experţii umani a rezultatelor despre activitaţi dificil de examinat. Principala caracteristică a sistemelor expert este derivată din baza de cunoştinţe împreună cu un algoritm de căutare specific metodei de rationare. Un sistem expert tratează cu succes probleme pentru care o soluţie algoritmică clară nu există.

Unul din fondatorii Inteligenţei Artificiale, H.Simon, spunea despre Sistemele Expert că sunt o reprezentare a comportamentului uman, care se bazează pe modelul raţionalitaţii limitate, model care ţine seama de limitele întalnite da către un decident veritabil, atât în planul informaţiilor, cât şi în cel al raţionamentului. O definiţe originală aparţine profesorilor J. Giarratano şi Riley (NASA) : un Sistem expert este un sistem care emulează abilitatea de a lua decizii a expertului uman. Termenul «  emulează » înseamnă că sistemul este menit să acţioneze în toate privinţele ca expertul uman. Emularea este ceva mai mult decât simularea, care cere doar să se acţioneze prin imitarea condiţiilor realizate.

Definiţiile date de alţi autori, sunt foarte asemănătoare. Sistemele expert sunt sisteme de programare bazate pe tehnicile Inteligenţei Artificiale, care înmagazinează cunoştinţele experţilor umani dintr-un domeniu bine definit şi apoi le folosesc, pentru rezolvarea problemelor din acest domeniu ; Un sistem computerizat capabil să ofere sfaturi într-un domeniu particular de cunoştinţe, în virtutea faptului că conţine cunoştinţe oferite de un expert uman în acest domeniu.

Definiţia tradiţională a unui program este : Algoritm + Structuri de date= Program In Sistemele Expert, definiţia se schimbă astfel: Motor de inferenţă + Baza de cunoştinţe = Sistem Expert

Cu toate că au fost date diferite definiţii despre Sistemele expert, unele caracteristici comune, se pot stabili. Unele idei care conturează noţiunea de Sistem Expert sunt :

Din punct de vedere conceptual Sistemele expert vizează reconstituirea raţionamentului uman pe baza expertizei obţinute de la experţi ;

Sistemele Expert dispun de cunoştinţe şi de capacitatea de a desfăşura activitaţi intelectuale umane;

Sistemele Expert sunt organizate pentru achiziţia şi exploatarea cunoaşterii dintr-un domeniu particular numit domeniul problemei;

Sistemele Expert dispun de metode de invocare a cunoaşterii şi exprimarea expertizei, comportându-se ca un « asistent inteligent » ;

Ca nivel de realizare informatică, Sistemele Expert se bazează pe principiul separării cunoaşterii (bazei de cunoştinţe) de programul care o tratează (motorul de inferenţă) ;

Sistemele Expert sunt capabile să memoreze cunoaşterea, să stabilească legături între cunoştinţe şi situaţii pe baza faptelor şi prelucrării cunoaşterii incerte.

Sistemele Expert incearcă să reproducă raţionamentul experţilor umani asupra cunoştinţelor puse la dispoziţia lor într-o anumită manieră, ajungând să le modifice şi chiar să ofere explicaţii asupra unor raţionamente făcute.

Concepte de baza ale Sistemelor Expert

Conceptele de bază ale uniu Sistem Expert sunt: expertiza şi experţii, transferul expertizei, regulile de inferenţă şi capacitatea de a explica.

Expertiza este o cunoaştere intensivă, specifică domeniului problemei, achiziţionată prin instruire, citire sau experienţă îndelungată. Următoarele tipuri de cunoştere sunt exemple de ceea ce se include în expertiză:

Fapte despre domeniul problemei; Teorii din domeniul problemei; Reguli şi proceduri privind domeniul problemei; Reguli sau euristici despre ce trebuie făcut într-o situaţie problematică

dată, pentru soluţionarea problemei; Startegii globale despre soluţionarea tipurilor de probleme; Metacunoaştere.

Toate aceste tipuri e cunoaştere permit experţilor să ia decizii mai rapide şi mai bune decât neexperţii în soluţionarea problemelor complexe. Este nevoie de ani mulţi de pregătire pentru a deveni expert. Expertiza este de obicei asociată cu un înalt grad de inteligenţă şi are asociată o mare cantitate de cunoştinţe. Experţii umani au o caracteristică suplimentară în sensul că invaţă din succesele şi greşelile făcute în trecut, iar cunoaşterea o pot memora, organiza şi regăsi rapid. Ei pot apela structurile cunoaşterii din experienţa proprie. Experţii sunt dificil de definit, ei pot fi persoane cu mai multe nivele sau grade de expertiză. Întrebarea este căt de multă expertiză trebuie să posede o persoană calificată într-un domeniu înainte de a fii considerată un expert? Expertiza umană incluide o gamă largă de activitaţi ale expertului cum ar fi:

Recunoaşterea şi formularea problemei; Rezolvarea problemei cu exactitate şi rapiditate; Explicarea soluţiei; Învăţarea din experienţă; Restructurarea cunoaşterii; Fragmenatrea regulilor;

Toate acestea indică capacitatea experţilor de a transforma datele unei probleme arbitrare intr-o formă care conduce la o soluţie rapidă. Aceasta este posibil datorită capacitaţii de învăţare din experienţă a unor lucruri noi, de fragmentare a regulilor cunoscute, de determinare a relevanţei cunoaşterii şi a limitei acesteia in domeniu. Toate aceste activităţi trebuie desfaşurate eficient (rapid şi cu cost redus) şi eficace (cu rezultate de calitate). Pentru a imita un expert uman este necesar să se construiască un sistem cu toate aceste caracteristici. Există doua motive pentru care se decide construirea unui Sistem Expert : înlocuirea unui expert şi asistarea unui expert în activitatea sa. Principalele raţiuni pentru înlocuirea expertului uman sunt:

a face expertiza posibilă în orice moment automatizarea unei sarcini rutine care necesită un expert expertul este foarte scump expertiza este cerută in medii de lucru periculoase pentru sănătatea omului

Asistarea experţilor umani de către programe specializate este tot mai des întâlnită in marile firme şi nu numai. Principalele motive pentru care se dezvoltă Sistemele expert capabile să asiste experţii în munca lor sunt:

ajută expertul în executarea sarcinilor de rutină în scopul îmbunătaţirii productivităţii sale

ajută expertul în executarea sarcinilor dificile în scopul unui mai bun control al complexităţii

punerea la dispoziţia expertului a informaţiei dificil de procurat la momentul oportun

Transferul expertizei constituie de fapt obiectivul unui Sistem Expert. Transferul are loc de la expertul uman la calculator şi de aici la utilizatorii experţi sau nonexperţi. Acest proces implica patru activitaţi:

achiziţia cunoaşterii de la experţi sau/şi din alte surse reprezentarea cunoaşterii în calculator inferenţierea pe baza cunoaşterii stocate transferul cunoaşterii către utilizator

Inferenţierea (procesul de inferenţiere) o trasătură unică, dar majoră a Sistemului Expert, este abilitatea de a raţiona. Pe baza expertizei memorate în baza de cunoştinţe şi a programului care poate avea acces la o bază de date sau la un fişier calculatorul este programat să facă inferenţe. Inferenţele sunt executate de către componenta numită motor de inferenţă care posedă proceduri şi cunoaştere procedurală în legătură cu soluţionarea problemei. Regulile Majoritatea Sistemelor Expert în funcţiune sunt bazate pe reguli de forma IF..THEN::ELSE memorate în baza de cunoştinţe. Mai recent reprezentarea prin cadre a devenit un complement al reprezentării prin reguli în anumite aplicaţii. Capacitatea explicativă este o trăsătură majoră a Sistemelor Expert în legătură cu explicarea sfatului pe care-l dau sau a recomandărilor făcute pentru alternativele decizionale.

Arhitectura unui Sistem Expert

Toate caraceristicile Sistemelor Expert determină o structură specifică a acestora, structură care poate fi grupată în jurul a trei module principale, module ce determină un sistem esential: Baza de cunoştinţe, Mecanismul de inferenţe şi Baza de fapte. Cu toate acestea, un Sistem Expert, este bazat pe două componente distincte complementare: noi tehnologii de programare ce permit utilizarea a foarte multe cunoştinţe, precum şi modul de inferenţă dintre acestea, şi noi construcţii şi metodologii dezvoltate ce permit utilizarea efectivă a acestor tehnologii pentru probleme complexe. Combinarea cât mai eficientă a acestor componente, duc la realizarea unor Sisteme Expert de real succes.

Pentru realizarea unui sistem, este nevoie, de o strânsa cooperare între un specialist în domeniu, şi un inginer de cunoştinte. Expertul trebuie să fie capabil să işi raporteze cunoştinţele şi să reuşească să interpretze o anumită informaţie. Inginerul, este cel care transpune informaţia primită într-o formă de reprezentare specifică sistemelor informatizate ţinând seama de cele trei module principale ale unui Sistem Expert.

În literatura de specialitate, aditional acestor trei componente specifice mai apar şi altele noi, fără de care Sistemul Expert nu ar putea fi folosit : modul de achizitie al cunoştinţelor, interfaţa utilizator şi modul de explicaţii.

Baza de cunoştinţe este reprezentată ca o structură de date ce conţine ansamblul cunoştinţelor specializate introduse de către expertul uman. Este o componentă cognitivă cunoaşterea fiind memorată într-un spaţiu special organizat, spaţiu în care se descriu situaţii evidente, fapte reale sau ipotetice, precum şi euristici. În cazul memorării cunoaşterii sub formă de reguli de producţie, baza de cunoştinţe conţine două componente: baza de fapte şi baza de reguli, iar motorul de inferenţă se mai numeşte interpretor de reguli.

Mecanismul de inferenţă poate fi denumit şi interpretor deoarece, el preia cunoştinţele din baza de date şi le utilizează pentru construirea unui raţionament, pentru a forma inferenţe şi a trage concluzii. Acesta urmăreşte o serie de obiective majore cum ar fi: alegerea startegiei de control în funcţie de problema curentă, comutarea între acestea pentru a putea realiza o deducţie executarea acţiunilor care sunt prevazute în planul de rezolvare.

Baza de fapte este reprezentată de o memorie auxiliară ce conţine toate datele utilizatorului (fapte iniţiale ce descriu enunţul problemei de rezolvat) şi rezultatele intermediare produse în cursul procedurii de deducţie.

Modul de achiziţie al cunoştinţelor preia cunoştinţele specializate furnizate de expertul uman sau inginerul de cunoştinţe ce nu este specifică reprezentării interne, şi apoi verifică validitatea acestora în final generând o baza de cunoştinţe coerentă.

Interfaţa utilizator est cea care asigură dialogul dintre utilizator şi sistem, fără nici un ajutor din partea proiectantului de sistem sau a unui specialist în ingineria cunoaşterii. Prin intermediul acesteia, se preiau parametrii problemei pe măsură ce componenta de control are nevoie de ei. Există Sisteme Expert care au o interfaţă foarte complexă, furnizând chiar şi dicţionare, fiind capabilă de analize lexicale şi sintactice. Cu toate acestea ea trebuie sa fie simpla şi calară pentru a fi posibilă utiltizarea facilă a ei.

Modul de explicaţii urmăreşte obţinerea de explicaţii asupra desfăşurării proceselor inferenţiale făcute, a soluţiilor obţinute în sesiunile de consulatre. Acesta poate oferii evidentieri în cazul lipsei unor cunoştinţe sau a inconsistenţei acestora, uneori fiind capabil de dezvăluirea cauzelor unor eşecuri

Următoarea figură prezintă arhitectura unui Sistem Expert

Expertuman

Modul de achiziţie a cunoştinţelor

Baza de cunoştinţe

Baza de fapte

Modul de explicare

Interfaţa utilizatorUtilizator

Sisteme multi-expert

Sistemele multi-expert sunt o abordare mai recentă şi mai promiţătoare care tinde să depăşească Sistemele Expert. Ele reprezintă programe folosite pentru rezolvarea unor probleme foarte complexe care includ opinii diferite legate de acceasi problemă, cunoştinţe care au fost achiziţionate prin diferite expertize. Un Sistem Expert bazat pe un sistem multiplu are unele avantaje, cum ar fi:

1) posibilitatea de a împarţii experienţa, cunoştinţa si resursele; 2) o mai mare credibilitate ;

Inginer de cunoştinţe

Mecanism de inferenţă

3) o raţionare mai buna datorită observaţiilor facute de alţi agenţi constituenţi. Există două scheme de dezvoltare a sistemelor multi-expert. Prima este cea în care sistemul este alcătuit din mai multe subsisteme (agenţi ) care abordează diferite părţi ale problemei. Problema care trebuie rezolvată la astfel de sisteme, o reprezintă coordonarea şi cooperarea subsistemelor. A doua schemă este caracterizată de o singură bază de cunoştinţe conţinând informaţii de la mai multi experţi . Hanachi (1996) a propus o tehnică specifică de dezvolatre a Sistemelor Expert. Această tehnică presupune existenţa a două baze de date una activă şi una deductivă care se comportă ca un sistem informaţional cooperativ. Acest sistem, menţine informaţii despre dezvolatrea proiectului si un set de reguli care coordonează şi controlează diferite activitaţi.

Rezolvarea şi încorporarea opiniilor conflictuale reprezintă o problemă majoră pentru reprezentarea cunoaşterii. Lietal (1995) sugerează un raţionament fuzzy care combină cunoştinţa experţilor şi ţine cont de independenţa acestora. Aceast mod de abordare a problemei « identifică » cazurile de intrare şi găseşte informaţia cea mai potrivită pentru a fi folosită intr-un caz individual.

Cercetătorii constată azi o evoluţie către interacţiuni frecvente şi complexe între cei mai diverşi specialişti dintr-un domeniu restrâns, în scopul exercitării unei activităţi de nivel înalt.

Arhitectura Sistemului multi-expert

Arhitectura unui Sistem multi-expert are la bază arhitectura unui Sistem Expert, dar are în plus unele principii care trebuie respectate :

trebuie să conţină mai multe module de cunoaştere, identice celor din componenţa unui Sistem Expert

trebuie facută o separare între motoarele de inferenţă şi modulele de cunoaştere

pe intervalul unei expertize modularitatea cunoaşterii trebuie să rămână validă, adaugarea, modificare sau ştergerea unui modul de cunoaştere nu va trebui să afecteze direct alte module din sistem

sistemul trebuie să permită aflarea soluţiei la o anumită problemă dacă aceasta există

raţionamentul folosit trebuie să fie semănător celui uman. Aceasta este şi restricţia principală pentru rezolvarea în sistem multiexpertiză a problemelor complexe. Reţeaua de module de cunoaştere este legată slab astfel că nici un modul nu poate avea o vedere generală şi completă asupra reţelei pentru a servi ca supraveghetor.

Criterii de evaluare a Sistemelor multi-expert

Principalele motive pentru care se aleg Sistemele multi-expert în aplicaţiile

mari şi complexe sunt: rapiditatea, siguranţa, calitatea soluţiei, eficacitatea, claritatea, costul şi adecvarea la domeniu.

Baza de cunoştinţe

Rapiditatea este una dintre cele mai importante criterii de evaluarea a acestor sisteme, în special atunci când este implementat pe o arhitectură multiprocesor. Siguranţa pe care o oferă acest tip de sisteme, asigură continuitatea funcţionarii acestuia chiar dacă un modul lipseşte sau nu rezolvă corect o subproblemă, a generat un eşec. În acest fel este eliminată posibilitatea unui eşec total şi este asigurată o buna fiabilitate. Calitatea soluţiei este ridicată, deoarece cunoaşterea este repartizată pe mai multe module, asfel încât soluţia obţinută este mai bună decât dacă aceasta ar fi inegrată intr-un singur modul. Eficacitatea are în vedere timpii de rezoluţie care în cazul partajării cunoaşterii între mai mule module este mai mare. Claritatea este dată tot de modularitate, sistemul este vizibil iar cantitatea de informaţii necesară unei decizii momentane se reduce. Adecvarea la domeniul aplicativ al problemei este luat în considerare, deoarece experţii acordă mai multă incredere în sisteme ce reflectă propria lor abstractizare şi conceptualizare. Costurile de concepere sunt mai reduse datorită modularităţii care oferă posibilitatea achiziţiei cunoaşterii în paralel de la toţi experţii, precum şi validarea globală a prototipului.

III. ORGANIZAREA UNUI SISTEM EXPERT

Ideea esenţială care stă la baza concepţiei constructive a Sistemelor Expert, este aceea că un expert uman îşi construieşte soluţia la o problemă din piese elementare de cunoaştere, familiare acestuia anterior, şi pe care expertul le selectează şi le aplică într-o anumită secvenţă. Pentru a furniza o soluţie coerentă la o problemă dată, cunoaşterea trebuie să fie formalizată, reprezentată într-o formă adecvată proceselor de inferenţă, ca apoi să poată fi manipulată conform unei anumite metode de rezolvare a problemei. Ca o consecinţă imediată a celor prezentate mai sus, se pune problema separării cunoaşterii asupra domeniului, a datelor problemei- baza de cunoştinţe – şi a parţii responsabile cu organizarea proceselor inferenţiale care să implice aceste cunoştinţe – sistemul de control (motorul de inferenţe), acestea fiind de fapt şi modulele principale ale unui Sistem Expert.

Figura 3.1 Componentele principale ale unui Sistem Expert Aceste două componente formează inima unui Sistem Expert în jurul lor, alte componente realizează funcţionalitatea complexă a acestuia, cum ar fi:

- interfaţa de comunicare- componenta de achiziţie a cunoştinţelor- componenta explicativă

Sistemul de control

Baza de cunoştinţe, care este componenta sistemului responsabilă cu depozitarea de informaţii asupra demeniului de expertiză şi a problemei de rezolvat, este la rândul ei formată din:

- baza de fapte- baza de reguli- agenda

Sistemul de control este responsabil cu desfăşurarea proceselor de inferenţă. El codifică una sau mai multe startegii de aplicare a regulilor.

Baza de cunoştinţeToate Sistemele Expert, au o componentă numită baza de cunoştinţe destinată

memorării cunoaşterii dintr-un domeniu particular. Această cunoaştere este sursa de ”inteligenţă” şi se foloseşte de către motorul de inferenţe pentru raţionarea concluziilor şi a soluţiilor problemei care trebuie rezolvată. Colectarea şi organizarea cunoaşterii este cea mai dificilă muncă în procesul de construire a unui Sistem Expert.

Metode de reprezentare a cunoaşterii

Înainte de a prezenta metodele folosite de reprezentare a cunoaşterii unui Sistem Expert, să înţelegem mai bine seminficaţia ”de cunoaştere” şi disticţia dintr-e termenii : date, informaţie şi cunoaştere.

Datele sunt termeni care se referă la şiruri numerice sau alfabetice despre fapte, situaţii rezultate din numărare sau măsurare, care singure nu au nici o semnificaţie, dar pot constitui un răspuns la o întrebare a utilizatorului.

Informaţia reprezintă o prelucrare a datelor şi o utilizare a acestora astfel încât să prezinte o semnificaţie pentru utilizator.

Cunoaşterea, este un termen care are mai multe definiţii, unii afirmând că este o percepţie clară şi certă a unor fapte, o înţelegere a ceva, o învăţare, o experienţă practică, o recunoaştere a ceva; alţii afirmând că este o informaţie rafinată care are tendinţa să fie cât mai generală chiar incompletă sau imprecisă. Ea poate să includă fapte şi informaţii , concepte, proceduri, modele şi euristici care pot fi utilizate în inferenţe pentru soluţionarea problemelor.

Datorită variaţiei cunoaşterii atât în conţinut cât şi în aspectul exterior, apar mai multe tipuri de cunoaştere: cunoaşterea specifică, cunoaşterea generală, cunoaşterea exactă, cunoaşterea imprecisă, cunoaşterea procedurală si cunoaşterea declarativă. Chiar dacă calculatoarele nu pot avea studii, experienţă şi/sau învăţătură aşa cum au oamenii, ele pot utiliza cunoaşterea furnizată de experţii umani. Această cunoaştere constă în fapte, concepte, teorii, metode, euristici, proceduri şi relatii. Astfel, cunoaşterea, poate fi considerată informaţia care este organizată, analizată asfel încât calculatoarele sa o poata înţelege şi folosi în soluţionarea problemelor. Pentru Sistemele Expert, cunoaşterea este reprezentată de expertiza de care dispune expertul uman, sau de cunoaşterea disponibilă din carţi. Cunoaşterea expertului este specifică unui domeniu al problemei, asfel încât atat expertul uman, cât şi cel computerizat raţionează şi face inferenţe în acelaşi mod atunci când are la dispoziţie anumite fapte.

Gândirea despre reprezentarea cunoaşterii se concentrează în jurul a trei teme: domeniul cunoaşterii, limbajul de reprezentare a cunoaşterii şi mecanismele de inferenţă.

Domeniul cunoaşterii are în vedere ceea ce trebuie reprezentat din domeniul problemei.

Limbajul de reprezentare a cunaoşterii ne arată cum trebuie şi cu ce metode sau modele trebuie reprezentată cunoaşterea. Mecanismele de inferenţă se referă la prelucrările cele mai adecvate ale cunoaşterii din domeniu în scopul derivării unor piese noi de cunoaştere, cele mai relevante pentru soluţionarea problemelor.

Cu toate, că se cunosc mai multe metode de reprezentare a cunoaşterii, unele elemente comune, se găsesc:

- admit utilizarea mai multor limbaje de programare existente sau a generatoarelor de Sisteme Expert, iar rezultatul este memorat;

- prin conţinutul lor, rezultatele reprezentării (fapte, reguli, cadre..) pot fi utilizate în mecanisme de raţionament

În funcţie de modelul specific, metodele de reprezentare a cunoaşterii se clasifică în: metode declarative şi metode procedurale.

Metodele declarative, sunt acelea, care folosesc aserţiunile şi faptele, iar metodele procedurale sunt folosite la reprezentarea acţiunilor sau procedurilor. Reţelele semantice, cadrele/obiectele structurate şi logica predicatelor, este specifică metodei declarative, iar regulile şi procedurile celei procedurale. Însă, acestea, nu sunt singurele mai există scenariile, listele, tabelele de decizie, arborii decizionali, restricţiile, reţele neuronale.

Motorul de inferenţă

Componenta de control a unui Sistem Expert mai este numită şi motorul de inferenţă pentru că, în cursul execuţiei la fel ca într-un proces inferenţial, sistemul este capabil să genereze fapte noi din cele cunoscute, aplicând reguli.

Un mecanism elementar de aprindere a regulilor lucrează conform următorului algoritm:

- faza de filtrare: acum, se determină mulţimea tuturor instanţelor de reguli filtrate (MIRF) corespunzătoare regulilor din baza de reguli (BR) care pot satisface condiţiile pe faptele din baza de fapte (BF). În cazul în care nici o regulă nu a putut fi filtrată atunci motorul se opreşte, în caz contrat se trece la următorul pas

- faza de selecţie: se alege o instanţă de regulă R € MIRF. Dacă MIRF conţine mai mult de o singură instanţă, atunci se selectează regulă urmând strategia de conflict

- faza de execuţie: se execută partea de acţiuni a regulii R, cu rezultatul asupra bazei de fapte. Se revine apoi la faza de filtrare. La unele Sisteme Expert, mai apare o subfază a fazei de filtrare numită faza de restricţie, aici se aleg o serie de reguli care a prioro merită să particile la acest ciclu inferenţial.

Motoarele de inferenţă implementează o proprietate numită refractibililatea, care se manifestă în faza de filtare: o regulă nu este filtrată mai mult de o singură dată pe un set anume de fapte. Fără această proprietate, sistemele expert ar fi antrenate în bucle triviale ce ar apărea ori de câte ori acţiunile părţii drepte ale unei reguli nu ar produce modificări în bază. Faza de selecţie, se mai poate numi, şi strategia de control a unui Sistem Expert, deoarece, ea este legătura de trecere de la o stare la alta în procesul de raţionament, pentru rezolvarea problemelor. Ea determină cum o căutare să fie direcţionată în scopul atingerii stării finale. Cele mai folosite strategii de control, sunt cele înainte (forward-chaining) şi înapoi (backward-chaining). Strategia de control înainte este bazată pe fapte, deoarece, se porneşte de la un set de fapte iniţiale şi se caută ”înainte ” până se ajunge la scop. Regulile, sunt folosite ”spre înainte”, ele generând fapte noi, şi tot asa pană când se ajunge la starea scop, sau până când nu mai sunt reguli care pot fi utilizate.

Strategia de control înapoi, se mai numeşte şi strategia bazată pe scop. În acest caz, ne depalasăm înapoi, de la scop înspre faptele iniţiale cunoscute. Prima dată, se caută in baza de fapte dacă scopul se gaseşte acolo în cazul în care nu se găseşte, se caută dacă nu se află printre concluziile unei reguli. Dacă se găseşte, ea se numeşte stare de scop, apoi se verifică daca premizele acestei noi stări, se află în baza de fapte. Dacă nu există, atunci acestea devin noi scopuri şi se continuă procesul până se găseşte o premiză care nu este suportată de nici o regulă. Această metodă este similară cu demonstrarea ipotezelor de către experţii umani. Strategia de control mixă combină cele două strategii pentru ca în timpul căutării prin baza de cunoştinţe să înlăture inconveninetele acestora, reţinând numai cele care ar putea fi folosite cu succes. Metaregulile se referă la reguli care conţin starea procesului deductive şi modifică dinamic ordinea priorităţii regulilor de declanşare.

Modul de explicaţie Unele dintre cunoştinţele conţinute într-un Sistem Expert au un caracter euristic. Din acest motiv soluţia furnizată de sistem nu este în mod necesar optimă. Este chiar posibil ca această soluţie să nu fie nici măcar corectă. Rezultă de aici necesitatea ca Sistemul Expert să îşi explice modul în care a ajuns la o anumită concluzie. De acest lucru se ocupă modulul de explicaţii, care permite trasarea drumului urmat în raţionament de către sistemul rezolutiv şi emiterea justificărilor pentru soluţiile obţinute, evidenţiindu-se în acest mod cauza greşelilor sau motivul eşecului. El ajută expertul să verifice consistenţa bazei de cunoştinţe.

IV. METODE DE REALIZARE A SISTEMELOR EXPERT

Dezvoltarea limbajelor de programare, tendinţa lor de a utiliza diverse forme de expresie umană, au făcut mai uşoară munca de realizare a unui Sistem Expert. Necesitatea de reprezentare a unui bagaj foarte mare de cunoştinţe, capacitatea de deducţie rapidă şi eficienta a soluţiilor problemelor sunt unele din problemele care trebuie luate în considerare.

Realizarea unui Sistem Expert presupune achiziţia cunoştinţelor, care se face cu un generator de Sisteme Expert sau achiziţia cunoştinţelor şi reprezentarea lor prin implementarea motorului de inferenţă, în final urmând faza de validare.

Etapele realizării Sistemelor Expert

Calitatea şi utilitatea unui Sistem Expert depind în mod esenţial de cunoştinţele pe care le încorporează şi utilizează. Efortul principal în realizarea unui Sistem Expert este orientat spre cunoştinţe. Aceasta începe cu identificarea structurii generale corespunzătoare domeniului de expertiză şi continuând cu colectarea, reprezentarea, validarea şi utilizarea acestora.

Primul lucru necesar în realizarea unui Sistem Expert este culegerea cunoştinţelor relevante de la un expert uman. Aceste cunoştinţe sunt de obicei de natură euristică, iar culegerea lor într-un mod care poate fi utilizat de calculator este în general o misiune dificilă. Un inginer de cunoştinţe are ca scop culegerea cunoştinţelor de la un expert uman şi construirea bazei de cunoştinţe a sistemului. Munca depusă de inginer, este foarte anevoiasă, deoarece achiziţionarea de cunoştinţe de la expertul uman este dificilă, exprimarea cu exactitate a cunoştinţelor şi regulilor nu este tocmai la îndemâna oricui. Este necesar conceperea unui prototip iniţial bazat pe informaţiile obţinute de la expert, urmând apoi rafinarea iterativă folosind reacţiile expertului şi a potenţialilor utilizatori ai sistemului.

Un mod de realizare a sistemului, uşor de verificat şi modificat va fi un atuu puternic în toată munca care trebuie depusă. De asemenea, sistemul, trebuie să fie capabil să-şi explice raţionamentul şi să răspundă la întrebări despre procesul de soluţionare al problemei. Capaciatatea de adăugare şi ştergere a unor blocuri de cunoştinţe trebuie să fie luată în considerare.

Reprezentarea cunoştinţelor prin reguli, este una din cele mai folosite metode, de obicei ele nu au concluzii precise ci doar un anumit grad de certitudine cum că concluzia este adevărată dacă condiţia este adevărată.

Etapele care trebuie parcurse în procesul de creare a unui Sistem Expert sunt: analiza preliminară modelarea conceptuală colectarea cunoştinţelor reprezentarea cunoaşterii validarea sistemului introducerea în exploatare şi mentinerea în funcţiune

Două din cele mai cunoscute metode de realizare a sistemelor expert sunt cea propusă de societatea de informatică COGNITECH, si de societatea KADS.

Prima metodă, folosesc o metodă de realizare prin prototipaj, care cuprinde trei etape:

A. Un studiu de fezabilitate realizat mai întâi cu ajutorul unei machete de siteme expert

B. Realizarea prototipuli de test, această etapă construirea unui prototip pe care se expertimentează diferitele moduri de reprezentare a cunoştinţelor. În cursul

acestei etape se urmăreşte construirea unei versiuni capabile să acopere domeniul de expertiză ce formează obiectul sistemului.

C. În final, Sistemul Expert este realizat pornind de la prototip. Dacă rezultatele sunt satisfăcătoare şi structura sistemului realizat ca prototip, dă rezultate bune, urmează faza de industrializare.

Metoda KADS (Knowledge Acquisition Documentation Szstem) este o metodă de inginerie a cunoştinţelor dezvoltate în cadrul Comunităşii Europene, în intenţia definirii unui standard metodologic european pentru conceperea şi realizarea de sisteme şi aplicaţii care utilizează baze de cunoştinţe. Această metodă, cuprinde următoarele etape:

definirea aplicaţiei analiza proiectarea implementarea exploatarea şi menţinerea în funcţiune

Propunerea acestei metode, constă într-un demers de modelare al expertizei care diferenţiază descrierea domeniului de descriere al raţionamentelor, tot aşa cum pentru aplicaţiile convenţionale se diferenţiază descrierea datelor de cea a prelucrărilor. În acest scop există o structură pe patru nivele: domeniu (descriere obiectelor, atributelor, relaţiilor, formule de calcul, euristici), inferenţă (descrierea primitivelor de raţionament folosite pentru rezolvarea problemei), activitate (etapele de reţionament şi structura de inferenţă), strategie (planul generel de rezolvare a problemei).

Generatoare de Sisteme Expert

După cum am văzut în capitolele anterioare, un Sistem Expert conţine un motor de inferenţă, o bază de cunoştinţe, o baza de fapte şi o serie de alte componente auxiliare. Deci un Sistem Expert oricât de performant ar fi nu este numai un motor de inferenţă, ci necesită mai ales o mare acumulare de cunoştinţe, care trebuie introduse în sistem. Acel program informatic, care nu are bază de cunoştinţe dar care este capabil să o primească şi să o exploateze este un generator de Sisteme Expert, sau altfel numit instrument de elaborare sau shell, adică este o “cochilie goală”, care trebuie umplută. Acest generator conţine, pe lângă motorul de inferenţă, utilitare de elaborare şi de exploatare indinspensabile.

Un generator de Sisteme Expert este un instrument care permite realizarea mai multor Sisteme Expert, dar fiecare dintre acestea este o entitate separată, adică sunt sisteme diferite care nu au nici o legătură între ele.

Majoritatea Sistemelor expert din prima generaţie au fost prevăzute cu un software pentru achiziţia de cunoştinţe, mai mult sau mai puţin complet. S-au comercializat deci sisteme care să înmagazineze cunoştinţe.

Pentru crearea unui Sistem expert, cu ajutorul unui generator de sisteme expert, trebuie completată baza de cunoştinţe a acestuia. În ea trebuie introduse fapte şi reguli, acestea fiind unele dintre funcţiile principale ale editorului. Toate sistemele evoluate posedă un astfel de editor, care serveşte la achiziţia cunoştinţelor.

Alături de acest editor, există şi alte utilitare, precum trasorul, motorul de elaborare, modul de învăţare şi eventual alte module specializate în explicaţii, comentarii şi calcule. Acestea din urmă nu sunt prezente în toate sistemele expert.

Fiecare dintre aceste module trebuie să poată comunica cu utilizatorul, deci există interfeţe care permit dialogul cu acestea. O arhitectură simplă a unui generator de sisteme expert este prezentată schematic în de mai jos:

Baza de cunoştinţe

Editor

Învăţare

Trasor

Alte module

Interfaţa utilizator

Motorul de inferenţe

Interfaţaprocedeu

V.CONCLUZII

Oricum le-am numi, sistemele cognitive sau sistemele inteligente, Sistemele Expert constituie o subramură a tehnologiei Inteligenţei Artificiale şi s-au remarcat deja în numeroase aplicaţii. Sistemele Expert, generatoarele de Sisteme Expert şi chiar generatoarele de sisteme neuronale sunt deja disponibile pe piaţă şi contribuie din plin la modelarea întreprinderii viitorului.

Încă din 1985 P.Harmon şi D.King întrevedeau în materie de Sisteme Expert două perioade:

- prima perioadă până la începutul anilor ’90, caracterizată de aplicarea sistemelor expert de mărimee medie la soluţionarea unor probleme specifice. Ele au format gustul pentru această tehnologie şi un număr mare de cognicieni;

- a doua perioadă, cu începere din 1992, va atinge apogeul la începutul acestui mileniu, când sistemele expert sunt concepute pentru reproducerea raţionamentului uman până la punctul în care vor concura cu experţii umani în materie de inteligenţă şi expertiză

Dar ce ne oferă viitorul imediat în domeniul Sistemelor Expert? Se întrevăd patru direcţii de dezvoltare:

dezvoltarea masivă de generatoare de Sisteme Expert şi sisteme neuronale, cu care se vor putea concepe, de către experţi, noi aplicaţii în cele mai diferite domenii. Cogniticienii vor avea şi ei un rol crescut deoarece se vor concentra mai puţin asupra domeniilor aplicative;

dezvoltarea unor metode mai noi, mai performante de achiziţie şi reprezentare a cunoaşterii, care vor deveni tot mai disponibile şi accesibile. Acesta este sectorul cel mai interesant pentru cogniticianul viitorului;

viitorul cel mai promiţător aparţine sistemelor neuronale, care se inspiră din structurile creierului uman şi a căror originalitate ţine seama de distribuirea cunoaşterii. Sistemele neuronale vor fi nedisociate de Sistemele Expert, acestea implicându-se unele pe altele. Deja se află în comerţ generatoare de Sisteme Expert care utilizează descrierea obiectelor, care fac parte integrantă din baza de cunoştinţe, dar acestea nu sunt decât nişte precursori întrucât se va ajunge la sisteme inteligente care depăşesc multe dintre generatoarele de Sisteme Expert actuale în sensul că:o software-ul integrabil în sistemele neuronale va fi disponibil într-un viitor

apropiat ca instrumente hibride de concepere a sistemelor care asociază tehnici orientate obiect celor din programarea clasică, tehnici fuzzy etc.

Ţinând cont de prezentarea făcută sistemelor informatice bazate pe cunoştinţe, şi în particular a Sistemelor Expert, putem menţiona câteva avantaje ale acestora:

sunt colecţii de informaţii valoroase; sunt indinspensabile în lipsa expertizei umane; în unele situaţii, pot fi mai ieftine şi mai eficiente decât experţii umani; pot fi mai rapide decât experţii umani; dacă sunt flexibile, pot fi actualizate cu uşurinţă;

pot fi folosite pentru instruirea de noi experţi umani; la cerere, pot explica premisele şi linia de raţionament; tratează incertitudinea într-o manieră explicită, care spre deosebire de cazul

experţilor umani poate fi inspectată şi verificată;Cu toate acestea, unele limite ale acestor sisteme există: nu pot raţiona pe baza intuiţiei sau bunului simţ, deoarece acestea nu sunt uşor

reprezentabile; sunt limitate la un domeniu restrâns; cunoştinţe din alte domenii nu pot fi uşor

integrate nici nu pot generaliza în mod convingător; procesul de învăţtare nu este automat; pentru actualizările cunoştinţelor este

nevoie de intervenţia umană; în prezent, nu pot raţiona pe baza teoriilor sau analizelor; cunoştinţele înmagazinate în baza de cunoştinţe depind foarte mult de expertul

uman care le exprimă şi actualizează.Sistemele Expert, sunt un element cheie în aşa numita a 5-a generaţie de

calculatoare. Aceste maşini, nu îţi vor spune doar ceea ce vrei să ştii, ci şi cum să găseşti ceva, fără ca să fie nevoie să cunoşti un limbaj de programare.

Cu toate că argumente pro şi contra există în ceea ce priveşte capacitatea calculatoarelor de a acţiona inteligent, ele totuşi se “închină” în faţa a ceea ce matematicienii numesc “dovadă existentă “. Cât de mult poate tehnologia informaţională să fie aplicată în domenii ca medicina, trafic aerian, operaţii nucleare este doar o întrebare care îşi găseşte răspunsul din ce în ce mai mult în viaţa reală.