Содержание к диссертации
Введение
1. Аналитический обзор моделей представления знаний и систем основанных на знаниях 10
1.1. Основные понятия 10
1.2. Модели представления знаний 12
1.2.1. Алгоритмическая модель представления знаний 13
1.2.2. Продукционная модель представления знаний 14
1.2.3. Семантические сети 20
1.2.4. Фреймовая модель представления знаний 25
1.2.5. Логическая модель представления знаний 28
1.2.6. Объектно-ориентированная модель представления знаний 29
1.2.7. Гибридные модели представления знаний 30
1.3. Обзор способов организации представления знаний в информационных интеллектуальных и экспертных системах 31
1.3.1. Оболочки экспертных и информационных интеллектуальных систем 31
1.3.2. Экспертные и информационные интеллектуальные системы 36
1.4. Выводы 38
2. Формализация объектно-ориентированной модели представления знаний 41
2.1. Модель предметной области 43
2.1.1. Объект 44
2.2.1.1. Идентифицирующие атрибуты 50
2.2.1.2. Атрибуты 63
2.2.1.3. Методы 73
2.2.1.4. Встроенные объекты 84
2.1.2. Классовая модель предметной области 90
2.1.2.1. Абстракция 90
2.1.2.2. Класс 98
2.1.2.3 Наследование и полиморфизм 106
2.1.2.4. Встроенные классы 110
2.1.2.5. Классовая миграция объектов 112
2.1.3 Семантические отношения 115
2.1.4 Ограничения целостности 117
2.1.5. Методы предметной области 118
2.2. Выводы 119
3. Инструментальные средства для создания объектно- ориентированной модели представления знаний динамических предметных областей 122
3.1. Структура базы метаданных 122
3.1.1. Определение классов 122
3.1. 2. Атрибуты классов 127
3.1.3. Методы класса 130
3.1.4. Объекты 134
3.1.5. Атрибуты объектов 139
3.1.6. Методы объектов 142
3.1.7. Состояние атрибутов объектов 144
3.2. Библиотека классов 147
3.3. Описание тестового программного комплекса 154
3.4. Выводы 163
Заключение 164
Библиографический список использованной литературы 166
- Продукционная модель представления знаний
- Оболочки экспертных и информационных интеллектуальных систем
- Идентифицирующие атрибуты
- Определение классов
Введение к работе
В настоящий момент времени интеллектуальные системы, а также технологии, связанные с их разработкой и проектированием, получают все более и более широкое распространение. Значительная часть современных автоматизированных систем содержит интеллектуальные компоненты.
В области информационных и интеллектуальных систем одной из основных задач является формализация и представление знаний о предметной области и процессах, протекающих в ней.
При этом возникает желание использовать объективную информацию, позволяющую сформировать модель предметной области максимально адекватную окружающему миру для целей исследований или управления. На практике возникает ряд существенных проблем, затрудняющих решение этой задачи.
Например, в ряде случаев, предметные области обладают структурой, процесс моделирования которой не может быть закончен в ограниченный период времени, причем это касается не только интеллектуальных систем, но даже и информационных. Например, если рассматривать электронную историю болезни как информационную систему, тогда можно говорить о том, что имеет место следующая ситуация: появление новых и исключение устаревших видов медико-биологических исследований пациентов неизбежно приводит к изменению структуры модели предметной области.
В объектно-ориентированном программировании, при проектировании баз данных и баз знаний классовая модель предметной области фиксируется на этапах проектирования и реализации системы и в дальнейшем не изменяется и объекты на протяжении всего жизненного цикла остаются экземплярами своих порождающих классов. Для реальных предметных областей данная ситуация встречается крайне редко, так как объекты предметной области могут менять свое состояние и структуру во времени на протяжении всего жизненного цикла (от появления и до исчезновения). На современном этапе развития информационных и интеллектуальных технологий модели предметных областей должны
отражать не только состояние и структуру на момент проектирования и реализации, но и иметь внутренние механизмы динамической адаптации (в том числе и структурной) модели предметной области на протяжении всего жизненного цикла модели предметной области.
Если говорить непосредственно об информационных интеллектуальных системах, то необходимо отметить два довольно важных аспекта, связанных с их разработкой. Во-первых, высокая сложность и уникальность разработки подобных систем, во-вторых, интеллектуальные системы нередко морально устаревают (в части базы знаний) еще до завершения работ по их созданию и ввода в опытную эксплуатацию.
Немаловажным является тот факт, что разработчики экспертных и информационных интеллектуальных систем постоянно сталкиваются с проблемой недостаточно полного описания методов, подходов и моделей представления знаний и зачастую имеют только словесное описание без использования формального аппарата. Это приводит к тому, что разработчикам приходится каждый раз самостоятельно вырабатывать теоретические, методические и технические решения.
Разработка современных информационных интеллектуальных систем имеет три основных этапа: 1) разработка информационной системы; 2) разработка интеллектуальной системы; 3) выбор, применение или разработка средств интеграции информационной и интеллектуальной системы в единый комплекс. Естественным желанием является выработка подходов и методов, позволяющих, во-первых, исключить третий этап полностью, а во-вторых, объединить первый и второй этапы и тем самым упростить процесс разработки подобных систем. Наличие таких методов и подходов позволит решить ряд важнейших задач: сократить время разработки, уменьшить сложность программного обеспечения, сократить число специалистов, участвующих в разработке. Развитие технологий баз данных, в частности, объектно-ориентированных и темпоральных баз данных, уже сейчас позволяет говорить о возможности объединения
моделей представления данных и моделей представления знаний в единую структуру, и, тем самым, позволяет сократить число этапов до одного.
При эксплуатации экспертных и информационных интеллектуальных систем основной проблемой является их непрерывная адаптация, адекватная изменениям, происходящим в предметной области, при условии постоянного ее" использования.
Можно более четко сформулировать актуальность работы, которая обусловливается необходимостью создания особого подхода формализации данных и знаний с возможностью динамической адаптации модели предметной области с учетом временных характеристик объектов предметной области и их элементов, а также с возможностью самообучения и изменения границ компетентности с целью автоматизации процессов моделирования и автоформализации знаний о предметной области.
Объект исследования. Методы и модели представления данных и знаний предметной области.
Предмет исследования. Способы формализации знаний динамических и структурно-динамических предметных областей, основанные на объектно-ориентированном подходе.
Цель работы.
Разработка формального объектно-ориентированного подхода к представлению знаний предметных областей, обладающих динамической структурой, с учетом временных характеристик, с возможностью самообучения и изменения границ компетентности, разработка методов и средств создания модели предметной области на основе разработанного подхода.
Методика исследования.
Для решения поставленных задач в диссертационной работе рассматривались существующие, наиболее часто используемые модели и методы представления знаний, используемые при создании экспертных и информационных интеллектуальных систем, применены системный и теоретико-множественный
7 подходы, а также использованы принципы и методы объектно-ориентированного проектирования и программирования. Научная новизна работы:
Разработан формальный подход к представлению знаний динамических и структурно-динамических предметных областей, позволяющий объединить в единой структуре базу данных и знаний.
Разработан формальный аппарат описания объектно-ориентированной модели представления данных и знаний.
Разработан способ порождения новых классов формальной модели представления знаний на основе объектов и классов модели предметной области, способствующий развитию самообучения и появлению новых знаний с более высокими уровнями обобщения.
Практическую ценность работы представляют:
Разработанный подход и инструментальные средства, позволяющие в части базы знаний и данных: моделировать статические и динамические предметные области, моделировать структурно-динамические предметные области; интегрировать в единой структуре возможности всех классических моделей представления знаний; описывать предметные области, имеющие нечеткие границы, с возможностью их расширения; интегрироваться с информационными базами (базами данных), то есть фактически объединять в единой структуре базу данных и базу знаний; автоматически изменять границы компетентности.
Разработанная оригинальная структура базы метаданных для реализации объектно-ориентированной модели представления знаний с возможностью ее динамической адаптации и изменения границ компетентности.
Возможность при использовании разработанного создавать темпоральные базы данных, а также информационные базы с изменяемой или неопределенной структурой.
Структура базы метаданных и библиотека классов могут многократно тиражироваться для реализации разработанного подхода.
Реализация результатов работы. Разработана структура базы метаданных для реализации объектно-ориентированного подхода к представлению знаний с возможностью динамической адаптации и изменения границ компетентности. Создана библиотека классов на языке C++, позволяющая реализовать объектно-ориентированный подход к представлению знаний и данных о предметной области.
Создан тестовый программный комплекс, позволяющий продемонстрировать разработанный подход, а также доказывающий реализуемость, работоспособность и практическую значимость объектно-ориентированного подхода к представлению данных и знаний для динамических предметных областей.
Структура диссертационной работы.
В первой главе проведен анализ известных, наиболее часто используемых методов и моделей представления знания, а также действующих экспертных, информационных интеллектуальных систем и/или их оболочек. Даны авторские определения понятий «знания» и «база знаний». На основе проведенного анализа сформулированы цели и задачи исследования.
Во второй главе, исходя из современных теорий о моделях представления знаний, формулируются требования к моделям представления знаний. Описан разработанный формальный подход к представлению знаний динамических и структурно-динамических предметных областей на базе объектно-ориентированного подхода и определяется теоретическая значимость и направления возможного использования на практике разработанного подхода.
В третьей главе описываются разработанные инструментальные средства для реализации разработанного и описанного во второй главе объектно-ориентированного подхода. Дается описание структуры базы метаданных, библиотеки классов, а также тестового программного комплекса, демонстрирую-
*
9 щего основные принципы разработанного в диссертационном исследовании подхода.
Продукционная модель представления знаний
В настоящий момент времени интеллектуальные системы, а также технологии, связанные с их разработкой и проектированием, получают все более и более широкое распространение. Значительная часть современных автоматизированных систем содержит интеллектуальные компоненты.
В области информационных и интеллектуальных систем одной из основных задач является формализация и представление знаний о предметной области и процессах, протекающих в ней.
При этом возникает желание использовать объективную информацию, позволяющую сформировать модель предметной области максимально адекватную окружающему миру для целей исследований или управления. На практике возникает ряд существенных проблем, затрудняющих решение этой задачи.
Например, в ряде случаев, предметные области обладают структурой, процесс моделирования которой не может быть закончен в ограниченный период времени, причем это касается не только интеллектуальных систем, но даже и информационных. Например, если рассматривать электронную историю болезни как информационную систему, тогда можно говорить о том, что имеет место следующая ситуация: появление новых и исключение устаревших видов медико-биологических исследований пациентов неизбежно приводит к изменению структуры модели предметной области.
В объектно-ориентированном программировании, при проектировании баз данных и баз знаний классовая модель предметной области фиксируется на этапах проектирования и реализации системы и в дальнейшем не изменяется и объекты на протяжении всего жизненного цикла остаются экземплярами своих порождающих классов. Для реальных предметных областей данная ситуация встречается крайне редко, так как объекты предметной области могут менять свое состояние и структуру во времени на протяжении всего жизненного цикла (от появления и до исчезновения). На современном этапе развития информационных и интеллектуальных технологий модели предметных областей должны отражать не только состояние и структуру на момент проектирования и реализации, но и иметь внутренние механизмы динамической адаптации (в том числе и структурной) модели предметной области на протяжении всего жизненного цикла модели предметной области.
Если говорить непосредственно об информационных интеллектуальных системах, то необходимо отметить два довольно важных аспекта, связанных с их разработкой. Во-первых, высокая сложность и уникальность разработки подобных систем, во-вторых, интеллектуальные системы нередко морально устаревают (в части базы знаний) еще до завершения работ по их созданию и ввода в опытную эксплуатацию.
Немаловажным является тот факт, что разработчики экспертных и информационных интеллектуальных систем постоянно сталкиваются с проблемой недостаточно полного описания методов, подходов и моделей представления знаний и зачастую имеют только словесное описание без использования формального аппарата. Это приводит к тому, что разработчикам приходится каждый раз самостоятельно вырабатывать теоретические, методические и технические решения.
Разработка современных информационных интеллектуальных систем имеет три основных этапа: 1) разработка информационной системы; 2) разработка интеллектуальной системы; 3) выбор, применение или разработка средств интеграции информационной и интеллектуальной системы в единый комплекс. Естественным желанием является выработка подходов и методов, позволяющих, во-первых, исключить третий этап полностью, а во-вторых, объединить первый и второй этапы и тем самым упростить процесс разработки подобных систем. Наличие таких методов и подходов позволит решить ряд важнейших задач: сократить время разработки, уменьшить сложность программного обеспечения, сократить число специалистов, участвующих в разработке. Развитие технологий баз данных, в частности, объектно-ориентированных и темпоральных баз данных, уже сейчас позволяет говорить о возможности объединения моделей представления данных и моделей представления знаний в единую структуру, и, тем самым, позволяет сократить число этапов до одного.
При эксплуатации экспертных и информационных интеллектуальных систем основной проблемой является их непрерывная адаптация, адекватная изменениям, происходящим в предметной области, при условии постоянного ее" использования.
Можно более четко сформулировать актуальность работы, которая обусловливается необходимостью создания особого подхода формализации данных и знаний с возможностью динамической адаптации модели предметной области с учетом временных характеристик объектов предметной области и их элементов, а также с возможностью самообучения и изменения границ компетентности с целью автоматизации процессов моделирования и автоформализации знаний о предметной области.
Оболочки экспертных и информационных интеллектуальных систем
Можно говорить о том, что интеллектуальные системы, имеющие в своей структуре базу знаний получили широкое распространение. Любая библиотека или поисковый сервер в Интернет (http://www.yandex.ru, http://www.google.ru, http://www.rambler.ru и т.д.), по запросу следующего содержания «Экспертная система» или «Интеллектуальная система», сообщат тысячи различных источников и унифицированных указателей информационных ресурсов (URL), причем, довольно внушительная часть Интернет ресурсов посвящена разработке экспертных и интеллектуальных систем по всем областям человеческого знания.
Изучение опыта разработки экспертных и интеллектуальных систем позволяет реально оценить, какие модели представления знаний используются, каковы их ограничения, а также какие дополнения и изменения разработчики вносят в модели представления знаний для решения тех или иных проблем.
Большинство современных интеллектуальных систем разрабатываются на базе оболочек экспертных систем и специализированных языковых средств. Рассмотрим их подробнее.
ACQUIRE - система обнаружения знаний и оболочка экспертных системы. Система содержит в себя методологию пошагового представления знаний, что позволяет специалистам в проблемной области непосредственно участвовать в процессе приобретения, структурирования и кодирования знания. Знания представлены, как объекты, объединенные в сеть, продукционные правила и системы правил в табличной форме (эквивалент-развитие системы продукций). Объекты в данной системе выступают в роли структуры хранения данных [35].
В системе отсутствуют механизмы поддержки динамических предметных областей. Интернет-адрес разработчика: http://www.aiinc.ca.
ActiveAgentX может применяться в системах поддержки принятия решений, содержащих правила, которые могут быть автоматически получены по корпоративным сетям при использовании WEB-браузеров Microsoft Windows 95 или NT. ActiveAgentX может быть также встроен внутрь Java аплетов, которые используются браузером Microsoft Internet Explorer или автономно, как прикладная программа Java, написанная на языке Microsoft Java или Visual J ++. Интернет-страница фирмы производителя: http://www.haley.com/.
ART Enterprise. В середине 80-х годов система ART была одной из самых современных интегрированных сред, поддерживающих технологию проектирования систем, основанных на правилах. ART объединяет два главных формализма представления знаний: правила для процедурных и фреймподобные структуры для декларативных знаний, основу системы составляют правила. В данной системе существуют внутренние механизмы моделирования различных ситуаций во времени. Более подробную информацию можно найти в [16, 31].
ARITY Expert Development Package - это экспертная система, которая интегрирует продукционное и фреймовое представления знаний с различного рода коэффициентами уверенности [77]. С - PRS (Процедурно - ориентированная система рассуждений, написанная на языке С) реализует процедурное представление знаний. Это позволяет пользователю выражать и представить условные последовательности комплексных действий и гарантировать их выполнение в реальном времени в среде прикладной программы. Система С - PRS полезна в процессе контроля и управления технологическими процессами. PRS технология применялась в различных задачах и запросах в реальном времени, например, для контроля над несколькими спутниковыми системами NASA, в системах диспетчерского управления сетей электросвязи (Телесвязь Австралия), при управлении подвижными роботами (SRI, LAAS), в системе контроля над полетами и в системе обнаружения самолетов (Grumman) [77]. ECLIPSE работает на персональных компьютерах (DOS, Windows), а также имеются версии для систем V Unix и POSIX. Синтаксис языка, используемого в пакете, совместим с языком системы CLIPS, разработанной для NASA. Отличия заключаются в управлении данными путем сопоставления с образцом, использовании прямого и обратного вывода, в поддержке множества целей, объектно-ориентированном представлении знаний и интегрировании с dBase. WEB - страница фирмы имеет адрес: http://www.haley.com [35]. EXSYS работает в среде MS-DOS, MS WINDOWS, Macintosh, SunOS, Solaris, Unix и Vax. Система поддерживает обратный вывод от фактов к цели, линейное программирование, нечеткую логику, нейронные сети и SQL интерфейс. Знания представляются в виде системы продукций. Возможности моделирования во времени отсутствуют [31]. Интернет-страница фирмы производителя: http://www.exsys.com. FLEX - гибридная экспертная система, работающая на различных плат формах. Система предлагает фреймовое, процедурное и продукционное пред ставление знаний. FLEX чередует прямой и обратный методы поиска решений, множественное наследование свойств, присоединенные процедуры, автомати ческую систему вопросов и ответов. Правила, фреймы и вопросы написаны на естественном англо-подобном языке. Язык спецификаций (KSL) позволяет раз рабатывать легко читаемые и простые в поддержке базы знаний. FLEX написан на языке Пролог [35]. Интернет-страница фирмы производителя: http://www.lpa.co.uk/.
Идентифицирующие атрибуты
В области информационных и интеллектуальных систем одной из основных задач является формализация и представление знаний об окружающем мире и процессах протекающих в нем, то есть построение модели окружающего мира.
При этом возникает желание использовать только объективную информацию, позволяющую сформировать модель максимально адекватную окружающему миру для целей исследований или управления. На практике возникает целый ряд существенных проблем, затрудняющих решение задачи для выбранной части окружающего мира (предметной области).
Во-первых, высокая сложность и большая размерность окружающего мира. Данная проблема решается путем ограничения предметной области или разбиением предметной области на подобласти (большая предметная область разбивается на некоторое множество более узких областей, например, общая предметная область - медицина, подобласти - педиатрия, неонатология и т.д.).
Во-вторых, при описании любой предметной области существует недостаток объективной информации, который может компенсироваться использованием экспертной информации (субъективной информации или информации близкой к объективной).
В-третьих, модель должна отражать состояние предметной области в любой момент времени. Причем всякие изменения, происходящие в предметной области, должны приводить к изменениям в модели предметной области с требуемой временной задержкой.
Можно перечислять еще множество различных аспектов, которые в той или иной степени проявляются при формировании моделей предметных областей. Например, в ряде случаев предметные области обладают структурой, моделирование которой не может быть закончено в ограниченный период времени. Если электронную историю болезни рассматривать только как информационную систему, то появление новых и исключение устаревших видов лабораторных исследований приводят к тому, что структура информационной базы требует постоянного вмешательства разработчиков. В области интеллектуальных систем ситуация еще более сложная и часто встречаются ситуации, при которых интеллектуальные системы устаревают раньше, чем заканчивается их разработка.
Исходя из современных представлений о моделях представления знаний можно описать требуемые возможности: 1. Моделирование статических предметных областей. 2. Моделирование динамических предметных областей. 3. Моделирование структурно-динамических предметных областей, т.е предметных областей с переменной структурой, описанием, в том числе, с нечеткими границами. 4. Объединение, интегрирование возможностей всех классических моделей представления знаний (алгоритмической, логической, продукционной, семантической, фреймовой); 5. Умение описывать нечеткие границы с возможностью определения границ своей компетенции. 6. Интегрироваться с информационными базами (базами данных). На рис. 5 приведена обобщенная модель предметной области Q, где ov...,on - объекты модели предметной области, связанные семантическими отношениями. Границы модели предметной области отмечены пунктирной линией, тем самым фиксируется возможность динамического изменения границ. Основными структурными элементами модели предметной области являются: 1) объекты предметной области; 2) семантические отношения между объектами; 3) процедуры, функции, алгоритмы и т.д. Существенной составляющей, как модели представления данных, так и модели представления знаний являются ограничения целостности, которые не позволяют вносить такие изменения в модель предметной области, при которых она перестает моделировать предметную область, либо перестает быть адекватной предметной области. Как уже было зафиксировано выше, основным формирующим элементом модели предметной области является объект, причем в модели предметной области их может существовать неограниченное количество. Обозначим О -множество объектов модели предметной области. В свою очередь, множество семантических отношений связывающих объекты - R. Строго говоря, модель предметной области представляет собой абстракцию некоторой реальной предметной области. Причем, если мы говорим об абстракции, тогда следует говорить о том, что объекты модели предметной области могут быть классифицированы по определенным правилам, т.е. отнесены к некоторому классу. Классы в объектно-ориентированном подходе являются одним из основных элементов. С одной стороны классы формируются как обобщение знаний об объектах, с другой классы позволяют многократно тиражировать объекты, обладающие заданными характеристиками. Можно говорить о том, что множество классов модели предметной области формируют классовую модель предметной области - С. Также следует отметить, что классовая модель является тем компонентом модели предметной области, который позволяет определить границы своей компетенции.
Определение классов
Множества входных и выходных параметров методов фиксируются в таблицах: «Входные атрибуты», «Выходные атрибуты», «Входные классы», «Выходные классы», «Входные сигналы», «Выходные сигналы». Данные таблицы необходимы для определения реализуемости и используемости метода. Если в методе используются атрибуты, классы, сигналы, а в модели предметной области они отсутствуют, тогда можно говорить о невозможности использования метода. В таблицах «Входные атрибуты», «Выходные атрибуты» указываются используемые в методе атрибуты класса, которому принадлежит метод. Данные таблицы имеют общую структуру и содержат следующие поля: 1. «ГО_Атрибута класса» - числовое поле. Предназначено для указания на атрибут, принадлежащий классу. 2. «ГО_Метода класса» - числовое поле. Предназначено для указания метода класса, для которого атрибут будет являться, либо входным либо выходным параметром. Оба поля являются, как первичным ключом (составной ключ), так и внешним ключом для реализации отношения «одни ко многим» с таблицами «Класс - Атрибут» и «Класс - Метод» соответственно. В таблицах «Входные классы» и «Выходные классы» указываются классы, объекты которых являются входными и выходными для метода. В данном случае фактически указывается группа объектов (по классовой принадлежности), которая используется в работе метода. Как и в предыдущем случае, таблицы имеют общую структуру и имеют следующие поля: 1. «ГО_Метода класса» - числовое поле. Используется для указания метода принадлежащего классу, для которого класс является либо входным, либо выходным параметром. 2. «ГО_Класса» - числовое поле. Используется для указания класса, который является входным или выходным для данного метода. Поля «ГО_Метода класса» и «ГО_Класса» являются, как первичным ключом (составной ключ), так и внешним ключом для реализации отношения «один ко многим» с таблицами «Класс - Метод» и «Класс» соответственно. В таблицах «Входные сигналы» и «Выходные сигналы» указываются входные и выходные сигналы, являющиеся внешними по отношению к модели предметной области. Например, данные, поступающие с приборов, датчиков, программ, операционной системы. Таблицы имеют следующий набор полей: 1. «ГО_Сигнала» - числовое поле. Предназначено для хранения идентификаторов сигналов. 2. «ГО_Метода класса» - числовое поле. Предназначено для указания идентификатора метода класса, для которого сигнал будет входным или выходным параметром. 3. «Имя сигнала» - строковое поле. Используется для хранения семантически значимого имени сигнала, необходимо для упрощения доступа со стороны пользователя системы. 4. «Тип данных» - строковое поле. Предназначено для указания типа данных входного, выходного сигнала. Поля «ГО_Сигнала» и «Ш_Метода класса» являются первичным ключом (составной ключ), поле «ГО_Метода класса» - внешний ключ, для реализации отношения «один ко многим» с таблицей «Класс - Метод». Объекты модели предметной области фиксируются в БД с использованием структуры БД, представленной на рис. 71. Часть базы данных, используемая для хранения объектов модели предметной области практически не связанная с частью базы данных, хранящей классовую модель предметной области. Это объясняется тем, что как объектная, так и классовая модель предметной области обладают динамикой, как состояния, так и структуры. Изменения в классовой и объектной модели предметной области могут происходить независимо друг от друга. Для хранения объектов модели предметной области в БД используется четыре таблицы: «Объект», «Фазы существования объекта», «Объект - Класс», «Контейнер объект» (рис. 71). Таблица «Объект» предназначена для хранения идентифицирующей информации (идентифицирующих атрибутов) и содержит следующие поля: 1. «ГО_Объекта» - числовое поле, являющееся первичным ключом, фактически идентифицирующий атрибут объекта, позволяющий различать объекты. 2. «Имя объекта» - строковое поле. Предназначено для хранения семантически значимого имени объекта. 3. «Дата и время создания» - поле типа «Дата и время». Предназначено для фиксации даты и времени появления (создания) объекта в модели предметной области. 4. «Дата и время архивной фазы» - поле типа «Дата и время». Используется для фиксации даты и времени перехода объекта в архивную фазу существования, фактически время исключения объекта из модели предметной области.
