Содержание к диссертации
Введение
1. Анализ методов создания автоматизированных систем 7
1.1. Этапы развития автоматизированных систем и методов их создания 7
1.2. Анализ методов и средств представления знаний в автоматизированных системах 15
1.2.1. Сетевые модели 16
1.2.2. Семантические сети 16
1.2.3. Фреймовые модели 20
1.2.4. Продукционные модели 22
1.2.5. Формальные модели представления знаний (логики) 24
1.2.6. Логика предикатов первого порядка 27
1.2.7. Онтологический подход 30
1.3. Сравнительные характеристики методов представления знаний 37
1.4. Анализ средств представления модели знаний на основе онтологического подхода 40
1.4.1. Protege-II 40
1.4.2. Сус 41
1.4.3. TOVE 41
1.4.4. Ontolingua 42
1.4.5. KACTUS 43
1.4.6. SHOE 44
1.4.7. IBROW 44
2. Разработка метода представления модели знаний 47
2.1. Понятие модели знаний 47
2.1.1. Модель знаний и предъявляемые к ней требования 48
2.2. Структурные компоненты модели знаний и их онтологическое представление 49
2.3. Построение обобщенной модели знаний 56
3. Разработка онтологического представления компонентов модели знаний для решения задач параметрического проектирования 62
3.1. Онтология задачи параметрического проектирования 64
3.1.1. Спецификация класса задач параметрического проектирования 64
3.1.2. Построение онтологии задачи параметрического проектирования... 67
3.2. Онтология метода решения 70
3.2.1. Структура задачи параметрического проектирования 70
3.2.2. Методы решения для класса задач параметрического проектирования73
3.2.3. Построение онтологии метода решения 91
3.3. Онтология предметной области 96
3.4. Разработка единой онтологической модели знаний. Механизм интерфейсовЮЗ
3.5. Процесс решения задачи на основе онтологической модели знаний 105
4. Представление онтологической модели знаний в компьютерной среде 115
4.1. Формальное представление модели опыта на языке F-логики 116
4.1.1. Описание онтологии задачи параметрического проектирования на F-логике 117
4.1.2. Описание онтологии проблемно-решающего метода на F-логике ... 120
4.1.3. Описание онтологии предметной области на F-логике 123
4.1.4. Онтология интерфейса "Задача-Метод решения" 126
4.1.5. Онтология интерфейса "Метод - Предметная область" 128
4.1.6. Объединенная модель опыта 130
4.2. Компьютерное представление модели опыта 134
4.2.1. Описание онтологии задачи параметрического проектирования 136
4.2.2. Описание онтологии предметной области 138
4.3. Разработка программного комплекса моделирования опыта специалиста... 139
4.3.1. Этапы процесса работы пользователя с программным комплексом 142
4.3.2. Программная реализация визуального представления формализованной модели опыта 145
Общие выводы и результаты 152
Список литературы 154
- Этапы развития автоматизированных систем и методов их создания
- Структурные компоненты модели знаний и их онтологическое представление
- Спецификация класса задач параметрического проектирования
- Описание онтологии проблемно-решающего метода на F-логике
Введение к работе
В настоящее время становится все более актуальной необходимость консолидации, формализации и повторного использования накопленных знаний специалистов различных областей, в том числе и в области конструкторско-технологической подготовки производства (КТПП).
На современном уровне развития информационных технологий в задачах КТПП изделий машиностроения широко применяются автоматизированные системы, значительно сокращающие сроки конструирования и технологической подготовки этих изделий.
Значительный вклад в разработку методов и средств автоматизации конструкторско-технологической подготовки производства внесли Соломенцев Ю.М., Цветков В. Д., Митрофанов В.Г., Капустин Н.М., Норенков И.П., Павлов В.В., Волкова Г.Д., Султан-заде Н.М., Косов М. Г., Сосонкин В.Л. и другие.
Однако применяемые автоматизированные системы обладают одним существенным недостатком, связанным с ограниченными возможностями дальнейшего развития и использования сформированных в них знаний специалиста.
В автоматизированных системах, создаваемых в 70-е и 80-е годы, модель знаний специалиста представлялась в виде строгого алгоритма и была ориентирована на достаточно узкий класс решаемых задач. Расширение такой модели требовало больших затрат на модификацию и поддержку автоматизированной системы. При реализации идей искусственного интеллекта появившиеся методы представления модели знаний специалиста (на основе семантических сетей, фреймов, продукций) позволили сделать первые шаги на пути формирования баз знаний. Основным недостатком данных методов была фрагментарность описываемых знаний (в виде отдельного правила, фрейма и т.д.). Более того, интерпретация (семантика) каждого такого фрагмента описывалась в технической документации к
системе либо оставалась индивидуальным знанием разработчика и не была формализована, что не позволяло использовать фрагменты знаний для решения более широкого класса задач.
Для преодоления этого недостатка в 90-х годах был предложен и активно развивается в настоящее время онтологический подход к представлению модели знаний специалиста, применение которого в отечественных автоматизированных системах машиностроения исследовано не достаточно.
Исследования в области онтологического представления знаний связаны с именами таких отечественных и зарубежных ученых, как: Поспелов Д.А., Клещев А.С., Хорошевский В.Ф., Гаврилова Т.П., Грубер Т., Гуарино Н., Сова Д., Фензель Д., Мотта Е. и других.
Таким образом, разработка метода и средств представления модели знаний специалиста, основанных на онтологическом подходе, является актуальной задачей.
Выявленные проблемы, связанные с представлением знаний в автоматизированных системах, позволили сформулировать цель работы и поставить научную задачу.
Цель работы. Целью работы является повышение эффективности процесса проектирования и развития автоматизированных систем К Ті 111 за счет разработки метода представления модели знаний специалиста на основе онтологического подхода.
Для достижения поставленной цели в работе решена научная задача, заключающаяся в разработке представления модели знаний специалиста для автоматизированных систем КТПП и включающая:
исследование методов и средств представления знаний специалиста, используемых в автоматизированных системах;
разработку метода представления модели знаний специалиста для решения задач автоматизированной КТПП;
разработку онтологического представления компонентов модели знаний специалиста в области КТПП;
разработку технологии работы специалиста с онтологической моделью знаний и инструментальных средств ее поддержки.
Научная новизна:
разработано онтологическое представление компонентов модели знаний специалиста;
установлены связи между онтологическими представлениями компонентов модели знаний специалиста;
разработано представление модели знаний специалиста для решения задач автоматизированной конструкторско-технологической подготовки производства на основе онтологического подхода.
Методы исследования. При разработке теоретических положений диссертационной работы использован аппарат теории систем, теории множеств, математической логики, теории графов, искусственного интеллекта.
Практическая ценность:
разработано онтологическое представление компонентов модели знаний специалиста на формальном языке F-логики;
разработаны алгоритмы выбора онтологии задачи и метода при решении задач параметрического проектирования;
разработаны структура и алгоритмы работы программного комплекса моделирования знаний специалиста и реализован модуль редактирования онтологического представления компонентов модели знаний.
реализованный пример решения задачи проектирования цилиндрической передачи подтвердил корректность и работоспособность предлагаемого метода представления знаний.
Этапы развития автоматизированных систем и методов их создания
Создание сложного изделия невозможно без его графического представления - рисунка, схемы, чертежа. Долгое время не существовало системного подхода к созданию графического представления [14]. Развитие промышленности в XIX-XX веках потребовало от чертежа универсальности - чертеж, выполненный одним инженером, должен быть понятен другому специалисту, имеющему соответствующее образование. В итоге появились стандарты на оформление, а инструментом для выполнения чертежей конструкторами стал кульман.
Со временем ручное черчение стало неэффективным из-за больших временных затрат на выполнение чертежей. Постоянно увеличивались объемы работ, росло количество типовых разработок на основе существующих изделий, повышались требования к срокам выпуска изделия. Начала интенсивно развиваться компьютерная отрасль: появление доступных и не слишком сложных в освоении (по сравнению с тем, что было раньше) компьютеров дало старт конструкторским системам CAD (Computer-Aided Design) [15]. С появлением этих компьютерных систем все, что прежде делалось карандашом и линейкой, было заменено соответствующими электронными командами. Однако даже такая автоматизация принесла результаты: по мере накопления базы электронных чертежей все легче становилось проектировать новые и модифицированные изделия.
Двумерное проектирование активно развивалось до середины 1990-х годов [18]. Системы расширялись за счет большого количества приложений, библиотек, надстроек, позволивших максимально автоматизировать и упростить большинство чертежных задач. Появились и выделились в отдельные направления расчетные системы САЕ (Computer-Aided Engineering), системы проектирования обработки изделий на станках с числовым программным управлением САМ (Computer-Aided Manufacturing) и многие другие специализированные приложения, основанные на работе с данными, предоставляемыми CAD-системами [13]. Параллельно развивался класс систем технологической подготовки производства (ТПП) (Computer-Aided Process Planning, САРР) [10], предназначенных для формирования технологических данных об изделии, ведения централизованного архива этой информации и автоматизированного выпуска технологической документации.
Появление трехмерного моделирования оказалось настоящим прорывом, вначале доступным только пользователям мощных графических Unix-станций. По-настоящему массовым ЗБ-моделирование стало ближе к середине 1990-х годов, когда ЗО-САБ-системы были переведены на платформу PC.
Преимуществом пространственного конструирования был отказ от перевода пространственного изображения в плоский вид. Качественно изменился процесс проектирования: теперь разработчик мог сразу видеть свою конструкцию такой, какой она и будет в действительности.
Объемная модель помогла и в реализации большинства сопутствующих функций. ЗБ-модель можно использовать для решения расчетных задач (анализ напряжений, перемещений, колебаний, гидродинамики, теплопередачи), подготовки управляющих программ для станков с числовым программным управлением (ЧПУ), а также реалистичных изображений для технической документации и рекламных материалов, создания физических образцов на установках быстрого прототипирования [19].
На основе ЗБ-модели создаются чертежи - делать это существенно проще, чем вручную, поскольку вся геометрия на чертеже формируется автоматически, позволяя конструктору не задумываться о правильности построения видов, разрезов и сечений.
Вслед за CAD-системами практически все САМ/САЕ-пакеты стали трехмерными [16], позволив в некоторых случаях отказаться от чертежа вообще.
Важнейшим преимуществом трехмерного моделирования является то, что ошибки можно найти и исправить на ранней стадии проектирования, до появления первых опытных образцов. А коррекция проекта на цифровой стадии значительно дешевле, чем обнаружение недочетов после изготовления дорогостоящей опытной партии.
Следует отметить, что с развитием пространственного проектирования 2Б-проектирование существует и в настоящее время. Во-первых, многие компании привыкли работать "в плоскости" и создали множество библиотек и приложений именно для автоматизации 2Э-работ. Во-вторых, есть области, которые традиционно остаются двухмерными независимо от степени использования 3D - например, разработка электрических схем.
Основными функциями существующих на сегодняшний день автоматизированных систем (АС) является упрощение обработки неграфической документации, применение трехмерной графики для создания твердотельных моделей конструируемых деталей, узлов, возможность подсоединения внешних исполняемых модулей (например, для демонстрации анимационной модели процесса обработки детали). Наряду с этими функциями в современных АС отсутствует ключевое звено - автоматизация интеллектуальной инженерной деятельности.
Необходимо отметить, что с внедрением АС на предприятии почти все решения продолжает принимать специалист. Если на уровне графики процесс проектирования автоматизирован (например, автоматическое внесение изменений в чертежи), то уровень работы с неграфическими базами знаний остается не реализованным, например, нет программ автоматического уменьшения поля поиска решений при анализе технического задания, программ, динамически меняющих и автоматически предлагающих набор средств по достижению искомого результата в процессе интерактивной работы специалиста.
Структурные компоненты модели знаний и их онтологическое представление
Как уже было отмечено, в настоящее время становится очевидной необходимость консолидации, формализации и повторного использования накопленных знаний специалистов различных областей, в том числе и области конструирования технических систем. Известно, что специалисты в рамках одной предметной области решают схожие задачи, оперируя при этом однообразной терминологией, применяя типовые методы. Однако решение каждой предметной задачи связано с индивидуальными знаниями специалиста, что затрудняет повторное использование уже накопленных ранее знаний о решении задач.
Вследствие этого важной задачей является выявление, формализация и представление в удобной и понятной форме накопленных знаний по решению задач с целью их повторного использования и возможности дальнейшего расширения. Каждый из этапов создания модели знаний является достаточно трудоемким и требует применения специализированных методик. Для выявления знаний - коммуникационные и текстологические методы, для представления - методы моделирования знаний, для формализации - выбор формального языка [39].
Как уже было отмечено, использование автоматизированных систем для решения задач конструкторско-технологической подготовки производства сложных технических систем значительно облегчает труд современных конструкторов и сокращает сроки проектирования. Однако существующие и создаваемые сегодня программные комплексы АС КТПП обладают существенным недостатком, их создание и сопровождение является очень трудоемким. Этот недостаток связан с методами представления модели знаний специалиста, лежащей в основе каждой АС. Знания в таких моделях задаются одним единственным способом и не допускают возможности изменения без перепрограммирования структуры данных. Например, при изменениях в существующих методах конструирования может потребоваться, в лучшем случае, реинжениринг отдельных модулей, а в худшем - реинжениринг всей системы, что связано с большими затратами финансовых и людских ресурсов.
В тоже время процесс решения задачи с помощью таких АС остается закрытым для специалиста, т.е. при получении неверных результатов он не может самостоятельно провести анализ причин, которые привели к полученному результату, и при необходимости его скорректировать. Получение неверного результата может происходить в силу различных причин. Во-первых, модель, положенная в основу решения, может не учитывать все факторы, оказывающие существенное влияние на ход моделируемого явления. Решение проблемы включением в АС всех принимаемых во внимание случаев и факторов приводит к сложным и нереализуемым программам, т.е. можно сказать, что лежащая в основе традиционных АС КТГШ модель знаний, при конструировании сложных объектов, не позволяет учесть все многообразие этих объектов. Во-вторых, модель может содержать все существенные факторы, но неправильно использовать стандартные методы получения решения из исходных данных. Наконец, стандартный метод тоже может быть реализован некорректно, т.е. по правильным исходным данным он может выдавать неправильный ответ. Выявление причин получения неверного результата возможно только в случае наличия у лежащей в основе АС модели знаний "семантической управляемости", т.е. осознания методов ее функционирования и характера получаемых результатов.
С учетом вышеперечисленных проблем создание нового метода представления модели знаний становится актуальной задачей.
Предлагаемый в работе метод представления модели знаний специалиста основывается на двух принципах: модульность и общедоступность. Первый принцип заключается в разбиении модели знаний специалиста на инвариантные компоненты, второй - представление знаний с помощью механизма онтологии, который описывает семантику понятий и отношений модели знаний и обеспечивает однозначность их понимания как различными специалистами, так и автоматизированными системами.
которыми впоследствии данный метод будет оперировать. При применении метода к различным предметным областям и задачам одну и ту же роль могут играть разные знания.
Проиллюстрируем вышесказанное на упрощенном примере метода "Предложить и пересмотреть", который является одним из наиболее распространенных при решении задач проектирования. На рисунках показана упрощенная диаграмма потоков данных метода (рисунок 2.1.) и спецификация управляющей структуры метода (рисунок 2.2.).
Спецификация класса задач параметрического проектирования
Каждый параметр pi связывается с диапазоном значений vi, который определяется множество величин, которые могут быть присвоены pi. Ключевые параметры проектирования. Предположим, что существует в среднем к возможных значений для параметра и п параметров. Тогда размер пространства проектирования будет клп. Функционально зависимыми называются параметры, чье значение однозначно определено функциональными зависимостями или требованиями. Параметр, который функционально независим, называется ключевым, и его возможные значения определяются степенью свободы в процессе проектирования, т.е. действительным размером пространства проектирования.
Ограничения и требования. Ограничения определяют условия, которые не должны нарушаться проектируемым объектом. Требования определяют свойства, которым должно удовлетворять решение. Обычно ограничения независимы, а требования, как правило, зависят от конкретного случая. В общем, ограничения и требования выражают проектные предписания, которые помогают различать конкретную результирующую модель проектирования от всех остальных моделей.
Предпочтения. Предпочтения описывают знания задачи, которые классифицируют модели проектирования в соответствии с некоторой точкой зрения. Формально, предпочтение - отношение частичного порядка, определенное в пространстве моделей проектирования. Различные точки зрения связаны с различными отношениями частичного порядка. Очевидно, что частичный порядок моделей проектирования, определенный для одного предпочтения может отличаться от другого. В некоторых случаях различные точки зрения могут противоречить друг другу.
Глобальная стоимостная функция. Обычно спецификация задачи параметрического проектирования включает несколько предпочтений, которые моделируют различные точки зрения для классификации результатов. Для того чтобы получить множественный критерий предпочтения, появляющийся в течение предметного анализа, обычно вводится понятие глобального предпочтения. Глобальное предпочтение, gp -это отношение частичного порядка, которое комбинирует отдельные предпочтения для обеспечения универсальной точки зрения при классификации моделей проектирования. Для удобства включают понятие глобальной стоимостной функции, cf, такое, что cf(Dj) cf(Dk) , если и только если (Dj,Dk)egp.
Глобальная стоимостная функция является критерием порядка достижения конечного состояния. Такой критерий должен конструироваться для комбинации предпочтений по стоимостному критерию. Величина стоимостной функции связана с моделью проектирования, поэтому для любых двух моделей проектирования отношение gp можно оценить сравнением связанных с ними стоимостей. Рассмотрев параметры задачи проектирования, их значения, наборы требований, ограничений, предпочтений и стоимостную функцию, покажем, как определяются модели проектирования. Модели проектирования. Модель проектирования - это набор пар pi ,vij , где рі-параметр и vij-определенное значение рі в модели проектирования. 1. Модель проектирования Dk называется полной, если каждый параметр в Р имеет значение в Dk. 2. Модель проектирования называется согласованной, если не нарушается ни одной зависимости в С. 3. Модель проектирования называется подходящей, если она удовлетворяет всем требованиям в R. 4. Модель проектирования называется функциональной, если она является согласованной и подходящей. 5. Модель проектирования называется решением, если она является функциональной и полной. 6. Модель проектирования Dsol-k - оптимальное решение, если она является решением и не существует никакого решения Dsol-j такого, что cf(Dsol-j) cf(Dsol-k) Практически модель проектирования ассоциируется с состоянием проектирования. При решении задачи генерируется множество состояний проектирования, которые в совокупности называются пространством проектирования. При этом переход от одного состояния к другому в процессе поиска решения осуществляется с помощью операторов проектирования. Операторы проектирования. Оператор проектирования определяется переходом между моделями проектирования. Предполагается, что оператор определяется ключевым параметром проектирования. Связь между состояниями проектирования в модели также описывается операторами проектирования. Параметрическое проектирование можно отнести к типу проблем проектирования, где элементы, отношения и структура заданы и являются частью утверждения о проблеме (стандартное проектирование). В библиотеке онтологии задач, в общем случае, хранятся онтологии обобщенных задач (классов), таких как конфигурационное проектирование, параметрическое проектирование и т.д. Под обобщенной задачей понимается комплексное описание класса задачи и знаний, необходимых для успешной работы метода.
Описание онтологии проблемно-решающего метода на F-логике
Все пять методов решения задачи параметрического проектирования можно свести в один, который может принимать различные интерпретации в зависимости от цели проектирования.
Основной проблемой при построении онтологии метода является формализация и представление процедурной составляющей, так как онтология носит декларативный характер представления внутренней структуры знаний. В предлагаемой онтологии динамическая составляющая представлена описанием пространства возможных состояний, а также операторов, позволяющих осуществлять переход между ними. Для класса методов параметрического проектирования общим алгоритмом решения является алгоритм поиска. В онтологии метода процедура решения представлена в декларативном виде, а алгоритм поиска, как процедура, определяется механизмом вывода системы реализации на основе определенных стратегий поиска, используемых методами.
Так как для сложных задач процесс выбора метода является рекурсивным разбиением на подзадачи, решаемые примитивными методами, то в предлагаемой онтологии контекст и фокус характеризуют подзадачу метода, оператор - процедуру выбора.
Следует отметить, что между онтологией задачи и онтологией метода существует связь многие-ко-многим, т.е. не для всех задач удается однозначно определить один единственный метод решения, подходящий по компетенции требованиям задачи. Как правило, для решения поставленной задачи по компетенции подходит некоторое подмножество методов, каждый из которых с определенной степенью вероятности (в зависимости от вида проектирования: стандартного, типового, оригинального) приводит к нахождению решения. В ситуации выбора некоторого подмножества подходящих методов и невозможности их дальнейшего уточнения задача решается при помощи различных методов, а затем из полученного ряда решений выбирается то, которое наиболее соответствует заданным требованиям с минимально нарушенными ограничениями. Если требования и ограничения не заданы, то, как только будет найдено решение с помощью какого-либо метода из подмножества, процесс проектирования считается завершенным.
Можно утверждать, что любую конкретную задачу можно решить не только с помощью ограниченного набора методов, заданных для ее класса, но также используя методы других классов задач. При этом следует учитывать, что применение неспецифичных для класса задач методов решения ведет к возникновению проблемы адаптации метода, что требует значительных временных затрат.
Библиотека методов решения содержит методы решения различных классов задач и предназначена для хранения онтологии методов. Библиотека методов, как и любая другая библиотека, должна обеспечивать удобные средства для поиска и выбора своих компонентов. Это во многом зависит от принципов организации методов решения задач внутри библиотеки. На сегодняшний день обычной практикой при создании новых технических систем является создание новых методов. Причиной этому является неудобная форма представления повторно-используемых компонентов: либо на неформальном языке, либо близкая к уровню реализации. Для большинства новых разработок это обстоятельство ведет к неприемлемо большим затратам на исследование предлагаемых моделей и методов решения. Онтологическое представление методов решает эту проблему.
Для удобства поиска методы хранятся в библиотеке в разрезе классов задач, непосредственно для которых они были разработаны, и, соответственно, могут быть применены для их решения без значительных трудозатрат на адаптацию в зависимости от компетенции метода (какого результата можно достичь, применяя метод) и стратегии нахождения решения (парадигма поиска, логический вывод и т.п.), которые также являются критериями структуризации методов внутри библиотеки.
