Ершов Александр Александрович МЕТОДЫ СОЗДАНИЯ БАЗЫ ЗНАНИЙ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ДЛЯ РАЗРАБОТКИ АВТОМАТИЗИРОВАННЫХ СИСТЕМ УПРАВЛЕНИЯ ТРУБОПРОВОДНЫМ ТРАНСПОРТОМ. - презентация

1 Ершов Александр Александрович МЕТОДЫ СОЗДАНИЯ БАЗЫ ЗНАНИЙ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ДЛЯ РАЗРАБОТКИ АВТОМАТИЗИРОВАННЫХ СИСТЕМ УПРАВЛЕНИЯ ТРУБОПРОВОДНЫМ ТРАНСПОРТОМ Санкт-Петербург Научный руководитель: доктор технических наук, профессор Искандеров Юрий Марсович – Системы, сети и устройства телекоммуникаций

2 Актуальность

3 Цель диссертационной работы – повышение эффективности процесса разработки автоматизированных систем управления трубопроводным транспортом за счет интеллектуализации данного процесса на основе создания и внедрения базы знаний. Научная задача, решаемая в диссертационной работе, заключается в разработке методов получения и представления знаний, разработке структуры и метода оценки эффективности базы знаний, что необходимо для построения базы знаний и повышения эффективности процесса разработки автоматизированных систем управления трубопроводным транспортом. Основными научными результатами, выносимыми на защиту, являются: 1. Метод точных опорных концептов получения знаний. 2. Метод представления знаний «интеллектуальное зеркало». 3. Структура базы знаний в составе интеллектуальной системы для разработки АСУ трубопроводным транспортом. 4. Метод оценки эффективности базы знаний.

4 Структура АСУ для объекта автоматизации ТТ

5 *CAD (Computer-aided design) – технология автоматизированного проектирования; ECAD (Electrical computer-aided design) – специализированный CAD-пакет для электронной и/или электротехнической отрасли; CAE (Computer-aided engineering) – технология автоматизированной разработки. Традиционные инструменты проектирования и разработки, структура интеллектуальной системы для разработки АСУ ТТ та часть решений, разработка которых не была формализована; Готовый проект – подготовленный разработчиком, на основе «чернового» проекта, набор документации на АСУ, который прошел все согласования, и может быть принят для выполнения работ. **«Черновой» проект – автоматически сформированный набор документации на АСУ, в нем не может содержаться

6 Состав базы знаний интеллектуальной системы для разработки АСУ ТТ База знаний должна включать в себя: 1) Подробное описание изделий (элементов), применяемых в разработке, включая графические изображения для размещения изделий на чертеже, то есть базу изделий. 2) Подробное описание типовых модулей (функциональных узлов АСУ трубопроводным транспортом), применяемых в разработке, включая схемотехническое описание данных модулей, то есть базу типовых решений. 3) Информацию о возможных структурах проекта и каждого документа, требуемый вид и форму документации, то есть требования к оформлению документации. 4) Правила создания «чернового» проекта из баз изделий и типовых решений (на основе заданных параметров АСУ).

7 Базовые принципы представления знаний, этапы создания БЗ Базовые принципы представления знаний: релевантность; достоверность; непротиворечивость и однозначная интерпретируемость; соответствие стандартам (международным, государственным, корпоративным); сведение к минимуму наличия эквивалентных типовых решений; минимальность типовых решений, описываемых знаниями (то есть при доработке разработчиком «чернового» проекта, предпочтительной является такая доработка, при которой в «черновой» проект будут добавляться уникальные решения, а не исправляться автоматические); единство стилей при представлении инженерной графики. Этапы создания БЗ: подготовительный (формулирование проблемы, формирование группы разработчиков, изучение особенностей предметной области и теории инженерии знаний, выбор инструментальных средств, оценка требуемых ресурсов, планирование осуществления разработки БЗ) и основной (выявление знаний, получение знаний, концептуализация (структурирование) знаний, формализация (представление) знаний, реализация и верификация БЗ).

8 Метод точных опорных концептов получения знаний A i – обозначение вида изделий (i = 1..n); B i – обозначение типового функционального узла (i = 1..l); n – количество видов изделий в наборе A; l – количество узлов в наборе B.

9 Метод представления знаний «интеллектуальное зеркало» Точность соответствия: C i – количество соответствующих реальной схеме соединений между изделиями в восстанавливаемом представлении; Cr i – количество соединений между изделиями в реальной схеме; Iz i – количество соответствующих реальной схеме изделий в восстанавливаемом представлении; Izr i – количество изделий в реальной схеме.

10 Структура базы знаний в составе интеллектуальной системы для разработки АСУ ТТ *API (application programming interface) – интерфейс программирования приложений

11 База знаний (элементы: «описание объектов БД инструментальной САПР», «объекты в формате БД инструментальной САПР») Описание объектов БД инструментальной САПР Объекты в формате БД инструментальной САПР

12 База знаний (элемент «модуль формирования документации») … Структура проекта: … Если проект по СПДС, то состав проекта: A, B, C…; Если проект по 34-ой серии ГОСТов, то состав проекта: D, E, F…; … Оформление страниц документа: … Если документ D и это первая страница, то формат и рамка A4-1-big, иначе, – формат и рамка A4-1-small; … Наполнение проекта: … Если контролируемый аналоговый вход типа 1, и Если …. то параметры требуемого схемотехнического решения для узла 1 – (а, b, c); …

13 Редактор базы данных изделий (множества для набора A)

14 Вставка типового схемотехнического решения (макроса), множества для набора B

15 Вставка типового схемотехнического решения (макроса), выбор конкретной схемы (элемента одного из множеств набора B)

16 Метод оценки эффективности базы знаний. Качество работы Построенные БЗ оценивают с позиций двух групп критериев: качества работы и полезнос- ти. Первая группа критериев характеризует выполнение системных требований к БЗ, а вторая группа критериев характеризует выполнение пользовательских требований к БЗ. (1) где R S – системная релевантность базы знаний, определяемая для определенного заданного набора параметров на АСУ; r i – степень соответствия между заданным набором параметров на АСУ и полученным результатом в ИСР для i-ого узла принципиальной схемы; N – общее число узлов в требуемой схеме; Cp i – количество совпадающих соединений между схемой, восстановленной экспертом по заданному набору параметров на АСУ, и полученной схемой в ИСР (для i-ого узла); Ce i – количество соединений между изделиями в восстановленной экспертом схеме; Izp i – количество совпадающих изделий между схемой, восстановленной экспертом по заданному набору параметров на АСУ, и полученной схемой в ИСР (для i-ого узла); Ize i – количество изделий в восстановленной экспертом схеме. (2)(2)

17 Метод оценки эффективности базы знаний. Полезность (3) где R P – пользовательская релевантность базы знаний, определяемая для определенного заданного набора параметров на АСУ; k A – точность представления знаний, определяемая на этапе представления знаний; p i – часть знаний из множества для i-ого узла, внесенная в БЗ в соответствии с заданной точностью представления знаний; r i – степень соответствия между заданным набором параметров на АСУ и полученным результатом в ИСР для i-ого узла принципиальной схемы; N – общее число узлов в требуемой схеме; t I – время, затрачиваемое разработчиком на создание принципиальных схем с применением интеллектуальной системы на основе БЗ; t S – время, затрачиваемое разработчиком на создание принципиальных схем с применением инструментальной САПР. При максимальном значении R S, с учетом заданной точности представления знаний (80%) и достижения 90% для части знаний, внесенных в соответствии с заданной точностью, получим: R P = 0,72. То есть разработчик будет получать более чем наполовину разработанные принципиальные схемы проекта, и, соответственно, время разработки принципиальных схем при использовании ИСР на основе БЗ сократится в 3,6 раза. (4)

18 1. Метод точных опорных концептов получения знаний, применение которого обеспечивает получение ключевых знаний с учетом специфики предметной области разработки АСУ трубопроводным транспортом и закладывает основу для параметризации знаний. 2. Метод представления знаний «интеллектуальное зеркало», методически дополняющий метод точных опорных концептов и позволяющий параметризировать и представить схемотехнические знания с применением существующих средств САПР и традиционных моделей инженерии знаний; 3. Структура базы знаний в составе интеллектуальной системы для разработки АСУ трубопроводным транспортом, уточняющая принципы работы системы в целом. 4. Метод оценки эффективности базы знаний, позволяющий оценить построенную базу знаний с позиций двух основных групп критериев: качества работы и полезности. Основные научные результаты

19 Результаты диссертационного исследования внедрены в Департаменте Автоматизации совместного предприятия в форме ЗАО «Изготовление, внедрение, сервис» (СП ЗАО «ИВС»), входящем в НПО «РИВС»: создана постоянно действующая в проектировании АСУ корпоративная база изделий; разработана структура базы типовых схемотехнических решений; разработана концепция интеллектуализации проектирования АСУ. Результаты работы докладывались и обсуждались на: всероссийских научно-практических конференциях «Транспорт России: проблемы и перспективы»: Москва, 2007; Москва, 2008; Санкт-Петербург, 2010; 10-ой международной конференции «Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта (CAD/CAM/PDM – 2010)», Москва, 2010; международном форуме «Безопасность транспортных комплексов», Санкт- Петербург, Внедрение и апробация результатов работы

20 Основные публикации по теме диссертации: 1) Ершов А.А. Интеллектуальная система проектирования автоматизированных систем управления трубопроводным транспортом // Транспорт Российской Федерации (35). С ) Ершов А.А. Метод точных опорных концептов получения знаний // Труды Всероссийской научно-практической конференции «Транспорт России: проблемы и перспективы – 2010». СПб.: ИПТ РАН, С ) Ершов А.А. Метод «интеллектуальное зеркало» для использования данных базовой САПР при создании базы знаний интеллектуальной системы проектирования АСУТП // Тезисы 10-й международной конференции «Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта (CAD/CAM/PDM – 2010)». М.: Институт проблем управления РАН, С ) Ершов А.А. Обеспечение безопасности транспортных комплексов с использованием интеллектуальных систем // Избранные материалы докладов и выступлений международного форума «Безопасность транспортных комплексов». СПб.: «СИВЕЛ», С ) Искандеров Ю.М., Ершов А.А. Интеллектуализация проектирования систем автоматизированного управления трубопроводного транспорта // Труды Всероссийской научно-практической конференции «Транспорт России: проблемы и перспективы – 2008». М.: МИИТ, С ) Ершов А.А. Анализ проблемы создания базы знаний как ядра интеллектуальной системы для организации процессов мультимодальных перевозок // Труды Всероссийской научно-практической конференции «Транспорт России: проблемы и перспективы». М.: МИИТ, С

21 Доклад окончен, спасибо за внимание