Dariusz SalaAkademia Górniczo-Hutnicza w Krakowie
Systemy ekspertowe narzędziemwspomagania decyzji w procesachprzygotowania produkcji
1. Wprowadzenie
W połowie lat 70. ubiegłego wieku podjęto drugi etap badań nad sztucznąinteligencją, etap ukierunkowany na próby praktycznego zastosowania rozważańteoretycznych i dotychczasowych osiągnięć. Powstanie bardziej zaawansowa-nych maszyn obliczeniowych oraz pierwszych komputerów mających możli-wość gromadzenia i przetwarzania dużej ilości informacji, pozwoliło na udanąpróbę odwzorowania (przy wykorzystaniu technik sztucznej inteligencji) sposo-bu rozstrzygania problemów, charakterystycznego dla pracy umysłu eksperta.Stopniowo pojawiały się programy komputerowe, wyspecjalizowane w rozwią-zywaniu zadań i stawianiu diagnoz na podstawie wcześniej zgromadzonej wie-dzy. Programy te nazwano systemami ekspertowymi (expert systems – SE), gdyżmiały wspomagać lub nawet zastępować ekspertów w ich pracy. Były tak skon-struowane, by ułatwiać podejmowanie standardowych decyzji w wąskim obsza-rze, którego dotyczyły.
W pełni funkcjonalne systemy ekspertowe zaczęto wykorzystywać na prze-łomie lat 70. i 80. XX w. Stanowiły wówczas nowe narzędzie komputerowegowspomagania procesu diagnostycznego, a także decyzyjnego. Jednym z pierw-szych obszarów, którego dotyczyły rozstrzygnięcia systemów ekspertowych,była medycyna (diagnoza chorób na podstawie charakterystycznych objawów),kolejnym – konfiguracja i diagnozowanie systemów komputerowych. Z czasempojawiły się zastosowania systemów ekspertowych w dziedzinach, takich jak
Dariusz Sala244
ekonomia, finanse, ubezpieczenia. Ugruntowało to ich pozycję jako wąsko spe-cjalizowanych inteligentnych programów komputerowych dających poprawnerozwiązania w sytuacjach, w których wcześniej korzystano tylko z wiedzy, do-świadczenia, a niekiedy intuicji ekspertów. Zarysowana wówczas wyraźnie ten-dencja tworzenia systemów o dużym stopniu specjalizacji, uwzględniającychw swoim działaniu wszechstronną wiedzę w określonej wąskiej dziedzinie, trwa-ła do końca lat 90.
Początek XXI w. to okres tworzenia systemów przeważnie o interdyscypli-narnej naturze i hybrydowej strukturze, co było możliwe ze względu na postępują-cy rozwój techniki komputerowej pozwalającej na realizację bardziej złożonychprojektów oraz powstanie nowych koncepcji w zakresie budowy systemów eks-pertowych. Współczesne systemy ekspertowe to najczęściej zaawansowane pro-gramy komputerowe, których działanie oparte jest na zasadach sztucznej inteli-gencji. Programy te wykorzystują zgromadzoną wcześniej specjalistyczną wiedzęi doświadczenie ekspertów, a także określone procedury rozumowania do wspo-magania i rozstrzygania problemów na tyle trudnych lub skomplikowanych, żedo ich rozwiązania wymagana jest pomoc specjalisty w danej dziedzinie.
Wykonując złożone zadania o dużych wymaganiach intelektualnych, syste-my ekspertowe sprawdzają się w rozwiązywaniu problemów, których konwen-cjonalna analiza jest pracochłonna i długotrwała.
Celem artykułu jest zaprezentowanie struktury systemu ekspertowego, a tak-że przedstawienie zasad budowy oraz sposobu korzystania z systemów wspoma-gania decyzji bazujących na systemie ekspertowym w zakresie przygotowaniaprodukcji. Przydatność takiego narzędzia wynika z możliwości zastąpienia przezsystem ekspertowy zespołu specjalistów, co w konsekwencji wpływać może naobniżenie kosztów oraz skrócenie czasu przygotowania produkcji.
2. Budowa systemów ekspertowych
Definicja systemu ekspertowego określa, że jest to program komputerowywykorzystujący wcześniej zgromadzoną wiedzę oraz określone procedury rozu-mowania do wspomagania podejmowania decyzji i rozstrzygania problemówo wysokim stopniu złożoności, których rozwiązanie wymaga specjalistycznejwiedzy eksperta1. Zatem już sama definicja określa pewne elementy, z którychpowinien składać się każdy system ekspertowy. Elementami tymi są przede
1 J. Chromiec, E. Strzmieczna, Sztuczna inteligencja. Metody konstrukcji i analizy systemóweksperckich, Akademicka Oficyna Wydawnicza PLJ, Warszawa 1994, s. 16; J.J. Mulawka, Systemyekspertowe, WNT, Warszawa 1996, s. 20; A. Pieczyński, Reprezentacja wiedzy w diagnostycznymsystemie ekspertowym, Lubuskie Towarzystwo Naukowe w Zielonej Górze, Zielona Góra 2003, s. 92.
Systemy ekspertowe narzędziem wspomagania decyzji... 245
wszystkim zgromadzona i ustrukturyzowana wiedza oraz procedury wniosko-wania. Jednak aby móc sprawnie obsługiwać taki system, powinien on zawieraćrównież przyjazny moduł komunikacji z użytkownikiem (tzw. interfejs użyt-kownika), a także (dla celów weryfikacyjnych) powinien umożliwiać przedsta-wienie uzasadnienia sformułowanej konkluzji.
W pewnych sytuacjach, ze względu na dynamicznie zmieniające się warun-ki, w jakich ma funkcjonować system ekspertowy, ważne jest zintegrowaniesystemu z narzędziami do jego budowy. Takie rozwiązanie umożliwia bieżącemodyfikowanie systemu według aktualnych potrzeb poprzez rozbudowę zarów-no o nową wiedzę, jak i nowe zadania, które powinien realizować. Jest to szcze-gólnie ważne w praktyce gospodarczej, gdzie zmieniające się przepisy, normy,a także upodobania i wymagania klientów muszą być błyskawicznie uwzględ-niane we wszystkich aspektach funkcjonowania firmy.
Typowa budowa systemu ekspertowego obejmuje więc cztery podstawoweelementy. Są nimi: baza wiedzy, mechanizm wnioskujący, interfejs użytkownika,oraz moduł objaśnień2.
Baza wiedzy jest zbiorem zawierającym wiedzę i doświadczenie specjali-stów oraz ekspertów z danej dziedziny, a także wszelkie inne istotne informacjezwiązane z problematyką, której dotyczy system ekspertowy. Wiedza ta możebyć zapisana w różny sposób, np. w postaci reguł, ram, sieci semantycznych,a także w różny sposób zorganizowana, np. podzielona na kilka poziomów (do-tyczy to szczególnie rozległych baz wiedzy potrzebnych dla dużych i skompli-kowanych systemów ekspertowych), gdzie zawartość wyższych poziomówokreśla się jako metawiedzę, czyli „wiedzę o wiedzy”.
Mechanizm wnioskujący to część systemu kierująca rozwiązaniem proble-mu; tak jak umysł ludzki umożliwia wyciąganie wniosków i przetwarzanie in-formacji oraz dochodzenie do logicznie uzasadnionych decyzji. Ta część syste-mu ekspertowego odpowiedzialna jest za poprawne zastosowanie wszystkichpoziomów wiedzy, a także obsługę sytuacji nieprzewidzianych przez twórcówsystemu na zasadzie sytuacji wyjątkowych. Bez mechanizmu wnioskującegosystem ekspertowy nie może poprawnie działać, gdyż nie jest w stanie wykorzy-stać posiadanej wiedzy.
Interfejs użytkownika jest częścią systemu ekspertowego umożliwiającądwustronną komunikację pomiędzy nim a obsługującym go człowiekiem. Zada-niem interfejsu użytkownika jest m.in. umożliwienie wprowadzania danych dosystemu, jak również prezentacja konkluzji systemu. Niekiedy (zwłaszcza w sys-temach ekspertowych czasu rzeczywistego) może istnieć bardzo zredukowany
2 M. Białko, Podstawowe właściwości sieci neuronowych i hybrydowych systemów eksperto-wych, Wydawnictwo Uczelniane Politechniki Koszalińskiej, Koszalin 2000, s. 228–236; J. Chro-miec, E. Strzmieczna, op. cit., s. 20; E. Radomiński, Systemy informatyczne w dynamicznej anali-zie decyzyjnej, Wydawnictwo Naukowe PWN, Warszawa–Wrocław 2001, s. 168.
Dariusz Sala246
interfejs (np. tylko do funkcji pokazującej aktualny stan systemu), nie zmienia topoprawności logicznej podejmowanych działań i wysuwanych konkluzji, wpły-wa jednak na komfort pracy użytkownika, co w skrajnym przypadku może znie-chęcić użytkownika do wykorzystywania systemu ekspertowego.
Moduł objaśnień, który najczęściej jest elementem interfejsu użytkownika,dostarcza uzasadnienia dla rozwiązanego problemu przyjętego przez systemekspertowy, tzn. wyjaśnia drogę swojego rozumowania oraz uzasadnia otrzyma-ną konkluzję. Dzięki temu system staje się bardziej wiarygodny dla użytkowni-ka, zwiększając zaufanie do proponowanego rozstrzygnięcia. Bez modułu obja-śnień system ekspertowy może poprawnie działać, jednak dla celów kontrolii weryfikacji poprawności funkcjonowania umieszczenie tego modułu jest celowe.
Obecnie systemy ekspertowe zawierają jeszcze jeden element składowy,zwany modułem akwizycji wiedzy (rys. 1)3. Zadaniem tego modułu jest wspo-maganie pozyskiwania informacji i aktualizacja bazy wiedzy. Za jego pomocąmożna nie tylko uzupełniać informacje w bazie wiedzy, ale także sprawdzać po-prawność syntaktyczną, kompletność i spójność wprowadzanych informacji orazdokonać analizy semantycznej istniejących w bazie zapisów. Moduł akwizycjiwiedzy może występować w postaci odrębnego programu komputerowego lubbyć wbudowany w strukturę systemu ekspertowego. Obsługiwany jest przeważ-nie przez specjalnie przeszkoloną osobę, tzw. inżyniera wiedzy.
Reguływnioskowania
Interfejsużytkownika
Bazawiedzy
Modułobjaśnień
Modułakwizycji wiedzy
Rys. 1. Schemat budowy systemu ekspertowegoŹródło: opracowanie własne.
3 R. Knosala i Zespół, Zastosowania metod sztucznej inteligencji w inżynierii produkcji,WNT, Warszawa 2002, s. 5.
Systemy ekspertowe narzędziem wspomagania decyzji... 247
Inżynier wiedzy to osoba zajmująca się pozyskaniem wiedzy ekspertów, jejformalizacją oraz implementacją w bazie systemu ekspertowego, tj. zapisaniemza pomocą określonego języka reprezentacji wiedzy4. Samą wiedzę można re-prezentować w formie symbolicznej oraz niesymbolicznej.
Wiedza w postaci symbolicznej ujmująca związki między obiektami i zda-rzeniami może opierać się na proceduralnym sposobie zapisu – polegającym naokreśleniu reguł dynamicznie opisujących rozpatrywane zagadnienie, lub dekla-ratywnym – opartym na opisowym, statycznym powiązaniu faktów i stwierdzeńodnoszących się do danej dziedziny.
Reprezentacja niesymboliczna opiera się na elementach sztucznej inteligen-cji, takich jak sztuczne sieci neuronowe, algorytmy genetyczne czy strategieewolucyjne, powstałych dzięki obserwacji przyrody i analizie naturalnych zja-wisk w niej zachodzących.
3. Klasyfikacja i struktura systemów ekspertowych
Ze względu na punkt widzenia potencjalnego użytkownika można zapropo-nować różne podziały systemów ekspertowych. W pierwszym z proponowanychpodziałów dokonuje się rozróżnienia na systemy dedykowane oraz szkieletowe5.Szkieletowe systemy ekspertowe (shell expert systems) posiadają wszystkieelementy pełnego systemu ekspertowego, tj.:
– interfejs użytkownika,– reguły wnioskowania,– moduł objaśnień,– moduł akwizycji wiedzy,– bazę wiedzy.Jednak w systemie szkieletowym dostarczanym przez producenta baza wie-
dzy nie jest wypełniona i należy ją we własnym zakresie uzupełnić treścią zwią-zaną z zagadnieniami przyszłych rozstrzygnięć systemu. Wszystkie pozostałeelementy są przygotowane przez producenta systemu szkieletowego i gotowe doużycia. Zaletą takich systemów są relatywnie niskie koszty przygotowania,a także fakt krótkiego czasu tworzenia finalnego programu, ponieważ wymaganejest tylko pozyskanie wiedzy i jej odpowiedni zapis w systemie. Ułatwiona jestrównież sama implementacja, a także zachowanie bezpieczeństwa know-how,gdyż system powstaje przeważnie bezpośrednio w przedsiębiorstwie i jest two-rzony przez wybranych, przeszkolonych pracowników, a nie osoby z zewnątrz.
4 E. Radomiński, op. cit., s. 183.5 J.J. Mulawka, op. cit., s. 27.
Dariusz Sala248
W skrajnych przypadkach pozbawia się istniejące systemy baz wiedzy. Powstajewówczas platforma-szkielet, która po umieszczeniu w niej analogicznie repre-zentowanej wiedzy z innej dziedziny tworzy zupełnie nowy system ekspertowy.Przeciwieństwem systemów szkieletowych są systemy dedykowane, stworzonena zamówienie od podstaw i optymalizowane dla konkretnego zagadnienia, któ-rego mają dotyczyć.
Drugi z proponowanych podziałów opiera się na rozróżnieniu zadań, do któ-rych zostały stworzone systemy ekspertowe6. W związku z tym podziałem możnawyróżnić kilka funkcjonalnie różniących się kategorii tych systemów. Są nimi:
– systemy ekspertowe o charakterze doradczym, wspomagające specjalistęw dokonywaniu ekspertyzy, same jednak nie zawierają części decyzyjno-wyko-nawczej. Systemy te przedstawiają rozwiązanie dla decydenta, który na podsta-wie własnej wiedzy i doświadczenia ocenia jego poprawność, a w konsekwencjiakceptuje go albo odrzuca. Istnieje możliwość uzasadnienia przez system sfor-mułowanej konkluzji. Dodatkowym atutem takich systemów jest możliwośćwielokrotnego wykorzystywania w celu sprawdzenia możliwych rozstrzygnięćprzy zmiennych warunkach stanów wejść systemu;
– systemy ekspertowe o charakterze sterującym to systemy, które na pod-stawie szczegółowej wiedzy mogą wyciągać wnioski i podejmować decyzjew czasie rzeczywistym, działając w sposób zbliżony do procesu rozumowanialudzkiego, lecz bez udziału człowieka. Systemy te podejmując decyzje bezudziału czynnika ludzkiego są dla siebie ostatecznym arbitrem. Wykorzystywanesą do sterowania różnymi procesami, do kontroli oraz nadzorowania skompli-kowanych maszyn i urządzeń, tam, gdzie człowiek nie mógłby ogarnąć swoimizmysłami całej sytuacji, albo tam, gdzie udział człowieka-eksperta jest utrudnio-ny lub wręcz niemożliwy;
– systemy ekspertowe o charakterze analitycznym to systemy, które doko-nują w danym przypadku analizy problemu i formułują warianty decyzyjne.Mają zdolność do generowania propozycji rozwiązań wraz z opisem przewidy-wanych skutków ich realizacji. Sprawdzają się w sytuacjach, gdy należy przy-swoić dane, dokonać ich przeliczenia, a następnie przeprowadzić selekcjęotrzymanych wyników.
Trzeci podział opiera się na rozróżnieniu klasycznych systemów eksperto-wych i nowoczesnych systemów ekspertowych o hybrydowej naturze7. Systemyklasyczne bazują na symbolicznej formie zapisu wiedzy najczęściej w postacireguł (rys. 2).
6 A. Pieczyński, op. cit., s. 93–94; E. Radomiński, op. cit., s. 166.7 M. Białko, op. cit., s. 255.
Systemy ekspertowe narzędziem wspomagania decyzji... 249
WARUNEK: 1 .......JEŻELI i 2 ....... TO
i 3 .......KONKLUZJA ........
WYKONAJ: Działanie: 1a ........2a ........3a ........
W PRZECIWNYMWYPADKU WYKONAJ: Działanie: 1b ........
2b ........3b ........
Przesłanki Akcje
Rys. 2. Schemat zapisu regułowego w klasycznych systemach ekspertowychŹródło: opracowanie własne.
W wypadku spełnienia wszystkich warunków konkluzja staje się zdaniemprawdziwym i podejmowane są Działania 1a, 2a, 3a itd. Jeżeli przynajmniejjeden z warunków nie jest spełniony, mechanizm wnioskujący systemu eksper-towego, zgodnie z prawami logiki, ustala wartość logiczną reguły JEŻELI...TO... na fałsz i wykonuje Działanie 1b, 2b, 3b itd.
Natomiast systemy hybrydowe w swej budowie opierają się na rdzeniu re-gułowo-proceduralnym kooperującym z innymi systemami, najczęściej o nie-symbolicznej reprezentacji wiedzy, oraz zewnętrznymi aplikacjami w takimstopniu i zakresie, w jakim jest to potrzebne do zwiększenia jego funkcjonalno-ści8. Większą funkcjonalność należy rozumieć jako próbę zmiany charakterudotychczas wąsko specjalizowanych doradczych systemów ekspertowych naprawdziwie interdyscyplinarne systemy wspomagania decyzji. Podyktowane jestto potrzebą globalnego i całościowego spojrzenia na niektóre zagadnienia,zwłaszcza kwestie podejmowania decyzji w procesie zarządzania, gdyż dotych-czasowe indywidualne i wycinkowe traktowanie problemów nie sprawdza sięw złożonych warunkach współczesnego świata.
W praktyce odkrycie wysokiej użyteczności tego typu systemów oraz moż-liwość zastępowania drogich zewnętrznych zespołów ekspertów przez własnychpracowników firmy posługujących się w podejmowaniu decyzji systemami hy-brydowymi oraz pojawienie się na rynku programów komputerowych szkieleto-wych systemów ekspertowych, za pomocą których każda firma mogła stworzyćswój własny system doradczy, ostatecznie przesądziło o znacznej popularności
8 R. Simiński, A. Wakulicz-Deja, Metody programowej realizacji systemów hybrydowychw środowisku systemu PC-Shell [w:] Inżynieria wiedzy i systemy ekspertowe, Materiały konferen-cji, t. 2, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 1997, s. 35–42.
Dariusz Sala250
hybrydowych systemów ekspertowych. Na sukces ten złożyły się ponadto takiecechy, jak zdolność wyjaśniania własnych konkluzji czy kompetencje niejedno-krotnie większe od pojedynczego eksperta. Ponadto stabilny poziom konkluzji,niezależny od warunków zewnętrznych i czasu pracy systemu, wydatnie zwięk-sza dostępność i jakość rozstrzygnięć.
Również możliwość rozwiązywania problemów specjalistycznych, o charakte-rze jakościowym, w których dużą rolę odgrywa doświadczenie, jest znaczącymwalorem w sytuacji, w której wiedza ekspertów to dobro rzadkie i kosztowne.
Implementacja struktur hybrydowych systemu ekspertowego może zacho-dzić na trzech zasadniczych poziomach:
– bazy wiedzy,– reguł wnioskowania,– interfejsu użytkownika.Poziomy te są zgodne z wewnętrzną strukturą systemu ekspertowego, na
którego rdzeniu ma się opierać system hybrydowy (rys. 1).Implementacja struktur hybrydowych na poziomie interfejsu użytkownika
sprowadza się do uwzględnienia w systemie odpowiednich modułów, np. eks-ploracji baz danych lub innych programów, takich jak programy statystycznejobróbki danych. Prowadzi to do powstania systemu hybrydowego luźno sprzę-żonego, o kooperacyjnym funkcjonowaniu podsystemów inteligentnych.
W obrębie reguł wnioskowania może dochodzić do uwzględniania strukturinnych niż logiczno-proceduralne. W literaturze przedmiotu podane są takieprzypadki, np. wykorzystanie sieci neuronowych celem wspomagania interpre-tatora reguł w wyznaczaniu zbioru reguł konkurencyjnych lub całkowite zastą-pienie reguł wnioskowania przez sieć neuronową w systemie realizującym wnio-skowanie rozmyte. Systemy takie są silnie sprzężone, o strukturze częściowopokrywających się lub zawierających się podsystemów inteligentnych.
Integracja różnych elementów systemu hybrydowego na najgłębszym pozio-mie – poziomie bazy wiedzy – daje najlepsze rezultaty w zakresie jego funkcjo-nalności. Pomocna w realizacji tego typu integracji jest architektura tablicowa.
4. Systemy hybrydowe o architekturze tablicowej
Współczesne procesy zarządzania mają złożony charakter. Do podejmowa-nia decyzji w ich zakresie nie wystarczy pojedynczy ekspert. Potrzebnych jestwielu specjalistów, aby z ich cząstkowych opinii stworzyć całościowy obraz da-nego zagadnienia. Architektura tablicowa jest próbą przystosowania klasycz-nych, regułowych systemów ekspertowych do rozwiązywania wielowątkowych
Systemy ekspertowe narzędziem wspomagania decyzji... 251
problemów o interdyscyplinarnej naturze9. Dobrze sprawdza się w budowie sys-temów hybrydowych.
Architektura tablicowa nie odbiega całkowicie od założeń klasycznych sys-temów ekspertowych, tzn. ich struktura logiczna opisana jest regułami typu:Jeżeli (...)
oraz (...)oraz (...) to (...) w przeciwnym wypadku (...).
Jednak reguły nie opisują wszystkich możliwych ścieżek rozumowaniaw postaci drzewa decyzyjnego (decision tree), jak ma to miejsce w systemachklasycznych, ale stanowią podstawę struktury tablicowej (blackboard), w którejdochodzi do głównych rozstrzygnięć systemu na podstawie wywołanych źródełwiedzy (knowledge sources) dających rozstrzygnięcia cząstkowe.
Zatem baza wiedzy systemu hybrydowego o tablicowej architekturze nie jestzbiorem wszystkich możliwych reguł opisujących dane zagadnienie, lecz tablicązależności występujących pomiędzy różnymi zagadnieniami zgromadzonymiw odrębnych źródłach wiedzy (inference engine). Źródłami wiedzy mogą byćinne systemy inteligentne posiadające odrębny mechanizm wnioskujący lub pro-gramy obróbki danych, bazodanowe czy statystyczne.
Wnioskowanie odbywa się poprzez kolejne wywoływanie źródeł wiedzyzgodnie z zapisem zależności w tablicy systemu. Wywołane źródła wiedzy dająrozwiązania cząstkowe, na podstawie których system buduje ostateczną konklu-zję lub ustala rozwiązanie złożonego problemu. Zastosowanie architektury tabli-cowej powoduje redukcję liczby wszystkich reguł tylko do tych zawartychw tablicy głównej systemu oraz w poszczególnych źródłach wiedzy (jeżeli mająone cechy odrębnych systemów ekspertowych). Nie ma redundancji reguł, czyliich nadmiarowości związanej z koniecznością opisania wszystkich możliwychścieżek rozumowania, jak w modelu klasycznym, bez względu na to, czy rozu-mowanie systemu przebiega w przód, czy w tył. System prowadząc rozumowa-nie wykorzystuje reguły tablicy głównej opierające się na kryteriach odpytywal-nych oraz na będących wnioskami innych reguł kryteriach nieodpytywalnych,których wartość logiczna określana jest przez system na podstawie rozstrzygnięćcząstkowych pochodzących ze źródeł wiedzy. Reguły dotyczące danego proble-mu cząstkowego są zapisane tylko raz w źródle wiedzy, które może być uaktyw-niane wielokrotnie podczas rozumowania głównego systemu tablicowego.
Takie ujęcie funkcjonowania programu jest wysoce efektywne, gdyż przy-spiesza jego działanie, obniżając jednocześnie wymagania sprzętowe obsługują-cych go systemów komputerowych.
Dodatkowo sama konstrukcja bazy wiedzy wykazuje dużą elastyczność, jeślichodzi o zmiany stanów otoczenia. Gdy zajdzie konieczność rozbudowy syste-
9 D.D. Corkill, Blackboard Systems, „Ai Expert” 1991, nr 6, s. 40–47.
Dariusz Sala252
mu o kolejne źródła wiedzy, nie trzeba budować od nowa bazy wiedzy, lecz je-dynie uaktywnić nowe źródła wiedzy, których dodanie nie ma wpływu na funk-cjonowanie pozostałych. Natomiast gdy zachodzi konieczność zmiany założeńdotyczących podstaw funkcjonowania systemu, wystarczy zrobić to w obrębiedanego źródła wiedzy, którego dotyczą zmiany.
Hybrydowe systemy ekspertowe o tablicowej architekturze ze względu naich możliwości stosuje się do rozwiązywania problemów, w których w celu do-konania rozstrzygnięć potrzebna jest różnorodna i specjalistyczna wiedza, nie-możliwa do zapisania jedynie w postaci ilościowej. Umożliwia to strukturaoparta na niezależnych źródłach wiedzy, z których każde może mieć inny cha-rakter.
Różnice w budowie klasycznych systemów ekspertowych i systemów eks-pertowych o tablicowej architekturze najlepiej jest prześledzić na przykładzie.Przykładem niech będzie model systemu doradczego wspomagającego decyzjew zakresie sterowania zapasami wyrobów gotowych w produkcji „na magazyn”.
Sterowanie zapasami wyrobów gotowych jest jednym z ciągłych procesówpodejmowania decyzji uwarunkowanych zmieniającą się w czasie sytuacjąprzedsiębiorstwa, mających na celu minimalizację kosztów tworzenia zapasówi ich przechowywania przy zapewnieniu warunków pełnego i terminowego za-spokajania popytu.
Przykładowy system doradczy ma podpowiedzieć decydentowi, czy uru-chomić zlecenie produkcyjne w odniesieniu do konkretnego asortymentu pro-duktów. Głównymi kryteriami oceny, na których powinny opierać się rozstrzy-gnięcia systemu, są kryteria o charakterze ekonomicznym:
– istniejący zapas,– występujący popyt,– rentowność sprzedaży,– koszt magazynowania.W pewnych sytuacjach kryteria te są jednak zbyt proste i nie pozwalają na
właściwe kształtowanie poziomu zapasów wyrobów gotowych. Dotyczy toprzypadków braku dokładnej prognozy popytu na produkty, a także gdy jakokryterium optymalizacyjne należy rozpatrywać czynniki niewymierne, jak nie-zadowolenie klientów wynikające z braku towaru, rodzaj odbiorcy lub związanaz profilem produkcji sezonowość i wrażliwość na koniunkturę.
Do rozwiązania problemu można zastosować systemy ekspertowe, które dająmożliwość deklaratywnej reprezentacji wiedzy. W ujęciu klasycznym, opierającsię na wymienionych kryteriach, buduje się bazę wiedzy systemu ekspertowegow postaci regułowej, której graficzną reprezentacją jest drzewo decyzyjne(rys. 3). Konkluzję otrzymuje się odpowiadając na kolejno zadawane przez sys-tem pytania zgodnie ze ścieżkami na drzewie decyzyjnym, rozpoczynając odjego wierzchołka, poprzez wszystkie poziomy, aż do najniżej położonych gałęzi.
Systemy ekspertowe narzędziem wspomagania decyzji... 253
Analizując drzewo decyzyjne, którego fragment zawiera rys. 3, można za-uważyć, że składa się ono aż z 1458 reguł kończących się konkluzją w sprawieuruchomienia zlecenia produkcyjnego (uruchomić lub nie uruchomić). Częśćkryteriów, na podstawie których dochodzi do wydania rozstrzygnięcia, to kryte-ria o charakterze ekonomicznym. Kryteria te w systemie tablicowym można ująćw jedno źródło wiedzy dające rozstrzygnięcia cząstkowe, dotyczące priorytetuekonomicznego dla uruchomienia zlecenia produkcyjnego.
średnie
wysokiZapas
średniniski
Odbiorca
stałyznaczącyincydentalny
Popyt
...
wysokiśredniniski
Rentownośćwysoka średnia
niska
Pora roku
Niezadowoleniewysokie
średnie
małe
lato-jesieńzima
wiosna
Uruchomić zlecenieprodukcyjne?
TAK Uruchomić zlecenieprodukcyjne?
NIE
Uruchomić zlecenieprodukcyjne?
TAK
Kosztymagazynowania
wysokie
Zapas
... ...
Odbiorca
Odbiorca ......
Popyt Popyt......
Rentowność
Rentowność...
...
NiezadowolenieNiezadowolenie
......
Pora rokuPora roku...
...
Rys. 3. Fragment drzewa decyzyjnego modelu klasycznegoŹródło: opracowanie własne.
Dariusz Sala254
Priorytet ten określany byłby przez system tablicowy na podstawie odpo-wiedzi użytkownika na pytania zawarte w źródle wiedzy. Dla potrzeb niniejsze-go przykładu określono przedział wartości priorytetu. Są nim liczby całkowitez przedziału od 1 (najniższy priorytet) do 9 (najwyższy priorytet).
Strukturę bazy wiedzy systemu tablicowego dla problemu sterowania zapa-sami wyrobów gotowych przedstawiono na rys. 4.
Odbiorca
stałyznaczącyincydentalny
Pora roku Pora rokuPora roku
Niezadowoleniewysokie
średniemałe
lato-jesień
zima
wiosna
...
...
...
...
Priorytet ekonomiczny
1 2 3 4 5 6 7 8 9
TABLICA
ŹRÓDŁOWIEDZY
ustalające priorytetekonomiczny
......
......
......
...
wysokiZapas
średni
niski
PopytPopyt
Popyt
średniniskiwysoki
niskawysoka
średnia
RentownośćRentowność
Rentowność
Koszty magazynowania
średnie
Uruchomićzlecenie
produkcyjne?TAK
......
wysokie
Uruchomićzlecenie
produkcyjne?NIE
Priorytet = 4 Priorytet = 5
Rys. 4. Fragment struktury bazy wiedzy systemu tablicowegoŹródło: opracowanie własne.
Systemy ekspertowe narzędziem wspomagania decyzji... 255
Tablicowa koncepcja bazy wiedzy powoduje znaczną redukcję liczby reguł,upraszcza model i czyni go bardziej zrozumiałym, przejrzystym i elastycznym.W przedstawionym przykładzie redukcja objęła znaczną część reguł, pozosta-wiając tylko 243 reguły występujące w głównej tablicy systemu oraz 54 reguływystępujące w źródle wiedzy posiadającym cechy odrębnego systemu eksper-towego. Razem w bazie wiedzy sytemu tablicowego jest 297 reguł, tj. 5 razymniej niż w systemie klasycznym o takiej samej funkcjonalności.
Systemy tablicowe dobrze sprawdzają się również jako zintegrowane narzę-dzia nadzorujące niezależne systemy diagnostyczne, a także w sytuacjach, w któ-rych źródła wiedzy muszą być rozwijane i testowane osobno.
Podsumowując należy stwierdzić, że systemy ekspertowe, a w szczególnościsystemy hybrydowe, dzięki rozwojowi techniki komputerowej zyskały nowe,szersze możliwości implementacji w zakresie dynamicznego wspomagania po-dejmowania decyzji w procesie zarządzania. Istnieje możliwość budowaniakompleksowych systemów doradczych, wykorzystujących architekturę tablico-wą do reprezentacji wiedzy o całych procesach, a nie o ich jedynie wąsko spe-cjalizowanych wycinkach.
Systemy o architekturze tablicowej są odpowiedzią na konieczność stosowa-nia w zarządzaniu rozwiązań reagujących bezzwłocznie na zmiany, o elastycznejstrukturze i możliwościach stałego rozwoju. Są narzędziami dającymi łatwośćużytkowania i uaktualniania, w połączeniu z zaawansowanymi możliwościamidoradczymi. Są mniej kosztowne w użytkowaniu niż zaangażowanie ekspertów,gdyż wnioskowanie można przeprowadzać dowolną ilość razy, symulować pew-ne zdarzenia i sprawdzać, jaka będzie reakcja (konkluzja) ze strony systemuekspertowego, bez angażowania specjalistów. W odróżnieniu od klasycznychprogramów komputerowych wiedza zawarta w bazie wiedzy systemu eksperto-wego opisuje problemową dziedzinę bez podania szczegółowego algorytmurozwiązania danego problemu. Dzięki temu jest dużo bardziej czytelna, nawetdla osób nie będących specjalistami w dziedzinie inżynierii wiedzy.
5. Wspomaganie decyzji systemem ekspertowymw przygotowaniu produkcji
W przygotowaniu produkcji na każdym z jej etapów rodzą się problemy de-cyzyjne, które ze względu na konieczność elastycznego reagowania na potrzebyrynku oraz zapewnienia przewagi konkurencyjnej przedsiębiorstwa należy szyb-ko rozwiązać (rys. 5).
Dariusz Sala256
PRZYGOTOWANIEKONSTRUKCYJNE
PRZYGOTOWANIETECHNOLOGICZNE
PRZYGOTOWANIEORGANIZACYJNE
Opis wyrobu
Opis operacjitechnologicznych
– co produkować?określenie kształtu i formy wyrobu orazopis konstrukcyjny wyrobu
– w jaki sposób wytwarzać?określenie metod wytwarzania, przyzastosowaniu jakich pomocy warsztatowychoraz opis technologiczny wyrobu
– jak najefektywniej zorganizowaćwytwarzanie?
ETAPY PROBLEMY DECYZYJNE
Rys. 5. Przebieg procesu przygotowania produkcji i występujące w nimproblemy decyzyjne
Źródło: opracowanie własne na podstawie: J. Wallheim, Modele matematyczne operacjitechnologicznych, Wydawnictwo Politechniki Poznańskiej, Poznań 1982.
Potrzeba stosowania systemów ekspertowych w procesach przygotowaniaprodukcji wynika więc z konieczności szybkiej reakcji na pojawiające się w tokuprodukcji zakłócenia, a także dynamicznie zmieniające się stany wejścia systemuprodukcyjnego (nowe zlecenia, zlecenia priorytetowe). Systemy ekspertowe mogąodgrywać w tym zakresie rolę wydajnego narzędzia wspomagającego decyzję.
Proces dochodzenia do podjęcia decyzji nazywa się procesem decyzyjnymlub procesem podejmowania decyzji (rys. 6). Systemy ekspertowe mogą wspo-magać ten proces na podstawie rozpoznania i analizy wszystkich dostępnychinformacji dotyczących problemu, a następnie oszacować rozstrzygnięcia orazprzedstawić wybór optymalnego rozwiązania.
Szczególnie istotne jest to, że system ekspertowy jako narzędzie wspoma-gające decyzje może odwzorować oprócz czynników ilościowych wiele czynni-ków o jakościowym i opisowym charakterze, których odwzorowanie za pomocąmodeli matematycznych jest niemożliwe lub bardzo utrudnione. Postępowanietakie jest zgodne z najnowszymi trendami łączenia metod modelowo-symula-cyjnych, w tym klasycznych metod numerycznych (ilościowych), z metodamijakościowej oceny rozwiązań. Również częste występowanie w procesach przy-gotowania produkcji problemów słabo lub całkowicie nieustrukturalizowanychutrudnia zastosowanie dotychczasowych standardowych programów wspomaga-nia komputerowego.
Roz
pozn
anie
i opi
sani
e pr
oble
mu
decy
zyjn
ego
Przy
goto
wan
ie d
ecyz
jii u
stal
enie
jej c
elu
na p
odsta
wie
:–
anal
izy
dany
ch–
struk
tura
lizac
ji in
form
acji
– po
szuk
iwan
ia i
twor
zeni
aro
zwią
zań
war
iant
owyc
h–
ocen
y w
ynik
ów w
aria
ntów
– w
ybor
u w
aria
ntu
opty
mal
nego
Podjęc
iede
cyzj
i
Ust
alen
ie p
rzyc
zyn
pow
stan
ia p
robl
emu
decy
zyjn
ego
Prob
lem
decy
zyjn
y
Zebr
anie
i ze
staw
ieni
eda
nych
Iden
tyfik
acja
sytu
acji
decy
zyjn
ejPr
zetw
arza
nie
info
rmac
jii a
naliz
a w
aria
ntów
Zais
tnie
nie
sytu
acji
Mon
itoro
wan
iere
aliz
acji
decy
zji
Ogł
osze
nie
decy
zji
S K U T K I
Rea
lizac
jade
cyzj
i
Kon
trola
decy
zji
Rys
. 6. P
rzeb
ieg
proc
esu
decy
zyjn
ego
Źródło
: opr
acow
anie
wła
sne.
Systemy ekspertowe narzędziem wspomagania decyzji... 257
Dariusz Sala258
Dodatkowo możliwość wielokrotnego wykorzystania systemu ekspertowegoprzy podejmowaniu konkretnej decyzji z uwzględnieniem za każdym razem in-nych stanów wejścia daje uniwersalne narzędzie o symulacyjnym charakterze.
Kolejnym atutem jest obiektywizacja procesu podejmowania decyzji, pole-gająca na pozbawieniu zniekształceń sądów, ugruntowaniu niezależności oceny,poszerzeniu zakresu dokładności konkluzji.
Jedną z możliwości wykorzystania zalet systemu ekspertowego w zakresieprzygotowania produkcji może być proces doboru technologii wytwarzania.Proces ten powinien być opisany następującymi cechami: bardzo dobrym dostę-pem do danych historycznych, wystarczającą i niezbędną liczbą kryteriówi ograniczeń technicznych, stosunkowo dużą jednoznacznością rozstrzygnięć napodstawie kryteriów i ograniczeń technicznych, powtarzalnością sytuacji decy-zyjnych.
DECYDENT
Dane projektowe– charakterystyka
konstrukcyjnai technologicznawyrobu
– programprodukcji
SYSTEM WYTWARZANIA
Dane technologiczne– możliwości
technologicznesystemu wytwarzania
– normatywytechnologiczne
Dane procesowe– możliwe elementy struktu-
ry procesów wytwarzania– wiedza i doświadczenie
w zakresie budowy pro-cesów technologicznych
WIEDZA EKSPERTÓW
SYSTEMEKSPERTOWY
Konkluzja– propozycja
technologiiwytwarzania
– dokumentacjatechnologiczna
REALIZACJA
Rys. 7. Schemat doboru technologii wytwarzania wspomaganegosystemem ekspertowym
Źródło: opracowanie własne.
Systemy ekspertowe narzędziem wspomagania decyzji... 259
Funkcjonowanie systemu musi być zatem oparte na wprowadzanych przezużytkownika informacjach o problemie decyzyjnym oraz analizie danych tech-nologicznych danego systemu wytwarzania. Wybór technologii wytwarzaniazależeć będzie od możliwości w zakresie technologicznego przygotowania pro-dukcji oraz potrzeb wynikających z zadania projektowego. Decydent poprzezinterfejs użytkownika wprowadza do pamięci systemu ekspertowego niezbędneinformacje odpowiadając na pytania ze strony programu, a w wyniku ich prze-tworzenia otrzymuje rozwiązanie pasujące do wymagań projektowych oraz moż-liwe do zrealizowania w danym zakładzie produkcyjnym. Konkluzja powinnabyć podstawą do opracowania dokumentacji technologicznej lub w wypadkubardziej zaawansowanych systemów zawierać taką dokumentację (rys. 7).
Samo rozstrzygnięcie systemu ekspertowego, jaką technologią należy wyko-nać dany wyrób, sprowadzać się może do zadania klasyfikacji, tj. sytuacji,w której system ma rozpoznać klasę, do której należy obiekt opisany wektoremjednoznacznie określonych cech. Przy czym pojęcie klasy należy traktowaćw sposób praktyczny, tzn. taki, w którym jesteśmy w stanie jednoznacznie zde-finiować zbiór klas przed rozpoczęciem procesu rozumowania systemu. Problemten można określić jako swego rodzaju klasyfikację wielokryterialną, gdyż każ-dy obiekt-wyrób można opisać za pomocą wektora cech, a dla każdej cechyokreślić jednoznacznie zbiór możliwych wartości. Jednocześnie możliwe jestpodanie dla pewnej próby uczącej, obejmującej możliwie szerokie spektrumróżnych wyrobów, najkorzystniejszego sposobu wykonania.
6. Podsumowanie
Zastosowanie systemów ekspertowych jako narzędzia wspomagającego de-cyzje w procesach przygotowania produkcji może dać przewagę w rywalizacjio pierwszeństwo we wprowadzaniu wyrobu na rynek. Godne polecenia są sys-temy ekspertowe o hybrydowej architekturze, które dzięki kooperacji różnychprzejawów sztucznej inteligencji z programami przetwarzania ilościowego, za-stąpić mogą jednego, a czasem nawet kilku ekspertów. Hybrydowość możeobejmować również kooperację pomiędzy różnymi elementami sztucznej inteli-gencji, takimi jak sztuczne sieci neuronowe, algorytmy genetyczne, opierający-mi się na niesymbolicznym przetwarzaniu informacji. Techniki bazujące nałączeniu przetwarzania niesymbolicznego, stosowanego dla szerokiej klasy pro-blemów identyfikacji, optymalizacji oraz uczenia, z tradycyjnymi regułowymisystemami ekspertowymi doprowadziły do stworzenia takich narzędzi hybrydo-wych, które przy odpowiedniej konstrukcji cechują się większym potencjałem
Dariusz Sala260
intelektualnym, niż wynika to z funkcjonalności systemów składowych rozpa-trywanych osobno.
Dodatkowym atutem jest fakt, że rozwiązanie takie jest tańsze niż rozbudo-wane systemy zarządzania typu ERP, szczególnie gdy korzysta się z pakietówszkieletowych, wstępnie przygotowanych przez producenta, a następnie dosto-sowywanych do wymagań danego przedsiębiorstwa przez jego pracowników.
Wszystko to wpływa na szybkość i trafność w podejmowaniu decyzji, niewąt-pliwie będąc podstawą przewagi konkurencyjnej. Dodatkowo, możliwość wielo-krotnego wykorzystywania systemu hybrydowego przy podejmowaniu konkret-nej decyzji z uwzględnieniem za każdym razem innych stanów wejścia dajeuniwersalne narzędzie o symulacyjnym charakterze.
Należy podkreślić, że wykorzystanie systemu ekspertowego o architekturzehybrydowej szczególnie w zakresie decyzji związanych z procesem przygoto-wania produkcji, może wpłynąć na skrócenie czasu cyklu tego procesu, dajemożliwość przeanalizowania większej liczby przypadków, co w połączeniuz możliwością korzystania z danych historycznych pozwala lepiej dostosowaćsię do potrzeb klientów.
Literatura
Białko M., Podstawowe właściwości sieci neuronowych i hybrydowych systemów ekspertowych,Wydawnictwo Uczelniane Politechniki Koszalińskiej, Koszalin 2000.
Bubnicki Z., Wstęp do systemów ekspertowych, PWN, Warszawa 1990.Chromiec J., Strzmieczna E., Sztuczna inteligencja. Metody konstrukcji i analizy systemów eks-
perckich, Akademicka Oficyna Wydawnicza PLJ, Warszawa 1994.Corkill D.D., Blackboard Systems, „Ai Expert” 1991, nr 6.Ćwikła G., Knosala R., Szybkie szacowanie kosztów wytwarzania elementów maszyn [w:] Kompu-
terowo zintegrowane zarządzanie, pod red. R. Knosali, WNT, Warszawa 1999.Grudzewski W., Hejduk I.K., Przedsiębiorstwo przyszłości, Difin, Warszawa 2000.Inteligentne systemy w zarządzaniu, pod red. J.S. Zielińskiego, Wydawnictwo Naukowe PWN,
Warszawa 2000.Klonecki P., Surma J., Systemy ekspertowe, „Chip” 1994, nr 9.Knosala R. i Zespół, Zastosowania metod sztucznej inteligencji w inżynierii produkcji, WNT,
Warszawa 2002.Mulawka J.J., Systemy ekspertowe, WNT, Warszawa 1996.Niederliński A., Regułowe systemy ekspertowe, Pracownia Komputerowa Jacka Skalmierskiego,
Gliwice 2000.Nowoczesne metody zarządzania produkcją, praca zbiorowa, Wydawnictwo Wydziału Zarządza-
nia AGH, Kraków 1996.Pieczyński A., Reprezentacja wiedzy w diagnostycznym systemie ekspertowym, Lubuskie Towa-
rzystwo Naukowe w Zielonej Górze, Zielona Góra 2003.Radomiński E., Systemy informatyczne w dynamicznej analizie decyzyjnej, Wydawnictwo Nauko-
we PWN, Warszawa–Wrocław 2001.
Systemy ekspertowe narzędziem wspomagania decyzji... 261
Simiński R., Wakulicz-Deja A., Metody programowej realizacji systemów hybrydowych w środo-wisku systemu PC-Shell [w:] Inżynieria wiedzy i systemy ekspertowe, Materiały konferencji,t. 2, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 1997.
Wallheim J., Modele matematyczne operacji technologicznych, Wydawnictwo PolitechnikiPoznańskiej, Poznań 1982.
Expert Systems – Decision-Making Support Tools in Production Set-UpProcesses
One of the trends in the area of contemporary manufacturing processes is the concept ofreducing the time of delivery on the market which is versatile in terms of the range of goods. Itsimplementation is facilitated by diversifying production, reducing manufacturing costs, andshortening the time of performing specific tasks. The versatility of production, reduced manufactur-ing costs and the shortened life cycles of increasingly complex products make companies turn outshort runs of products, or even one-time products tailored to clients’ specific needs. Consequently,the scale of operations increases, which requires great flexibility of planning and preparing pro-duction as well as greater flexibility of the manufacturing process itself. An effective organizationof companies which want to meet such requirements should rely on intelligent decision makingsystems supporting flexible manufacturing methods, since such systems may successfully combinethe obvious benefits of the economies of scale with the necessity of being responsive to specificneeds of the clients. Supporting decision making in the process of preparing production should relyon the use of expert systems, which facilitate developing comprehensive decision systems.
Dariusz Sala – asystent w Zakładzie Zarządzania Produkcją i Marketingu Przemysłowego na Wy-dziale Zarządzania Akademii Górniczo-Hutniczej im. Stanisława Staszica w Krakowie. Studia wyższeukończył na tej uczelni w 1996 r., uzyskując tytuł magistra. Obecnie pisze pracę doktorską nt.„Wspomaganie decyzji w procesach przygotowania produkcji z wykorzystaniem systemu eksperto-wego”.Zainteresowania naukowo-badawcze: inteligentne systemy wspomagania decyzji, systemy eksper-towe, systemy zarządzania przepływem pracy, zarządzanie produkcją.Kontakt: Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Wydział Zarządzania,Zakład Zarządzania Produkcją i Marketingu Przemysłowego, ul. Gramatyka 10, 30-067 Kraków, tel.:0-12 617-42-95, fax: 0-12 636-70-05, e-mail: [email protected].