Содержание к диссертации
Введение
1. Анализ принципов построения систем управления качеством наукоёмкой продукции 14
1.1. Анализ общих принципов управления качеством наукоёмкой продукции 14
1.1.1. Жизненный цикл и воспроизводство качества наукоёмкой продукции 14
1.1.2. Динамика основных характеристик наукоёмкой продукции 19
1.1.3. Краткий аналитический обзор принципов управления качеством наукоёмкой продукции 21
1.2. Структура систем управления качеством наукоёмкой продукции 24
1.3. Системы адаптивного управления качеством. Постановка научной задачи 29
1.4. Обоснование общего принципа адаптивного управления качеством. Конкретизация научной задачи 32
1.5. Выводы по разделу 35
2. Разработка алгоритмов функционирования систем адаптивного управления качеством наукоёмкой продукции 38
2.1. Вспомогательные сведения из теории адаптивного управления 38
2.2. Разработка математической модели и алгоритмов адаптивного управления качеством 46
2.2.1. Разработка математической модели и алгоритма дискретного стохастического адаптивного управления качеством 46
2.2.2. Разработка марковского алгоритма адаптивного управления качеством 56
2.3. Оптимизация параметров алгоритмов адаптивного управления качеством 60
2.3.1. Оптимизация формы управляемых вероятностных зависимостей 60
2.3.2. Оптимизация параметров марковского алгоритма управления 65
2.4. Разработка обобщённого алгоритма адаптивного управления качеством 67
2.5. Выводы по разделу 70
3. Анализ эффективности и устойчивости функционирования систем адаптивного управления качеством 73
3.1. Предварительные замечания 73
3.2. Анализ эффективности использования ресурсов систем адаптивного управления качеством 77
3.3. Анализ динамики функционирования систем адаптивного управления качеством 84
3.3.1. Анализ динамики функционирования активных элементов 84
3.3.2. Анализ динамики попарных взаимодействий активных элементов... 89
3.3.3. Анализ динамики функционирования структурных элементов 99
3.4. Анализ устойчивости функционирования систем адаптивного управления качеством 106
3.5. Выводы по разделу 113
4. Практическая реализация и применение систем адаптивного управления качеством. Методические рекомендации 115
4.1. Обоснование общего принципа практической реализации систем адаптивного управления качеством 115
4.2. Средства представления и использования экспертных знаний в системах адаптивного управления качеством 126
4.3. Формирование организационной структуры систем и состава активных элементов 134
4.4. Примеры построения и применения систем адаптивного управления качеством. 142
4.4.1. Построение систем адаптивного управления качеством диагностики и лечения сложных заболеваний 142
4.4.2. Применение систем адаптивного управления качеством диагностики и лечения сложных заболеваний 146
4.5. Выводы по разделу 153
Заключение 155
Литература 158
Приложение 165
- Краткий аналитический обзор принципов управления качеством наукоёмкой продукции
- Разработка математической модели и алгоритмов адаптивного управления качеством
- Анализ эффективности использования ресурсов систем адаптивного управления качеством
- Средства представления и использования экспертных знаний в системах адаптивного управления качеством
Введение к работе
Отличительной чертой современной экономики развитых стран становится всё большее её превращение в экономику наукоёмких технологий, где главной составляющей от общей продукции на рынке является интеллектуальная продукция: фундаментальные и прикладные научные проекты и разработки; современная элементная база средств вычислительной техники и электроники; математическое и программное обеспечение вычислительных систем; автоматизированные информационно-распознающие системы; медицинская диагностика; образовательные услуги и многое другое. Главные особенности наукоёмкой экономики: - колоссальная доходность; -необычайно высокие темпы развития; - высокая интенсивность информационных потоков в каждой из областей наукоёмкого производства, обусловленная, в частности, быстрым распространением научно-технической информации по сети Internet; - жесткая конкуренция на рынке наукоёмкой продукции (НП). Указанные особенности предъявляют, в свою очередь, довольно жёсткие требования к системам управления качеством наукоёмкой продукции, т.е. к системам, производящим данную продукцию.
Системы управления качеством в общем случае представляют собой организованные коллективы компетентных исполнителей (экспертов), оснащённые вспомогательными техническими средствами и обладающие определёнными ресурсами, необходимыми для решения поставленных задач (достижения целей) в установленные сроки. Эти системы для сохранения устойчивого и эффективного функционирования в условиях быстро меняющейся внешней среды и жёсткой рыночной конкуренции, должны обладать способностью достаточно быстрой адаптации к происходящим изменениям. Другими словами, состав, организационная структура систем и интенсивность обработки информационных потоков должны быть почти всегда адекватны, т.е. наилучшим образом соответствовать, внешним условиям на каждом конкретном этапе функционирования. Адаптационный процесс - это
сложный процесс, связанный, как правило, с трансформацией организационной структуры систем, вариацией интенсивностью обработки информационных потоков, перераспределением функциональной нагрузки между исполнительными элементами систем (активными и вспомогательными), изменением состава исполнительных элементов. Динамика внешней среды «предписывает» необходимость указанных трансформаций для поддержания эффективного функционирования. При этом следует иметь в виду, что производимые ради поддержания эффективности трансформации, могут приводить к потере устойчивости функционирования, а, следовательно, к снижению, возможно даже резкому, эффективности.
В нашей стране и за рубежом ведётся работа по совершенствованию систем управления качеством НП [1-16]. В частности, создана совокупность правовых норм, регламентирующих данную работу. Сюда можно отнести Всемирную организацию интеллектуальной собственности, Бернскую конвенцию по авторскому праву, Парижскую конвенцию по патентному праву, ряд законов РФ: об авторском праве и смежных правах; патентный; о товарных знаках, знаках обслуживания и наименования мест происхождения товаров; о правовой охране программ для ЭВМ и баз данных. Наряду с этим, согласно положениям TQM, решающая роль в достижении высокого (конкурентоспособного) качества НП принадлежит этапу её создания, т.е. по существу способу организации и характеру функционирования систем управления качеством. Но именно этот этап оказывается до настоящего времени наиболее слабо методически проработанным с точки зрения его формализации и регламентации. Так, по данному вопросу в стандарте ИСО 9000-2000 в п. 3.9.12 всего лишь дано следующее определение: «Компетентность - это демонстрируемая способность применять знания и навыки». В стандарте ИСО 3001-2000: «Организация должна определять компетентность, необходимую персоналу для выполнения работы, влияющей на качество продукта». В стандарте ИСО 9004-2000: «Менеджмент должен гарантировать, что компетентность, необходимая для эффективной и
результативной работы организации, имеется в распоряжении. Менеджмент должен проводить анализ текущих и ожидаемых потребностей в компетентности, а также сравнивать её с компетентностью уже присутствующей в организации». Как видно, в стандартах предлагаются краткие рекомендации, способы практической реализации которых остаются далеко не ясными. В Западных странах наиболее существенные, основополагающие механизмы формирования и функционирования систем управления качеством, из-за сильной конкуренции, носят закрытый характер. Известными становятся, как правило, рекомендации лишь самого общего вида. Обзоры такого рода рекомендаций можно найти в [14]. В нашей стране значительный вклад в совершенствование систем управления качеством внесли такие выдающиеся учёные как академики РАН С.А. Лебедев, В.И. Арнольд, А.В. Каляев, И.М. Макаров, Н.Ы. Евтихиев, Г.П. Георгиев, Н.А. Смирнов, члены-корреспонденты РАН М.М. Мирошников А.С. Сигов, И.А. Каляев, профессора В.П. Марин, В.В. Сидорин, Б.И. Голубь, Н.П. Есаулов и многие др. Большая работа по определению практических формализованных способов построения систем управления качеством, в частности, подбора состава компетентных исполнителей, проделана коллективом возглавляемым академиком РАН Г.П. Георгиевым. Под его руководством разработана методика [13], в которой предложены критерии формирования состава небольших научных коллективов и оценки эффективности результатов их деятельности. Разработанная методика позволяет реализовать избирательный подход к распределению финансовых ресурсов в пользу наилучших систем (коллективов).
Вместе с тем, следует отметить, что известные методики и рекомендации явным образом не учитывают динамику внешней среды и ее влияние на характер функционирования, эффективность и устойчивость систем. В них не освещены вопросы рационального распределения функций между активными и вспомогательными исполнительными элементами; рациональной организации обработки информационных потоков; определения условий устойчивого и
эффективного функционирования в быстро меняющейся внешней среде и
жёсткой рыночной конкуренции. В связи с этим весьма актуальной становится
проблема разработки методологии построения систем управления качеством
наукоёмкой продукции, отвечающих вышеперечисленным требованиям. По-
существу проблема заключается в создании методологии построения систем
управления качеством принципиально нового класса, - систем адаптивного
управления качеством (САУК), обеспечивающих создание
конкурентоспособной наукоёмкой продукции в установленные сроки с помощью имеющихся технических средств и финансовых ресурсов. Кроме того, разрабатываемая методология должна предусматривать возможность функционирования систем в условиях неопределённости (неполноты, неточности) информации о текущем состоянии внешней и внутренней среды (реально достигнутые уровни качества и технологии создания наукоёмкой продукции в данной предметной области, перспективный спрос на рынке, состояния дел в конкурирующих фирмах, истинный уровень компетентности отдельных исполнителей, характер их взаимодействий на текущий момент и.т.д.), о возможных сценариях её последующих изменений, а также общую тенденцию всё большего переноса функций по обработке информационных потоков с активных элементов на вспомогательные с одновременным наделением последних признаками интеллекта.
Указанная проблема является составной частью общей, фундаментальной проблемы, связанной с созданием систем с элементами искусственного интеллекта. Ее актуальность отражена в большом числе монографий [17-57], периодических журналов и отчетов о научных конференциях по проблемам искусственного интеллекта, особенно в США и Японии, в учебных программах высших учебных заведений, включающих курсы по проблеме искусственного интеллекта (как показывают статистические данные, приведенные в журнале Artificial Inteligence, в настоящее время данной проблемой в США занимается больше специалистов, чем методами обработки коммерческих данных); в программах научных исследований, к которым можно отнести: - программу
Министерства образования РФ, посвященную фундаментальным исследованиям высшей школы в области естественных и гуманитарных наук в направлении исследования и создания информационных систем, систем программной поддержки вычислительного эксперимента и интеллектуальных систем; - научную программу Министерства обороны РФ по созданию технологий имитации и моделирования ситуаций, прогнозирования, подготовки, обоснования и принятия решений; - стратегическую компьютерную программу США; - японскую программу по созданию ЭВМ пятого поколения; - межгосударственный проект ESPRIT, принятый в странах Западной Европы. Кроме того, можно отметить еще целый ряд программ Министерства образования РФ, таких, например, как «Информатизация России», «Перспективные информационные технологии в высшей школе», «Автоматизированные системы медико-биологического назначения» и др. Особую остроту указанная проблема приобретает при решении задач ранней диффереіщиальной диагностики и последующего лечеїшя сложных заболеваний. Достоверность дифференциальной диагностики должна быть очень высокой (>90%), т.к. различные формы одного и того же типа заболевания требуют различных способов их лечения. Решение этой задачи осуществлялось в соответствии с комплексной научно-технической программой РФ по проблеме «Онкология» совместно с РОЩ им. Н.Н. Блохина РАМН.
В настоящее время отсутствует методология синтеза САУК и анализа эффективности и устойчивости их функционирования в динамичной и неопределенной внешней среде. Поэтому проблема разработки такой методологии является актуальной научной задачей, решение которой имеет важное прикладное значение.
Цель настоящей работы—разработка принципов адаптивного управления, обеспечивающих возможность создания систем нового класса, - систем адаптивного управления качеством наукоёмкой продукции, способных
устойчиво и эффективно функционировать в условиях динамичной внешней среды, неопределённости о состоянии среды и жёсткой рыночной конкуренции. Достижение поставленной цели связано с решением следующих задач:
- анализ принципов управления качеством наукоёмкой продукции и
обоснование общего принципа адаптивного управления;
- разработка математической модели и алгоритмов адаптивного
управления качеством;
- оптимизация параметров модели и алгоритмов адаптивного управления
качеством;
анализ эффективности и устойчивости функционирования систем адаптивного управления качеством;
системный анализ возможных путей практической реализации и использования САУК с выработкой методических рекомендаций.
Первый раздел данной работы посвящен системному анализу общих принципов управления качеством наукоёмкой продукции. Выделен важнейший этап жизненного цикла МП - этап синтеза, определяющий её качество и конкурентоспособность. Обозначены основные этапы процесса экстенсивного воспроизводства качества, обращено внимание на возможность скачкообразного повышения уровня качества и, как следствие, резкой интенсификации информационных потоков. Проанализированы общие принципы управления. В качестве наиболее адекватного цели данной работы выделен смешанный, эвристико-формальный принцип. Осуществлена постановка научной задачи и обоснован общий принцип адаптивного управления - дискретное стохастическое управление со структурной самоорганизацией систем.
Во втором разделе предлагается математическая модель и разрабатываются реализующие её алгоритмы стохастического адаптивного управления качеством. Разработаны общий принцип и алгоритм определения апостериорных распределений векторов показателей качества как функций управляющих воздействий. Разработан марковский алгоритм адаптивного
управления рекуррентного типа, позволяющий находить искомые апостериорные плотности вероятностей при минимуме априорной информации. Определены способы оптимизации данного алгоритма, а также способы построения и оптимизации формы регулируемых вероятностных зависимостей. Разработан обобщённый алгоритм управления.
Третий раздел посвящен анализу эффективности и устойчивости функционирования САУК. Проанализированы эффективность использования ресурсов САУК, динамика и эффективность функционирования активных исполнительных элементов, их попарных взаимодействий, а также динамика функционирования совокупностей активных элементов - самоорганизованных структурных элементов. Исследованы и определены механизмы адаптации как отдельных активных элементов, так и их совокупностей. Определена функция, характеризующая текущие состояния систем, определена область её значений, разработана математическая модель динамики функционирования САУК. Исследованы и определены условия устойчивого функционирования систем под влиянием внешних и внутренних возмущающих воздействий.
В четвёртом разделе дано обоснование принципов практической реализации САУК. Определён способ снижения вероятности негативных трансформаций структурных элементов в процессе функционирования САУК. Определены средства представления и использования экспертных знаний в САУК и языки программирования. Определены способы формирования состава и организационной структуры САУК, признаки подбора активных элементов. Приведены примеры построения и применения САУК, в частности, для решения задач ранней дифференциальной диагностики и лечения опухолевых заболеваний молочной железы у женщин.
Основные положения, выносимые на защиту:
1. Основу модели адаптивного управления качеством составляют принципы дискретной стохастической аппроксимации, обеспечивающие возможность управления качеством обширного класса объектов наукоёмкой
продукции. При вырождении вероятностных зависимостей стохастическая модель переходит в разряд детерминированных.
2. Аппроксимация вероятностных связей между показателями качества,
полученными в последовательные моменты времени, марковским процессом
позволяет добиться существенных упрощений путём минимизации
необходимой априорной информации о совместных условных плотностях
распределения при поиске апостериорных распределений векторов показателей
качества. Оптимизация марковского алгоритма управления качеством
достигается путём использования линейных векторно-матричных уравнений
относительно вектора вероятностей различных состояний марковской цепи.
Динамика функционирования САУК определяется изменением интенсивности информационных потоков, изменением интенсивности обработки этих потоков системой, изменением внешних условий. Реакцией на указанные изменения является процесс самоорганизации, т.е. постоянного изменения организационной структуры систем. Структура САУК динамична в силу изменения свойств как отдельных исполнительных, в первую очередь активных элементов, так и их взаимосвязей между собой. Конкретная конфигурация структуры существует только в строго определённых условиях и только в определённые моменты времени.
Мерой организованности активных элементов, их попарных взаимодействий, а также их взаимосвязанных совокупностей и в целом САУК может служить энтропия. Математической моделью динамики функционирования систем является нелинейное дифференциальное уравнение, связывающее энтропию и её приращения, приращения интенсивности информационных потоков и приращения интенсивности обработки информационных потоков в системе.
5. Системы могут функционировать в различных областях фазового
пространства: устойчивой и неустойчивых. В последних велики вероятности
деградации или распада систем. Фазовые диаграммы устойчивых и
неустойчивых режимов функционирования позволяют, на основе оценок
текущих состояний, принимать обоснованные решения по эффективному управлению и прогнозированию возможных состояний систем. Для удержания САУК в границах области устойчивого функционирования необходимо соблюдать условие адекватности изменения интенсивности обработки информации приращению интенсивности информационных потоков, поступающих в систему.
Формализация процессов обработки информационных потоков, т.е. перенос этих процессов на вспомогательные элементы с наделением их свойствами интеллекта, снижает вероятность негативных трансформаций, т.е. нежелательных переходов структурных элементов из одного типа в другой.
Эффективным способом практической реализации САУК является комплексное построение по типу смешанных (сложных вложенных) систем: -активные исполнительные элементы - автоматизированные системы (проектирования, обработки информации, информационно-распознающие) -вспомогательные исполнительные элементы (экспертные системы).
Краткий аналитический обзор принципов управления качеством наукоёмкой продукции
В настоящее время используется несколько основных принципов управления качеством наукоёмкой продукции. Остановимся отдельно на каждом из этих принципов. Одним из широко используемых является интуитивно-эвристический принцип, согласно которому качество обеспечивается научным (инженерным) коллективом на основе использования накопленных знаний и данных, собственного научного опыта, интуиции и творческих способностей сотрудников коллектива. В его основе - мысленная деятельность, направленная на поиск решения поставленной задачи, исходя из общих правил и рекомендаций. Эффективность данного принципа зависит от множества психофизических факторов, таких как опыт, интуиция, знания, настроение, влияние окружающей среды. В результате качество продукции зависит как от субъективных характеристик, так и от условий работы коллектива. Главными задачами коллектива являются синтез и принятие решений. Для повышения эффективности операции синтеза разработаны научные методы подбора компетентных специалистов и интенсификации их творческой деятельности. К последним следует отнести такие методы как аналогия (ассоциация) - использование известного в новых условиях; инверсия - исследование явления с противоположной точки зрения; эмсипатия - синтез на уровне фантазии; мозговой штурм - стимуляция коллектива (группы разработчиков) к быстрому генерированию новых идей; синектика исследование проблемы, реальность которой была предварительно доказана.
Основная направленность методов интенсификации - развитие врождённых достоинств и устранение «тормозов», которые приобретаются вместе со специальными знаниями, т.е. устранение так называемой инерции старого знания. Интуитивно-эвристический принцип эффективен, как показали исследования [17], в периоды становления, развития и отчасти реинжиниринга. Вместе с тем, ему присущ и ряд существенных недостатков: - получение высококачественного продукта возможно узким кругом высококвалифицированных специалистов; - удачные «методики и технологии» являются «достоянием» личности, их невозможно тиражировать, даже при желании автора; - часто остаётся неизвестной относительная ценность полученного решения из-за отсутствия количественных оценок реально полученного и некоторого идеального, определяемого перспективным уровнем развития науки и техники, но реально не достижимого на данном этапе, качества. Особо следует отметить малую эффективность данного принципа в период стагнации и отчасти реинжиниринга, грозящие деградацией либо распадом коллектива. Кроме того, рассматриваемый принцип управления относится к разряду трудно оптимизируемых. Для исключения ситуаций распада и деградации необходима разработка новых принципов формирования, организации и функционирования коллективов разработчиков, учитывающих существование периодов стагнации и резких изменений условий внешней среды. Отмеченные недостатки отсутствуют у формального принципа управления, заключающегося в математической формулировке совокупности исходных данных и цели проектирования с последующим отысканием чисто математическим путём такого решения, которое наилучшим образом обеспечивает достижение поставленной цели. Формальный принцип предполагает разработку алгоритмических процедур, направленных на достижение поставленной цели и оптимизацию процессов управления.
При этом качество решения задачи не является функцией психофизических факторов, оно становится объективным, а методика получения лучшего решения может быть тиражирована. К недостаткам данного принципа следует отнести: - сложность, а порой и невозможность, полной формализации поставленной задачи; - отсутствие математических методов решения задач синтеза. Преодоление указанных недостатков связано с разработкой новых направлений математики, а также более современных методов, основанных на уже известных математических теориях. Смешанный (эвристико-формальный) принцип - сочетание эвристического и формального принципов, согласно которому операции синтеза и обработки информации на уровне понимания осуществляются интуитивно-эвристическим путём, а операции анализа, оптимизации процессов управления, накопления баз знаний и данных формализуются. Данный принцип нивелирует недостатки и усиливает преимущества ранее рассмотренных принципов интуитивно-эвристического и формального управления. Поэтому рассмотрим далее структуру и функционирование систем, реализующих смешанный принцип управления качеством.
Разработка математической модели и алгоритмов адаптивного управления качеством
Всему процессу создания НП должен предшествовать этап планирования (прогнозирования) последовательности управляющих воздействий, обеспечивающих достижение требуемого (а возможно наилучшего на данный момент времени), конкурентоспособного качества. Напомним (раздел 1), что для обеспечения требуемого качества в общем случае необходимо использовать многошаговые, итерационные процедуры проектирования, включающие такие операции как концептуальное проектирование, ввод в систему автоматического проектирования, компиляцию, функциональное и временное моделирование, конфигурирование, физическое моделирование, запуск системы в работу. Такому характеру проектирования поставим в соответствие (рис. 2.1) поток векторных управляющих воздействий UQ,...,Un из пространства управлений U = \U}. В результате НП можно рассматривать как развивающийся во времени объект, характеризующийся набором векторных показателей его качества Вц,...,Вп из некоторого пространства В = {В}. Каждый из показателей Bi характеризует качество НП на текущий (і — й) момент времени, а каждый вектор управляющих воздействий /, характеризует планируемые действия (управления) на тот же момент времени, направленные на повышение качества НП. Будущее состояние качества зависит от его текущего состояния и управляющих воздействий, предпринимаемых в настоящем. Планирование развития НП и управление его качеством - это два аспекта одной и той же задачи.
Планирование намечает оптимальный процесс развития НП, а управление осуществляет его. Процесс развития может быть представлен следующим рекуррентным уравнением Правила выбора вектора управляющих воздействий определим как Систему правил F - {/} будем называть стратегией управления, целью управления - повышение показателей качества В, а целью планирования определение стратегии управления. Динамику изменения (повышения) показателей качества можно описать соотношением вида Рассмотрим задачу об управлении динамическим объектом, характеризующемся системой обыкновенных дифференциальных уравнений на фиксированном интервале времени 0 t Т. Оптимальное управление объектом выбирается из некоторого множества допустимых функций U(t) є U и максимизирует линейный функционал от значений показателей качества объекта в финальный момент времени при фиксированных начальных показателях. Если функция g является аналитической, то поставленная задача решается известным методом вариационного исчисления на условный экстремум. Однако, процесс проектирования, сущность которого подробно рассмотрена в п. 1, не является однозначным, он в значительной мере случаен. И от того, насколько удачной окажется стратегия управления, зависит качество НП. Поэтому, следует исходить из того, что аналитический вид функции g неизвестен и поставленную задачу решать согласно принципу стохастической аппроксимации. В этом случае уравнение (2.4) приобретает следующий вид где S - погрешность управляющих воздействий, представляющая собой векторную случайную функцию времени. Уравнение (2.6) будет стохастическим, если погрешность S представляет собой белый шум (S = V):
О принципиальной возможности замены случайной функции в дифференциальном уравнении белым шумом подробно изложено в работе [24]. Если в уравнение состояния качества объекта ввести вектор управляющих воздействий, тогда векторный случайный процесс т т т В U будет определяться стохастическими дифференциальными уравнениями Иго: где В и U - многомерные (р- мерный и т- мерный) случайные процессы; W - q- мерный процесс с независимыми (некоррелированными) приращениями; известные векторные функции, отображающие пространство RpxR "xR(i соответственно в пространства Задачу прогнозирования качества объекта в такой обобщённой постановке решить не удаётся, поэтому векторный случайный процесс T определяется стохастическими дифференциальными уравнениями ИтО следующего вида где, в отличие от (2.8) процесс W{t) состоит из двух независимых блоков, один из которых входит только в первое уравнение, а другой только во второе уравнени соотношений (2.9). Известно [24, 32, 45, 46, 49], что стохастические дифференциальные уравнения определяют марковский случайный процесс. А это значит, что поставленная задача сводится к задаче оценивания и экстраполяции одних компонент марковского процесса по установленным значениям других его компонент. Наилучшее приближение случайной величины по результатам оценки даёт апостериорное математическое ожидание этой величины, т.е. её условное математическое ожидание относительно установленных значений.
Анализ эффективности использования ресурсов систем адаптивного управления качеством
В предыдущем разделе были выделены два основных режима функционирования алгоритмов адаптивного управления: режим плавного перемещения по кривой изменения показателей качества и режим случайного блуждания в пределах эллипсоида рассеяния. Режим случайного блуждания можно рассматривать как игровую ситуацию, в которой участвуют эллипсоид рассеяния (ЭР) и система адаптивного управления качеством (САУК). Будем считать, что ЭР и САУК выступают как игроки с противоположными интересами: задача ЭР - не выпустить за свои пределы вектор показателей качества, «забрав» тем самым на себя все ресурсы, предназначенные для повышения показателей качества; задача САУК - выйти за пределы эллипсоида в направлении более высоких показателей качества, обеспечив тем самым эффективное использование всех ресурсов.
Будем полагать, что N - некоторое общее количество ресурсов (число единиц), выделенных на достижение нового, более высокого качества и, что N в значительной степени зависит от объёма ЭР: чем больше объём, тем больше требуется N. Рассмотрим следующую модель. // - ресурсы (число единиц), Рис. 3.1. Граф состояний цепи Маркова выделенные САУК на блуждание по ЭР. Тогда N -Г] - ресурсы ЭР. САУК выигрывает (проигрывает) единицу ресурсов у ЭР с вероятностью P(Q = 1 — Р). Игра продолжается до тех пор, пока САУК не окажется в состоянии N (выигрыш) или в состоянии 0 (проигрыш). Процесс изменения ресурсов САУК и ЭР будем, согласно п. 3.1, моделировать цепью Маркова с числом состояний N + 1. Граф состояний такой цепи будет иметь вид, представленный на рис. 3.1, а матрица вероятностей переходов цепи будет соответствовать табл. 3.1. Эффективность функционирования САУК почти полностью определяется эффективностью (продуктивностью, полезностью) деятельности каждого из входящих в систему активных элементов (АЭ), а также характером их взаимодействия (взаимовлияния).
Рассмотрим вначале характер функционирования отдельных АЭ, затем характер их попарных взаимодействий, а затем образуемых ими структурных элементов, т.е. объединений АЭ во взаимосвязанные совокупности. Функционирующий АЭ будем рассматривать как замкнутую систему, имеющую следующие основные характеристики: «1 - производственные и творческие усилия, затрачиваемые АЭ; #2 - продуктивность затрачиваемых усилий; «з - удовлетворённость АЭ полученными результатами. Данные характеристики связаны между собой. Так, продуктивность (эффективность) АЭ является функцией (рис. 3.5) затрачиваемых усилий
Средства представления и использования экспертных знаний в системах адаптивного управления качеством
1. САУК, в процессе циклического функционирования, накапливает знания о предметной области. Эти знания часто представляют более высокую ценность, чем создаваемый наукоёмкий продукт. Поэтому они должны сохраняться, пополняться, модифицироваться и использоваться в последующих циклах, повышая эффективность функционирования САУК и конкурентоспособность ЫП. Согласно предыдущему, в качестве эффективного вспомогательного средства сохранения и использования знаний могут выступать экспертные системы как некая разновидность интеллектуальных систем. Основным инструментом программирования интеллектуальных систем являются языки обработки символьной информации. В настоящее время наиболее популярным базовым языком реализации систем искусственного интеллекта вообще и ЭС в частности является LISP. LISP обладает чрезвычайно важными для представления знаний и манипулирования этими знаниями свойствами: - использование единого спискового представления для программ и данных; функциональный стиль программирования с широким использованием рекурсии; хороший теоретический базис - Я - исчисление Черча. Язык, способный конкурировать с LISP-OM - PROLOG. Этот язык поддерживает другую модель вычислений и предлагает такую парадигму мышления, в рамках которой описание решаемой задачи представляется в виде слабо структурированной совокупности отношений. Это удобно, если число отношений не слишком велико и каждое из них описывается небольшим числом альтернатив.
В противном случае программа становится весьма сложной для понимания и модификации, а также неэффективной в силу того, что встроенные механизмы вывода обеспечивают поиск решения путем полного перебора альтернатив и декларативного возврата из тупиковых ситуаций. Поэтому во всех современных PROLOG - системах имеются специальные средства управления возвратами, повышающих эффективность вывода решений. 2. Состав используемых основных инструментальных средств построения ЭС довольно широк. Как правило, различают три группы средств: 1) генераторы экспертных систем или «оболочки»; 2) специализированные языки и системы программирования, иногда называемые языками представления знаний; 3) универсальные языки и системы программирования. 3. Генераторы ЭС характеризуются набором таких средств как тот или иной язык описания фактов (событий) и продукций, а также определённая стратегия логического вывода. Указанные средства должны быть адекватны классу решаемых прикладных задач. В отношении языка описания фактов и продукций адекватность трактуется как возможность относительно компактно и ясно представить проблемную область в базе знаний, поскольку принципиально выразительные возможности языков такого рода различаются не слишком существенно. От правильного выбора стратегии логического вывода существенно зависит не только среднее время, но и в некоторых случаях принципиальная возможность получения решения. На стратегию вывода допустимо влиять в определённых пределах путём задания метаправил, т.е. правил, определяющих порядок выбора и применения продукций, представленных в базе знаний. Такие генераторы более гибки и универсальны, чем генераторы с жёсткой стратегией вывода, но менее эффективны, т.к. обработка метаправил требует дополнительных ресурсов. В некоторых генераторах для повышения эффективности работы обеспечивается возможность «компиляции» базы знаний, т.е. преобразование фактов и продукций в некоторый внутренний для системы код, обработка которого требует меньшего объема ресурсов.
Механизм компиляции имеет и то преимущество, что позволяет на ранних этапах построения базы знаний выявить и устранить синтаксические ошибки в использовании языка описания, противоречивые и тавтологичные продукции и системы продукций. Применение генераторов позволяет минимизировать разработку или вообще не разрабатывать процедурные компоненты ЭС. Все эти компоненты уже реализованы в генераторе и настраиваются на конкретное применение тем или иным наполнением базы знаний. Задача разработчика сводится к тому, чтобы такое наполнение провести. Для этой цели генераторы ЭС снабжаются различного рода редакторами баз знаний - дополнительными инструментальными средствами, обеспечивающими возможности внесения, удаления и модификации фактов и продукций в базе знаний. Развитые редакторы этого типа удобны тем, что обеспечивают структурное редактирование, анализ синтаксической корректности проводимых изменений, выявление противоречий и тавтологий в базе знаний.
Сложность наполнения базы знаний определяется тем, что с увеличением числа продукций становится всё труднее прогнозировать действия системы. Такое положение усугубляется возможностями использования метаправил для изменения стратегии вывода и показателей определённости фактов и продукций. Эти показатели, учитывающие неточность и неполноту знаний о предметной области, широко применяются во всех сложных ЭС и играют важную роль в стратегиях вывода. В этих условиях уместно, по-видимому, говорить об отладке базы знаний по аналгии с отладкой программ в традиционном процедурном программировании. Для удобства отладки генераторы ЭС снабжаются различного рода трассировщиками и средствами сопровождения тестовых баз знаний. Трассировщики позволяют прослеживать процессы выбора и применения продукций, приостанавливать логический вывод и динамически изменять базу знаний, сохранять новые версии базы знаний для последующего тестирования. Средства сопровождения тестовых баз знаний обеспечивают возможность экспериментирования с несколькими различными версиями базы, формирования новых версий из созданных ранее и т.п. Разумеется, и трассировщики, и средства сопровождения тестовых баз знаний являются вспомогательными инструментальными средствами создания ЭС. 4. Специализированные языки и системы программирования - чаще всего представляют собой функциональные расширения языка программирования LISP и допускают использование процедур LISP наряду с собственными конструкциями. Ориентация этих средств на ЭС проявляется в том, что они поддерживают упрощенную схему логического вывода, типичную для процедурного метода представления знаний. Базовый механизм работы этих средств состоит в следующем: продукция представляется как совокупность некоторой структуры данных и процедуры. Действие системы инициируется заданием некоторого образа (структуры данных), который по определённым правилам сопоставляется со структурой данных, имеющихся в базе знаний. Если сопоставление выполняется успешно, то активизируется процедура соответствующей продукции. В результате могут измениться структуры других продукций базы знаний, системе может быть задан другой образец и т.п. Описанный механизм служит основой для построения ЭС с различными сколь угодно сложными стратегиями вывода. Изменение стратегии достигается путём смены процедуры сопоставления с образцом, которая в реальных системах может быть весьма сложной и должна реализовываться разработчиками ЭС.
