Современные информационные технологии /1. Компьютерная инженерия

К.т.н. Аждер Т.Б.

Московский государственный университет приборостроения и информатики

МЕТОДЫ ПРИНЯТИЯ РЕШЕНИЙ В ОБЛАСТИ ТЕХНИЧЕСКОЙ ДИАГНОСТИКИ

Техническая диагностика представляет теорию, методы и средства обнаружения и поиска дефектов объектов технической природы. Ее основное назначение состоит в повышении надежности объектов на этапе их производства, эксплуатации и хранения. Для повышения экономической составляющей любого производства является важным обеспечение качества и надежности производимой продукции.

При разработке систем диагностики должны решаться задачи изучения объекта (технической системы), его возможных дефектов и признаков проявления, выбора или неисправных модификаций.

В соответствии с этим актуальной является задача разработки методик и алгоритмов принятия решений для выявления причинно-следственных связей при неработоспособном состоянии технических систем, используемых в машиностроении.

Для того, чтобы работа данной системы была рациональной с точки зрения использования и обслуживания, необходимо сделать ее максимально независимой от человека. В этом случае встает вопрос о создании автоматизированной системы диагностики и принятия решений. Для этого целесообразно использовать систему с искусственным интеллектом. Предполагается, что данная система будет способна к обучению – решению задач.

Интеллектуальные системы поддержки принятия решений создаются для автоматизации работы при управлении сложными объектами и различными процессами. Они относятся к классу интегрированных интеллектуальных систем, которые сочетают строгие математические и нестрогие (эвристические) логико-лингвистические модели и методы, основанные на знаниях экспертов, моделях человеческих рассуждений.

Задача диагностики технических систем является одной из основных задач, решаемых с помощью интеллектуальных систем поддержки принятия решений. Следует отметить, что при выборе метода реализации данной задачи необходимо учитывать ее специфические особенности.

1. Получение объективной информации в режиме реального времени может быть затруднительно, в связи с чем, приходится опираться на субъективную оценку эксперта.

2. Многовариантность поиска заставляет применять сочетание логических методов поиска решений и требует активного участия в процессе принятия решения человека.

3. Обрабатываемая информация является неопределенной (неполной, нечеткой, противоречивой и др.), при этом в некоторых случаях возникает необходимость коррекции и получения дополнительной информации в процессе поиска решения.

Интеллектуальная система поддержки принятия решений является системой распределенного интеллекта, включающей в себе различные адаптируемые модели поиска решения. При этом для интеллектуальных систем поддержки принятия решений, которые работают в реальном времени необходимо учитывать временные ограничения.

Обзор существующих стратегий позволил выделить две методики, способные решать задачи выявления причинно-следственных связей и диагностики технических систем при неполной входной информации. Это формальный концептуальный анализ и абдуктивный вывод. При решении конкретных практических задач диагностики технических систем выявлены значительные недостатки алгоритма формального концептуального анализа.

Практическая значимость систем абдуктивного вывода следует из многочисленных задач принятия решений, когда при некотором множестве фактов и соответствующего правила, получен результат – следствие. При этом множество фактов, вызвавших это следствие, неизвестно или ставится под сомнение.

Способность нейросетей к выявлению взаимосвязей между различными параметрами системы дает возможность выразить данные большой размерности более компактно, если данные тесно взаимосвязаны друг с другом. Обратный процесс представляет собой восстановление исходного набора данных из части информации.

Использование нейронных сетей для реализации алгоритма абдуктивного вывода является рациональным при решении задач выявления причинно-следственных связей и диагностики с точки зрения скорости работы и способности к самообучению (это позволяет свести к минимуму субъективность при принятии решений).

Применение методики выявления причинно-следственных связей, использующей 2-слойную и 3-слойную архитектуры, к решению практической задачи диагностики технической системы позволило выявить следующие недостатки.

1. В процессе принятия решений остается доля субъективности, т.к. на начальном этапе инициализации сети значения гипотез, элементов данных и весовых коэффициентов определяет специалист.

2. Сложность и объем используемых формул.

3. В алгоритме не предусмотрено определение степени объяснения рассматриваемых данных гипотезами. В результате этого остается неизвестным, объясняет ли выигравшая конкуренцию гипотеза все элементы рассматриваемых данных полностью.

При использовании методики нахождения рационального решения абдукции данные недостатки исключаются. Здесь под рациональным решением абдуктивного вывода понимается решение, в котором использовано минимальное число простых гипотез из области допустимых.

Формализация задачи нахождения рационального решения абдуктивного вывода определена свойством минимальности входящих в решение компонент. Решение практической задачи позволяет сделать вывод: для выделения рационального решения задачи абдукции необходимо, во-первых, исследовать возможные наборы элементарных гипотез на степень их объяснения наблюдаемых данных, а, во-вторых, учесть количество этих гипотез, или компонент, в итоговом решении.

Данная методика применима как для простых задач диагностики, так и для поиска сложных решений, когда причиной неработоспособного состояния объекта является не один, а несколько факторов.

Литература:

1. Люгер Дж. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е издание. Пер. с англ. – М.: Издательский дом "Вильямс", 2005.

2. Машиностроение: Энциклопедия. В 40 томах. Т. III-7. Измерения. Контроль, испытания и диагностика. / Под ред. В.В. Клюева. – М.: «Машиностроение», 1996.

3. Попов Э.В. Экспертные системы: решение неформализованных задач в диалоге с ЭВМ / Э.В. Попов. – М.: Наука, 1987.

4. Тейз А. Логический подход к искусственному интеллекту / А. Тейз. – М.: Мир, 1990. – Т.1.