at6 ekspertni sistemi

8/13/2019 AT6 Ekspertni sistemi

1/28

Ekspertni sistemi (Expert Systems ES)

Pojavom ekspertnih sistema, znatno je olakan rad na onim mestima odluivanja gdese donose veoma sloene ili veoma znaajne odluke, tj. svuda gde se ne sme dozvolitidonoenje pogrene odluke iz razloga nemogunosti saniranja posledica. Upravo na taj nainmoe se objasniti eksplozivan razvoj i iroka primena ekspertnih sistema. Ekspertni sistemideluju poput tima eksperata iz odreene oblasti sa tom razlikom to trajno uvaju podatke uzsvakodnevno proirivanje svoje baze znanja. Radi pojanjenja pojma ekspertni sistem,naveemo neke od definicija ekspertnih sistema:

,,Ekspertni sistem je raunarski program koji deluje kao ljudski ekspert u dobrodefinisanom specifinom zadatku, na bazi znanja (Liebowitz Jay, 1992).

,,Pod ekspertnim sistemom se podrazumeva uspostavljanje unutar raunara delavetine nekog eksperta koja se bazira na znanju i u takvom je obliku da sistem (raunar) moeda ponudi inteligentan savet ili da preduzme inteligentnu odluku o funkciji koja je u

postupku. Poeljna dopunska karakteristika, koju mnogi smatraju osnovnom, jeste sposobnost

sistema da na zahtev verifikuje svoju liniju rezonovanja, tako da direktno obavetava onoga(korisnika) koji postavlja pitanje. Usvojeni nain da se ostvare ove karakteristike jeprogramiranje na bazi pravila (Milai1990).

,,Ekspertni sistemi su programski sistemi koji sadre ljudsko znanje i koriste ga ureavanju problema iz oblasti vetake inteligencije. Ekspertni sistemi koriste mehanizam kojiomoguava lako programiranje problema, kao npr. simuliranje ljudskog znanja, za koje jesmatrano da ga nije mogue implementirati. Upravo u lakoi simulacije ljudskog znanja trebatraiti odgovor uspeha ekspertnog sistema (Stoiljkovi, Milosavljevi1995).

Goodwin i Wright (1992) istiu da su ekspertni sistemi jedan deo istraivanja na putuka vetakoj inteligenciji, a da vetaka inteligencija ima za cilj da predstavlja u potpunosti

ljudsku inteligenciju kroz raunarski sistem. Isti autori definiu ekspertni sistem na sledeinain:

,,Ekspertni sistem je modeliranje, unutar raunara, ekspertskog znanja, tako da rezultujuisistem moe ponuditi inteligentan savet ili doneti inteligentne odluke.

,,Izraz ekspertni sistemse danas upotrebljava sa vie razliitih znaenja, a potie odinjenice da su takvi sistemi i nastali tako to su od priznatih eksperata u nekoj oblasti,intervjuisanjem i drugim postupcima doznavana i 'zahvatana', a potom organizovana njihovaznanja (Risti, i dr., 1993).

,,Ekspertni sistemi su specijalizovani automati sa obradom znanja, za interaktivno ikooperativno reavanje problema koji se mogu formalizovati, na nivou prirodnih (strunih)

jezika, sa mogunostima obuhvata i prezentacije znanja u formi algoritamskih problema, sjedne strane, i nealgoritamskih injenica i pravila, kao i logikog zakljuivanja po utvrenojstrategiji, sa druge strane (Roth, 1992).

Istorija razvoja ekspertnih sistema

Prvi poeci razvoja sistema zasnovanih na znanju koji su prethodili ekspertnimsistemima javljaju se polovinom 60-tih godina. Razvoj ekspertnih sistema zavisi od razvojainformacionih tehnoligija, tj. od performansi kompjutera. Vrlo brzo (krajem 60-tih godina)kompjuteri su postali ograniavajui faktor, pa su usledile neminovne promene na polju


2/28

usavravanja kompjutera, to je izazvalo novi uspon u razvoju oblasti vetake inteligencije.Ipak, tek tokom 80-tih godina ekspertni sistemi su doiveli iroku upotrebu na komercijalnomtritu.

Prema stanju iz 1988. godine, ekspertni sistemi su se tada primenjivali u oko 150oblasti, a oni koji su bili najvie korieni navedeni su u tabeli 3.4.

Meutim, samo etiri godine kasnije (prema stanju iz 1992. godine, Liebowitz, 1992)u Americi je bilo korieno najmanje 3000 ekspertnih sistema od ega je nekoliko stotinaekspertnih sistema bilo razvijeno (nisu koriene koljke) i testirano na svom polju primene.U Japanu je tada postojalo preko 400 razvijenih ekspertnih sistema pri emu je oko 190kompanija implementiralo ekspertne sisteme u svoj rad. U Francuskoj je postojalo takoe

preko 400 razvijenih ekspertnih sistema itd.

Tabela 3.4. Pregled ekspertnih sistema (Roth, 1992)MYCIN Antibiotska terapija bakterijske infekcije krvi

Dijagnostiki DART Otkrivanje i lokalizovnje greaka kod kompjuterasistemi INTERNIST Bolesti unutranjih organa

XCON Konfigurisanje VAX kompjuteraRazvojni sistemi SYN Razvoj visokointegrisanih kola (VLSI)

SYNCHEM Sinteza hemijskih jedinjenjaSistemi za ISIS Projektovanje procesa finalizacije

planiranje MOLGEN Eksperimenti u molekularnoj genetici

Sistemi za DENDRAL Spektrogramska identifikacija hemijskih jedinjenjaraspoznavanje PROSPECTOR Rekodijagnosticiranje geolokih rudnih leitaobjekata TEC Vojno osmatranje prostranih terenaSavetniki WERRA Predvianje i regulisanje poplavnog talasasistemi RADEX Bolnika briga o pacijentima

PROCON Operativno voenje hemijskog postrojenja

Okvirni EMYCIN Prazni inferentni sistem i sistem sa bazom znanja zadijagnostiku

ekspertni sistemi(ljuske ES)

LOOKS Objektivno orijentisani sistem za programiranje iregulaciju

ART Sistem za programiranje ekspertnih sistema

U daljem razvoju ekspertnih sistema prognozira se razvoj povezivanja ekspertnihsistema sa sistemima za podrku odluivanju, multimedijom, neuralnim mreama itd. Oekujuse poboljani interfejs i to uz pomotehnologija kao to su hipermedija i virtualna realnost, tj.smatra se da e se tako postii bolji nain za automatsku akviziciju znanja.

Podele ekspertnih sistema

Jedna od uoptenih podela ekspertnih sistema sugerie na postojanje dve grupeekspertnih sistema (Stojiljkovi, 1995): Ekspertni sistemi koji analiziraju neki problem i Ekspertni sistemi koji vre sintezu u procesu reavanja problema.

Podelu ekspertnih sistema moemo izvriti i prema drugim kriterijumima. Jedna oduobiajenih podela odnosi se na vrstu informacija koje ekspertni sistemi pruaju (Stoiljkovi,Milosavljevi, 1995): Samostalne u stanju su da samostalno izvedu proces donoenja odluke i planiranja

buduih pravaca akcije, a korisnika izvetavaju o primenjenim postupcima i razlozima zausvajanje odreene procedure.

Konsultantske pruaju razne konsultantske usluge u smislu da pomau korisniku na tajnain kako bi i pravi ekspert pruio svoje miljenje. Ova grupa ekspertnih sistema


3/28

koncipirana je tako da se njima koriste eksperti kojima su potrebna dodatna miljenja zareavanje kompleksnih problema (stvara se atmosfera poput formiranja tima eksperata).

Savetnike mogu koristiti i eksperti ali i oni ostali korisnici kojima je potreban savet uodgovarajuim situacijama.

Sistemi za ispitivanje ta bi bilo ako... ova grupa ekspertnih sistema omoguavarazmatranje odreenih situacija u kojima je potrebno predvideti efekte primene

alternativnih akcija. Moe se uspostaviti analogija ove grupe ekspertnih sistema sasimulacionim modelima ali razvijenim do ekspertnog nivoa.

Turban i Aronson (1998) iznose da postoje sledee vrste ekspertnih sistema: Ekspertni sistemi zasnovani na znanju (Expert Systems Versus Knowledge-based Systems,

Knowledge-based Expert Systems), Ekspertni sistemi zasnovani na pravilima, Ekspertni sistemi zasnovani na okvirima (Frame-based Expert Systems), Hibridni sistemi, Ekspertni sistemi zasnovani na modelima (Model-based Systems), Ekspertni sistemi spremni za rad (Ready-made, Off-the-shelf Systems), Ekspertni sistemi koji rade u realnom vremenu (Real-time Expert Systems).

Goodwin i Wright (1992) istiu da postoje dve grupe ekspertnih sistema i to:1. Prvi se javljaju kod komplikovanih istraivakih projekata ili potencijalno nereivih

problema gde je potrebno razviti novi nain prezentovanja ili izlaganja znanja.

2. Drugi niz sistema su oni koje su izgradili konsultanti i to putem korienja komercijalnorazvijenih koljki (shell) ekspertnih sistema. koljke ekspertnih sistema sadre svekomponente kao i posebno razvijeni ekspertni sistem sa tom razlikom to im je baza znanja

prazna (otuda se nazivaju prazni ili okvirni ekspertni sistemi). Korisnik (npr. tim eksperata unekom preduzeu) koljke ekspertnog sistema sam popunjava bazu znanja unosei u nju

pravila koja se odnose na probleme koje je potrebno da njegov ekspertni sistem reava.

koljke ekspertnih sistema su jednostavne za programiranje, fokusirane su na probleme ukojima nije prisutna neizvesnost. Kod korienja koljki ekspertnih sistema ekspertskorasuivanje predstavlja se u obliku drva odluivanja to se ubraja u olanavanje unapred(olanavanje unapred objanjeno je u tekstu koji sledi). U svetu su poznate koljke: XiPlus(by Expertech Ltd.), EXSYS Professional, i sl., a kod nas je razvijena i takoe je nala veliku

primenu koljka BEST (Blackboard-based Expert System Toolkit) to je detaljnije opisano uliteraturi (Vrane, 1995).

Osobine ekspertnih sistema

Ekspertni sistemi poseduju sedam dimenzija (Buchman, 1983), a to su: Ekspertiza, Rezonovanje manipulacijom simbola, Opta sposobnost reavanja problema u datom domenu, Sloenost i teina jer problemi moraju biti sloeni da bi se zahtevalo reenje eksperta, Reformulacija formulisanje problema u oblik podesan za reavanje putem ekspertnih

pravila, Rezonovanje o sebi mogunost sistema da rezonuje o sopstvenim procesima, Vrsta zadataka za ije se obavljanje sistem izgrauje.


4/28

Primena ekspertnih sistema je viestruka, a zadaci u koje ekspertni sistemi uspenoreavaju su: Evidentiranje i interpretacija podataka kojim se opisuju razliite situacije ili stanja sistema, Dijagnostika i servisiranje. Planiranje, predvianje i prognoziranje (posledica odluka i sl.), Dizajn (razvoj konfiguracije objekata uz potovanje zadatih ogranienja), Merenje (interpretacija rezultata merenja), Otkrivanje kvarova u sloenim tehnikim sistemima, Analiza i konsultacije (u oblastima: osiguranja, kreditiranja, finansiranja, investicione i

poreske politike, marketinga i analize trita, uvoenje novih tehnologija itd.), Kontrola (upravljanje ponaanjem sistema) i sl.Struktura ekspertnih sistema

Model jednostavnog ekspertnog sistema sastoji se samo od etiri dela (Doukidis, 1991). Onisu: baza znanja, mehanizam za zakljuivanje, korisniki interfejs i radna memorija (slika 3.10).

Znanje eksperta se uva u nizu fajlova nazvanih baza znanja. Najee je znanjepredstavljeno pomou ,,if ... then pravila. ,,Mehnizam za zakljuivanje koristi bazu znanjakako bi se obezbedila nova informacija. ,,Mehanizam za zakljuivanje koristi neke formelogike dedukcije da bi se obezbedili odgovori. Preko korisnikog interfejsa omoguava sekomunikacija izmeu ekspertnog sistema i korisnika. Radna memorija sadri detalje o stanjuznanja sistema u odreenom trenutku.

PodrkaInterfejs, sredstva za rukovanje fajlovima,

sredstva za prua e objanjenja,alat za rukovanje bazom znanja

nj

"Mehanizam" za zakljuivanje

Korisnik

Radna memorijaBaza znanja

KorisnikStudent

Ekspert

Slika 3.10.Model ekspertnog sistema (Doukidis, 1991)

Primer rada je sledei: korisnik zove ekspertni sistem preko korisnikog interfejsa.Ekspertni sistem uz pomo ,,mehanizma za zakljuivanje upravlja pravilima u bazi znanja.Ukoliko su sistemu potrebne dodatne informacije, on e pitati korisnika (preko interfejsa), azatim sauvati te informacije u radnoj memoriji. Svaki nov podatak koji se pojavi kao izlaz,,mehanizma za zakljuivanje takoe se uva u radnoj memoriji. Ovaj proces se nastavlja sve


5/28

dok sistem ne obezbedi korisniku sve odgovore na njegova pitanja ili dok se ne iskoriste svapravila.

Neto kompleksnija struktura ekspertnog sistema predstavljena je na slici 3.11.

KONSULTANTSKO OKRU ENJE

Korisnik

injenice ospecifi nomslu aju

Korisni kiinterfejs

Mogu nost pru anjaobja njenja

Preporu eneakcije

Mehanizamza

zaklju ivanje

- Prevodilac- Raspored- Poja iva konzistencije

Blackboard (radni prostor)Plan Program radaRe enje Opis problema

RAZVOJNO OKRU ENJE

Baza znanja

injenicePravila

: ta je poznato iz domena: logi ke reference (npr. izme u

simptoma i posledica)

Izdvajanjeznanja

In enjerznanja

Ekspertskoznanje

Dokumentovanoznanje

Akvizicijaznanja

Slika 3.11.Struktura ekspertnih sistema (Turban, Aronson, 1998)

Na ovom prikazu mogu se uoiti relacije izmeu komponenata ekspertnog sistema.Drugim reima, ulazei dublje u strukturu ekspertnog sistema konstatuje se postojanje nizadodatnih komponenata koje ine sistem funkcionalnim.

Proces funkcionisanja ekspertnih sistema moe se ralaniti na sledeih petkomponenata (Roth, 1992): Akvizicija (sticanje) znanja predstavlja jedan od najznaajnijih zadataka za ekspertni

sistem jer putem dijaloga sa korisnikom sistem mora primiti i sintaktiki formalno

ispravne ali i semantiki adekvatne raznovrsne informacije. Od akvizicije znanja zavisiememorisanje znanja i samim tim i kvalitet rada ekspertnog sistema. Reprezentacija (memorisanje) znanja vri se dugotrajnim procesom memorisanja

programskih modula sastavljenih od injenica i pravila i naina za reavanje problema(mehanizmi zakljuivanja), za odreenu oblast.

Obrada znanja (reavanje problema) u stvari predstavlja izvravanje programa radidobijanja reenja sa odgovarajuim prateim objanjenjima putem logikog procesa zareavanje problema. Ovaj zadatak podrazumeva automatsko vrednovanje injenica i

pravila prema prethodno datoj logici zakljuivanja pomou traenja i uporeivanja, a zatimdobijanje rezultata u obliku novih podataka ili pravila do krajnjeg algoritma za reavanje

problema. Komponente za objanjenje (predstavljanje znanja) omoguavaju pregled unutranjih

meuzavisnosti, aktivnih i neaktivnih pravila za reavanje problema i pruaju razumevanjezakljuka koji je dao ekspertni sistem. Tako predstavljene injenice koje je koristioekspertni sistem u procesu donoenja odluke slue korisniku da uvidi koje su bile polazneosnove ekspertnog sistema da se opredeli za neku odluku, ali neki podatak moe da se

pokae kao netaan ili besmislen pa se proces zakljuivanja ekspertnog sistema sa novimispravnim informacijama moe uputiti na ponovno razmatranje. Takoe, posedovanjekomponente za objanjavanje kod ekspertnih sistema omoguuje korisniku sticanje novihznanja.


6/28

Interfejs (jedinica za dijalog) omoguuje komunikaciju korisnika sa ekspertnimsistemom putem tastature i ekrana, ali mogue su i ostale varijante direktne komunikacijeekspertnog sistema sa okolinom npr. putem slike, tona, mernih sinala itd.

Predstavljanje znanja i mehanizmi zakljuivanja

Nakon komplikovanog procesa prenoenja znanja eksperata ,,na papir i logikog putapovezivanja pojedinih injenica postavlja se pitanje kako to znanje uobliiti u formu koja ebiti funkcionalna za rad ekspertnog sistema. Jedan od naina za prevazilaenje ovog problemamoguje korienjem produkcionih pravila. Na primer:

IFprevozno sredstvo ima dva toka THENprevozno sredstvo nije automobil ili u formalnomobliku:IF(stanje u bazi znanja) THEN(akcija za ponovo pretraivanje baze znanja).

Produkciona pravila mogu imati vie stanja i vie akcija. Npr. produkciona pravilamogu od korisnika zahtevati akciju u smislu da korisnik odgovori na dodatna pitanja sistemaradi ponovnog pretraivanja baze znanja. Ekspertni sistem moe imati vie stotina

produkcionih pravila, to uslonjava proces projektovanja logikog povezivanja ovih pravila u

bazi znanja.

Kontrolna strukturaodreuje koje e pravilo biti sledee upotrebljeno. Kontrolna strukturaesto poziva ,,mainu za zakljuivanje. Na bazi informacija koje dobije od korisnika (na

pitanja koje je postavio ekspertni sistem), ,,maina za zakljuivanje vri selekciju i testiranjepojedinih pravila i u bazi znanja trai odgovarajui savet ili odluku. To se obino postiepomou olanavanja unapred, to znai da se sledi put od poznatih injenica do krajnjegzakljuka (slika 3.12).

Pitanje-

problem kojipostavlja korisnik

Uzrokstanja sistema

Zakljuak

Ekspertni sistemBaza znanja Proces zakljuivanja ES

Korisnik

Pretpostavke

injenice, pravila

Olan avanje unapred

Olan avanje unazad

Provera i ispitivanjehipotetikih zakljuaka

Slika 3.12. Proces zakljuivanja ekspertnog sistema

Olanavanje unazadukljuuje biranje hipotetikih zakljuaka i testiranje da se uporedi da lie se potrebno pravilo u skladu sa zakljukom ispostaviti kao tano. U ovom sluaju pravilaizloena od stane eksperata esto u sebi sadre odreen stepen neizvesnosti. Na primer:

IF kola nee da upale THENrazlog moe biti nedostatak goriva ili moe biti...


7/28

Veina eksperata tolerie neizvesnost koja ukljuuje neku vrstu verovatnoe kao to jemerenje vrednosti ili vaganje protivurenih injenica. Mogua su dva naina organizovanjaovih sistema i to pomou mree pravila ili pomou stabla odluke, gde se kod stabla odluke

polazi od jednog pravila pa se putem grananja dolazi do krajnjeg zakljuka, slika 3.13.Pravilo 1

Pravilo 5Pravilo 2

Pravilo 3Pravilo 4

Zaklju ak 1 Zaklju ak 1Zaklju ak 2 Zaklju ak 2Zaklju ak 3

da

da

da da

ne

ne

ne ne

Pravilo 1

Pravilo 3 Pravilo 4Pravilo 2

Pravilo 7 Pravilo 6

Stablo odluke Mrea pravila

Slika 3.13.Stabla odluke i mrea pravila (Stoiljkovi, Milisavljevi1995)

Postoje i drugi naini predstavljanja znanja a to su: semantike mree, trojkeobjekat atribut vrednost i predikatska logika.

Semantike mreeformiraju vorovi koji su meusobno povezani na odreeni nain,sliak 3.14. Pomou semantikih mrea mogu se lako predstaviti kompleksni hijerarhijskimodeli, a jedna od vanijih karakteristika semantikih mrea jeste da poseduju svojstvonasleivanja. Dakle, svojstva se pamte tokom logikog puta sve do krajnjeg zakljuka. Npr.

Automobil Fabrika

Kupac

Beograd

stanuje

ima

je proizvedenBela je boje

Slika 3.14.Primer semantike mree

Predstavljanje znanja pomou trojki atribut vrednost objekatpredstavlja posebnuvrsti semantikih mrea. Za razliku od semantikih mrea gde vorovi mogu biti ili objekat iliatribut ili vrednost, kod trojki AVO veza izmeu objekta i atributa je tipa ,,ima, a izmeuatributa i vrednosti ,,je (Risti, i dr., 1993). Npr.

Bankovni zajam ,,ima kamatnu stopu,kapatna stopa ,,je 10%. (Primer iz literature Risti, i dr., 1993)

Predstavljanjem znanja pomou predikatske logike mogue je izraziti inajkomplikovanije izraze. Predikatska logika prvog reda pogodna je da se jednostavno

prevede znanje sa prirodnog jezika na jezik koji je razumljiv kompjuteru. Npr.

,,bez muke nema naukenot x, y: muka (x) and nauka (y)not nema (x) and nema (y)


8/28

Predstavljanje znanja pomou predikatske logike zahteva simboliko iskazivanjeproblema, meutim ovaj nain predstavljanja znanja jo uvek nije u iroj upotrebi.

Uvoenje ekspertnog sistema u rad

Uveenje ekspertnog sistema u rad predstavlja poslednju fazu u procesu razvoja

ekspertnog sistema, a ova faza podrazumeva testiranje i implementaciju ekspertnog sistema.Tokom testiranja ekspertnog sistema ispituje se i proverava logiko zakljuivanje,

proveravaju rezultati testiranja, otklanjaju uoene nepravilnosti, a zatim se vri ponovnotestiranje sve dok se ne postigne zadovoljavajui kvalitet rada ekspertnog sistema. U okviruimplementacije ekspertnog sistema ukljuuju se svi faktori bitni za radno okruenje poev odusklaivanja hardverskih zahteva ekspertnog sistema za njegovo optimalno funkcionisanje pasve do obuke kadrova za rad sa ekspertnim sistemom, pri emu se ne misli samo na korienjeekspertnog sistema vei na njegovo odravanje u smislu stalnog auriranja baze znanja.


9/28

5. PRIMENA EKSPERTNIH SISTEMA

5.1. Ekspertni sistem u odravanju

Opis problema

Poveanje obima sloenosti proizvodne opreme kao i rastua meusobna zavisnost,uslovljavaju donoenje sloenih menaderskih odluka u odravanju. Prisustvo velikog brojaheterogenih faktora koji su stohastikog karaktera dodatno uslonjava reavanje problema.

U tom smislu u proizvodnoj praksi dobre rezultate za podrku aktivnostima naodravanju proizvodne opreme prua grupa softverskih alata pod nazivom ekspertni sistemi.

Posmatrani primer odnosi se na problem dijagnoze kvara kod automobila. Dakle, naosnovu odreenih pokazatelja o radu automobila neophodno je utvrditi uzrok takvog rada,

odnosno dijagnostifikovati kvar na automobilu.Reavanje problema

U posmatranom primeru neophodna je podrka ekspertnih sistema, koji bi svojomsavetodavnom funkcijom (na osnovu baze znanja) pomogli u otkrivanju kvara na automobilu.

Ekspertni sistemi se koriste radi odreivanja moguih preventivnih zadataka, podrkeu otklanjanju kvarova, odreivanju aktivnosti koja bi bila najpogodnija u datim uslovima.

Smatra se da primena ekspertnog sistema u odravanju moe smanjiti trokoveodravanja za 40%, poveati eksploatacioni kapacitet za 15% i poveati pouzdanost za 100%.

Koristi od primene ekspertnih sistema u odravanju su:

smanjenje trokova odravanja, smanjenje pojave katastrofalnih kvarova, poveanje produktivnosti, poveanje bezbednosti, praenje performansi proizvodne opreme, smanjenje nepotrebnih opravki, odravanje baze podataka o operativnom stanju opreme, produenje korienja sredstava za podmazivanje,

poveanje profitabilnosti, poveana tanost utvrivanja kvara,

produenje ivotnog ciklusa opreme.Postoji vie naina na koje se ostvaruje pruanje podrke ekspertnog sistema u

odravanju. Za potrebe odravanja moe se uvesti: ekspertni sistem, gde korisnik za ve nastali problem (kvar) konsultuje ekspertni sistem

radi usklaivanja aktivnosti na sanaciji kvara i preduzimanja korektivnih aktivnosti;


10/28

ekspertni sistem koji pomae u identifikaciji kvara na odreenoj maini ili u proizvodnomprocesu. Ovde moemo da napravimo razliku izmeu ekspertnih sistema kod kojihkorisnik prua podatke ekspertnom sistemu o trenutnom stanju sistema i na osnovu kojihekspertni sistem gradi ekspertizu i ekspertnih sistema koji pomou posebnih kontrolnihureaja kontinualno prate rad sistema i odreuju trenutak u kojem obavetavaju korisnika o

potrebi za preduzimanjem odreenih preventivnih aktivnosti;

posebno treba izdvojiti grupu ekspertnih sistema za upravljanje aktivnostima na odravanjuopreme koji generiu izvetaj na osnovu balansiranja potreba, zahteva i raspoloivihresursa.

U zavisnosti od potreba preduzea treba izvriti izbor ekspertnog sistema zaodravanje. Novije generacije ekspertnih sistema za odravanje sastavljene su iz vie modula,a zajedno ine celinu koja u potpunosti moe podrati upravljanje odravanjem proizvodneopreme.

Na primeru jednog dijagnostikog ekspertnog sistema bie prikazana mogunostprimene u reavanju proizvodnih problema. TechMate je ekspertni sistem zasnovan nakombinaciji "model based" i case basedrezonovanja. Rezonovanje zasnovano na modelimaomoguava uvanje u kopaktnom modelu projektantskog, inenjerskog i serviserskog znanja,spremnog za dijagnozu problema koji prethodno nisu zabeleeni. Rezonovanje zasnovano nasluaju omoguava korienje informacija iz jednog sluaja za dijagnozu drugih sluajeva aki i kad oni izgledaju dosta razliiti.

TechMate, prikazan na slici 5.1, jeste softverski alat koji slui tehniarima da brzootklone kvar na podsklopu ili itavom sistemu. TechMate pomae u reavanju tehnikih

problema i na taj nain ini da proces bude efikasniji, taniji i produktivniji. TechMatesmanjuje vreme pronalaenja mesta kvara za 25% do 60%. On automatski generiedijagnostike procene sa blok dijagramske eme (koja je uneta runo ili elektronski). Za datiniz simptoma i test rezultata, TechMate-ov dijagnostiki algoritam identifikuje mogue

probleme i rangira ih. Ovaj ekspertni sistem identifikuje i procenjuje test koji se moe koristitida bi se izolovao kvar, a zatim predlae najisplativiji test.

Slika 5.1.Prikaz rada ekspertnog sistema TechMateIzvor: Softver TechMate IET Intelligent Electronics. Inc, 1997.


11/28

Na sledeim slikama dat je prikaz rada TechMate-a na primeru izolacije komponentekod koje je dolo da kvara (slika 5.2). Ekspertni sistem predlae test za otkrivanje traenekomponente (slika 5.3).

Slika 5.2. ematski prikaz jedinice Slika 5.3. Predlog testa

Instrukcije za tumaenje rezultata date su na slici 5.4. Ukoliko test nije proao(FAIL), TechMate predlae sledei test, ali u meuvremenu aurira se baza podataka i formirase nova lista moguih kvarova (suava se podruje ispitivanja). Takoe menjaju se i uputstvaza izvoenje sledeeg testa.

Procedura se ponavlja sve dok se ne utvrdi mesto kvara. Korisnik moe da koristihiperlink za dodatne informacije (u ovom sluaju sa osciloskopa) slika 5.5.

Slika 5.4. Predlog testa Slika 5.5.Rezultati sa osciloskopaU prethodnom tekstu prikazan je modul ekspertnog sistema koji se odnosi samo na

dijagnozu kvara. Posebnu celinu ini modul u kojem korisnik formira nov model za koji elidijagnozu. Korisnik ima mogunost da definie delove sistema, zada testove za identifikacijukvara kao i da unese vrednosti test-rezultata koje odreuju da li je test pozitivan ili negativan.

Kao primer neto sloenijeg programa za odravanje moe da poslui RCM Turbo.Ovaj ekspertni sistem ima tri osnovne funkcije: odreivanje prioriteta opreme koja treba da bude analizirana, odreivanje funkcija, kvarova, zadataka na identifikaciji kvarova, optimizaciju frekvencije aktivnosti na odravanju (slika 5.6).


12/28

VREME IZME U DVE PLANIRANE AKTIVNOSTI

TRO

KOVI

ODR

AVANJA

POTENCIRANOODR AVANJE

ZANEMARENOODR AVANJE

Mala verovatno apojave otkaza

Velika verovatno a

pojave otkaza

Ukupnitro kovi

OPTIMALNA FREKVENCIJAza planirane aktivnosti odr avanja

Tro kovi planiranogodr avanja

Tro kovineplaniranogodr avanja

Slika 5.6.Optimizacija trokova odravanja

Na slici 5.7 prikazan je izlaz TCM Turbo, gde se pruaju informacije o raspoloivosti,pouzdanosti i ukupnim trokovima. Ukupni trokovi sadre trokove realizovane u izvoenjuzadataka i gubitke koji nastaju usled neplaniranih otkaza date pomou verovatnoe otkaza zadodeljenu frekvenciju.

Slika 5.7.Jedan od izlaznih ekrana RCM TurboZa potrebe odluivanja o kupovini/zameni odreenog dela, sklopa, poluproizvoda ili

proizvoda, izboru dobavljaa, izboru strategije nabavke ili programa odravanja pogodno jekoristiti sisteme za podrku odluivanju. Dakle, za sve odluke kod kojih vrimo izbor izmeuvie alternativa, pri emu u obzir moemo uzeti vie uticajnih kriterijuma, softversku podrkumoemo oekivati od sistema za podrku odluivanju. U dosadanjem radu za pomenute

probleme koriena je viekriterijumska optimizacija ali njena sloenost i vreme potrebno zaanalizu esto predstavljaju prepreku za primenu ove metode za svakodnevne problemeodluivanja.

Primenu ekspertnih sistema u odravanju karakterie znaajno smanjenje trokova

odravanja, poveanje produktivnosti i dobijanje visokog stepena pouzdanosti proizvodneopreme. Navedeni su faktori koji direktno proizlaze iz primene ekspertnih sistema u

odravanju. Posledino se javljaju i uteda u sredstvima za podmazivanje, poveanjebezbednosti, smanjenje nepotrebnih opravki itd. Dakle, primena ekspertnih sistema znaajnopodie kvalitet rada u oblasti odravanja, a u tome poseban udeo nose oni ekspertni sistemikoji u sebi imaju ugraen modul za optimizaciju frekvencije izvoenja preventivnih aktivnostiodravanja kao i optimizaciju trokova odravanja.


13/28


14/28

Da bi se klasina dijagnostika pacijenta izvela pravilno, posmatra se sazrevanje

bakterija inficiranog organizma. Meutim, taj proces zahteva oko 48 sati to moe biti kobnoza zaraeni organizam. Zbog toga doktori moraju brzo da reaguju na osnovu postojeihinformacija o stanju pacijenta i predloe odgovarajuu terapiju.

Mycin je razvijen na osnovu ispitivanja kako vrhunski strunjaci vre dijagnostikuinfekcije na osnovu malog broja informacija koje su im dostupne. Kao takav, Mycin umnogome pomae mladim strunjacima da na osnovu iskustva starijih kolega, smetenih u

jedan raunarski ekspertni sistem, donesu veoma bitnu odluku i prepiu potrebnu terapiju.

Prema istraivanjima sprovedenim na Univerzitetu Sarvej (The University of Surrvey,Gildford UK), a pozivajui se na radove Edwarda Shortiffe-a (1972) sa Stanford Univerziteta(California, USA), na slici 5.8 je dat nain funkcionisanja Mycina.

U ovom radnom okruenju korisnik ima povratnu vezu sa korisnikim interfejsompreko koga ostvaruje kontakt sa bazom znanja, razmatra strategiju i donosi odluke. On imapristup detaljima o pojavi novih sluajeva, a takoe koristi savete i objanjenja dostupne

ovom ekspertnom sistemu. Baza znanja i zakljuna strategija su povezani sa ugraenimalatima ekspertnog sistema, na iji rad ima dejstvo inenjerstvo znanja i ekspertski domen.

Mycin nije, zbog odreenog broja nedostataka, u potpunosti korien u medicini, ali jeu mnogome zacrtao put savremenim ekspertnim sistemima. On je korien kao pomo pridijagnostici, a u poetku je njegova stopostotna upotreba veoma esto izbegavana zbogetikog pitanja: ija je krivica ako ES donese pogrenu dijagnozu?. Meu ekspertima

postojali su suprotni stavovi, dok su jedni bili za primenu Mycin-a, drugi su smatrali dakompjuterska dijagnoza nije adekvatna za primenu u realnim uslovima.

Error!

Slika 5.8. Grafiki prikaz funkcionisanja ekspertnog sistema Mycin

Ekspertni sistem Mycin je baziran na znanju IF-THEN (ako-onda) pravila sa injeninimfaktorima: (IF) AKO je infekcija bakterolokog tipa (AND) I inficirano mesto jedno od sterilisanih mesta (AND) I sumnja se da je ulaz zaraze putem hrane (THEN) ONDA je najverovatnije (npr.0.7) da je infekcija prouzrokovana bakterijom

U navedenom primeru 0.7 predstavlja grubo odreenu verovatnou da je dijagnozatano odreena. Pri analizi Mycina koristi se tzv. uslovna verovatnoa.

Mycin je bio napisan u LISP-u (programski jezik) i njegova pravila su bilaprezentovana kao Lisp objanjenja. Analiza radnog dela pravila moe biti samo zakljuak daje problem reen ili moe sluiti kao arbitraa za Lisp objanjenja. Ovo omoguava velikufleksibilnost, ali promeniti neke od modula i injenica osnovnih pravila sistema, odnosno

pojednostaviti sistem, moralo je biti veoma paljivo uraeno.

Analizirajui ekspertni sistem Mycin, moe se zakljuiti da je to sistem koji korististrategiju meusobno vezanih analiza. On koristi promenljive heuristike metode (ili dokazeodreenih hipoteza) u cilju istraivanja i dolaska do krajnjeg cilja- reenja problema.


15/28

Kako Mycin funkcionie

KORISNIK

Korisni ki interfejs

Detalji o

novomslu aju

Baza znanja Zaklju nastrategija

Ugra eni alati ekspertnog sistema

Inenjerstvoznanja

Ekspertskidomen

Saveti i

objanjenja

Dijalog sa Mycin-om se sastoji iz tri glavne faze:

U prvoj fazi date su sve prikupljene ulazne informacije o problemu i sistem moe datiodreenu, ali za sada veoma iroku, dijagnozu.

Druga faza podrazumeva postavljanje direktnijih pitanja da bi se dolo do odreenihspecifinih hipoteza. Na kraju ove faze analiza je konkretnija i tana dijagnoza je predoena.

U treoj fazise postavljaju pitanja usko vezana za bolest na koju se sumnja i na kraju detaljneanalize se daje definitivna dijagnostika o pacijentovoj bolesti.

Sistem odgovara na pitanja vezana za svoju analizu, nain na koji je razmiljao idokaze na osnovu koje je doao do dijagnoze.

Svakako da je Mycin, kao jedan od prvih ekspertnih sistema u oblasti medicine, imaodosta nedostataka, koji su ograniavali njegovu potpunu upotrebu. Kasnijom verzijom

NEOMYCIN-a pokualo se doi do eksplicitnih objanjenja, tj. pokuale su se reprezentovatiinjenice o razliitim vrstama odluka. Glavni problem je bio reen na taj nain to se koristilotzv. drvo odluivanja, u kome se kretalo od najoptijih injenica i ilo ka sve sloenijim

pitanjima suavajui na taj nain obim informacija i vodei dalju analizu u pravom smeru do konane tane dijagnoze.


16/28

POVRATAK

Ako jevrednost

parametrapoznata

Upitati korisnika zavrednost parametra

Da

Ne

Ne

Ne

Da

Da

Ponovo pronai Y= Listapravila koja mogu

pomoi pri odreivanjuvrednost parametara

Prikazati na monitorusve vrednosti Y

START

POVRATAK

Upitati korisnika zavrednost parametara

Prikazati na monitorusvaku vrednost Y

Pronai Y= Lista pravila kojamogu pomoi pri odreivanjuvrednosti parametara

Ako jevrednost

parametarapoznata

Da lije parametardeo laborato-

rijskihpodataka

POVRATAKPOVRATAK

Slika 5.9. Struktura kretanja kroz baze podataka

Prema Univerzitetu Sarvej (The University od Surrvej, Guildford, UK), zahvaljujuiMycinu, razvijeno je mnogo drugih, savremenijih ekspertnih sistema koji su nali veoma

veliku primenu u savremenoj medicini, slika 5.10.

Na primer, EMYCIN je bio prva sledea ekspertska koljka razvijena zahvaljujuiMycin-u (ija upotreba poinje 1981. godine). Njegov naslednik bio je ekspertni sistem PUFFkoji se koristi u domenu sranih problema. Kao sistem za obuku lekara koristi se ekspertnisistem NEOMYCIN, koji prua savete i objanjenja gde je dolo do greke pri lekarskojdijagnostici.


17/28

SISTEMI RAZVIJENI IZ MYCIN

Dendral

MYCIN

Baobab

Guidon

Teiresias Emycin

Vrn

Puff

Sacon

Centaur

Wheeze

Gravida

Clot

Neomycin

1970.

1980. Oncocin

Slika 5.10. Grafiki prikaz sistema razvijenih iz Mycina u periodu od 1970.-1980. godine

Dananja upotreba Mycin-a olakana je mnogobrojnim interfejsima povezanim saraunarima, pa je kretanje kroz jedan ovakav ekspertni sistem omogueno i prilagoeno kakostudentima koji e na osnovu iskustava starijih kolega dobiti adekvatnu pomo u obuci ireavanju postojeeg problema, a zahvaljujui najmodernijim kompjuterskim tehnologijama iveoma lako rukovanje sistemom, tako i iskusnijim lekarima koji na vrlo efikasan i brz nainmogu doi do odgovora na postavljena pitanja.

Ekspertni sistem Mycin, iako nesavren, bio je jedan od prvih ES koji su se pojavili iimao veoma veliku, ako ne i kljunu ulogu u daljem razvoju ekspertnih sistema i kao takvogga treba i posmatrati. Ne treba zalaziti u njegove nedostatke, kojih je nesumljivo bilo dosta,vega posmatrati kao bazu na osnovu koje se vrilo dalje usavravanje.


18/28

5.3. Ekspertni sistem za izbor automobila

Opis problema

Posmatrani ekspertni sistem odnosi se na izbor automobila. Ovaj ekspertni sistem

moe se primeniti na razliitim primerima izbora ili paralelno sa sistemom za podrkuodluivanju. Neophodno je izvriti izbor tako da budu zadovoljeni kriterijumi cena, kvalitet,trokovi odravanja, vek trajanja, itd. Definisano je nekoliko ulaznih modela (markiautomobila) meu kojima je neohodno izvriti izbor.

Reavanje problema

Za reavanje posmatranog problema koriena je koljka ekspertnog sistema ''Doctus''.

koljka ekspertnog sistema je tzv. prazan ekspertni sistem ili alat za izgradnju bazeznanja ekspertnog sistema. koljke ekspertnih sistema su pogodne za upotrebu, jer se istisoftverski alat primenjuje za reavanje vie problema.

Dakle, prvi korak pri radu sa koljkom ekspertnog sistema jeste akvizicija baze znanjatj. prikupljanje podataka odnosno znanja eksperta u bazu znanja. Zatim je neophodnasistematizacija baze znanja tzv. inenjering znanja. Tako formirana baza znanja je spremna zaupotrebu.

U Doktusu postoje tri tipa zakljuivanja, odnosno traenja odluke i to:-Ako ekspert moe jasno da izrazi vane aspekte odluke, ali isto tako i pravila, sistem

e koristiti ta pravila da doe do krajnje procene. Ovo se u doktusu zove deduction(oduzimanje), to ustvari znai zakljuivanje na osnovu pravila. Koristi se kada nema

prethodnog iskustva pa se takva situacija zove ORIGINALNA ODLUKA.

-Ako ekspert moe da definie aspekte, ne i da odlui koji su vani ili vaniji, a toisto vai i za pravila, ali dok god ima odreeno iskustvo moe ga upotrebiti u pronalaenju

pravila koja e opisati alternative ( u doktusu CASES). To bi onda simboliki znailozakljuivanje na osnovu alternativa. Ekspertu je lake to je njegovo iskustvo vee u tom

podruju a situaciju opisujemo kao RUTINSKA ODLUKA.

-Najzad trea situacija bi se najjednostavnije mogla opisati kao kombinacija prethodnedve.

U sluaju kada ne postoje prethodna iskustva u datoj oblasti, ekspert na osnovuprikupljenih informacija pristupa definisanju pravila, a zakljuivanje u takvoj situaciji zove se

zakljuivanje na osnovu pravila (Rule Based Reasoning). Zakljuivanje polazi od optih,generalnih pravila ka posebnim, to je prikazano u datom primeru.

Akvizicija znanja uvek zapoinje formulisanjem aspekata odluke. Aspekte unosiekspert i to kao atribute i njihove vrednosti, slika 5.11. Vrednosti atributa su dakle kriterijumiodluke. Akvizicija atributa i njihovih vrednosti se odigrava na prvom tabu Doctusa koji sezove ,,Attributes.


19/28

Slika 5.11.Akvizicija atributa i njihovih vrednosti ( Doctus help)

Sledei korak u izgradnji baze znanja zasnovane na pravilima je odreivanjemeusobne zavisnosti atributa.

Slika 5.12.Grafikon baziran na pravilima

Kao to se vidi na slici 5.12 po formiranju grafikona postoji vie vrsta atributa. Ulazniatributi koji su faktori i ne zavise od drugih faktora, zatim meuzavisni koji zavise od ulaznihali su i sami faktori atributima odluke. Jedan koristan savet bi bio da jedan atribut ne bitrebalo da zavisi ne vie od 3-4 atributa faktora, a iz razloga da bi unoenje pravila biloolakano.

U sledeem koraku se ne ide odmah na definisanje pravila ve se prvo definiualternative. Razlog ovome je, to se pri definisanju alternativa moe doi do odreenih uvidao poeljnim promenama kako atributa tako i njihovih vrednosti. Dakle ovo se odigrava nadrugom tabu doctusa (vidi sliku 5.13).

Slika 5.13.Akvizicija alternativa- casesAlternative se opisuju atributima. Jedna vrednost svakog atributa se pripisuje svakoj

od alternativa. Tanije jedna vrednost je osnovna ali Doctus prihvata i tzv. nepoznato,zanemarljivo i distributivne vrednosti (one koje se nalaze negde izmeu dve osnovnevrednosti).

Samo zakljuivanje se vri na osnovu grafikona zasnovanog na pravilima (Rule BasedGraph) a nova alternativa se moe dodati u svako doba.


20/28

Sledei korak bi bio definisanje samih pravila:

Ako pravilo sadri jednu vrednost svakog faktora radi se o elementarnom pravilu Ako pravilo pak pokriva vie od jedne vrednosti za najmanje jedan atribut radi se o

kompleksnom pravilu. Kompleksno pravilo moe biti vieno i kao agregacija elementarnih

pravila.

Svaka elija je jedno pravilo. Postoje dva ekrana normalan i dvodimenzionalni (2D)koji olakava definisanje kompleksnih pravila. Takoe postoji dodatni alat koje moemovideti kao smajlije a koji upuuju na loa ili pak suvie dobra pravila i od velike su koristi,slika 5.14.

Slika 5.14.Provera koegzistentnosti pravila

Proces zakljuivanja podrazumeva ukljuivanje pravila za alternative radi dobijanjavrednosti atributa odluke za svaku od alternativa, to se jo zove evolucija alternativa, slika5.15.

Slika 5.15.Analiza rezultata

Na osnovu analize rezultata mogue je doneti odluku o izboru najpovoljnijegalternativnog reenja.


21/28

5.5. Ekspertni sistem za izbor odgovarajueg softverskog alata za reavanje sloenih

problema u preduzeu

Za reavanje sloenih menaderskih problema u upravljanju i odluivanju na tritu, danaspostoje brojni softverski alati. U datom primeru prikazan je ekspertni sistem za izborodgovarajueg softverskog alata za podrku u reavanju sloenih problema u preduzeu.

Predstavljeni ekspertni sistem ima za cilj da olaka proces donoenja kompleksnih odluka upreduzeu ukazujui donosiocima odluke koji softverski alat moe u potpunosti da podrireavanje konkretnog problema.

Prilikom reavanja postavljenog problema odluivanja, donosilac odluke prvo se susree saproblemom izbora odgovarajueg softverskog alata za podrku odluivanju. Neophodno jenavesti da postoje problemi koje donosilac odluke reava samostalno bez podrke raunara,mada u reavanju kompleksnih problema najee je neophodna primena raunara zbogvelikog broja podataka, uticajnih varijabli, kriterijuma, alternativa i slino.

Reavanje problema izbora odgovarajueg softverskog alata za prodrku odluivanju oddonosioca odluke zahteva poznavanje karakteristika postojeih informacionih sistema i

dodatno produava vreme reavanja problema. U tom smislu projektovan je ekspertni sistemasa namenom da olaka donosiocima odluke proces reavanja problema i da skrati vreme

potrebno za izbor odgovarajueg softverskog alata.

Projektovanje ekspertnog sistema za izbor odgovarajueg softverskog alata

Prilikom izbora odgovarajueg softverskog alata za podrku u procesu reavanjakompleksnog problema, potrebno je razmotriti niz pitanja koja e nam ukazati na odgovorkoji sofverski alat moe pruiti podrku donosiocu odluke. U tom smislu, prvo je neophodnorazmotriti mogunosti dekomponovanja postavljenog problema.

Ukoliko postoji mogunost dekomponovanja, neophodno je analizirati svaki potproblemposebno, ili, drugim reima, pronai odgovarajui softverski alat za reavanje svakogpotproblema, a zatim ispitati mogunost integracije rezultata koji potiu iz razliitihsoftverskih alata.

Veliki broj autora istie strukturiranost problema kao jedan od najvanijih pokazatelja zapravilan izbor softverskog alata za podrku odluivanju. Strukturiran problem podrazumevada je problem dobro definisan, dok nestrukturiran problem ukazuje da pri reavanju problemane postoje u potpunosti definisani ulazni parametri, problem nije u potpunosti odreen. Kodkompleksnih problema, pojedini autori smatraju da repetitivnost i strukturiranost problemastoje u odreenoj vezi.

Ispitivanje repetitivnosti problema predstavlja sledei korak. Kod problema koji se javljajusamo jednom postavlja se pitanje opravdanosti projektovanja i/ili nabavke odgovarajueg

softverskog alata za njegovo reavanje. Ukoliko posmatrani kompleksni problem imadalekosene posledice, moe imati posledice po bezbednost ljudi, okolinu ili finansijskegubitke tj. spada u kategoriju visoko rizinih projekata, u tom smislu svakako da postojiopravdanost za nabavkom ili projektovanjem odgovarajueg softverskog alata za podrku unjegovom reavanju. U sluaju repetitivnih problema, primena softverskih alata za podrku ureavanju postavljenog problema, ekonomski je opravdana, poveava kvalitet donesenihodluka, smanjuju se administrativni trokovi, realizuje se uteda u vremenu neophodnom za


22/28

reavanje postavljenog problema. To sve utie da donosioci odluka imaju vie vremena zaostale radne zadatke, ime se postie poveanje produktivnosti i ukupnog prihoda.

Analiza da li se problem reava pomou kvantitativnih ili kvalitativnih metoda ukazuje namna neophodnost primene deterministikih modela zasnovanih na kvantitativnim pokazateljimaili probabilistikih modela uz korienje kvalitativnih procena donosioca odluke. U tabelama

5.2 i 5.3 iznete su podele koje donosiocu odluke, u zavisnosti od vrste postavljenog problema,sugeriu koji softverski alat treba da koristi.

Tabela 5.2. Okvir za primenu IS (Turban, Aronson, 1998)Tip odluke Operativni nivo Taktiki nivo Strateko

planiranjeNeophodna jepodrka:

Strukturirane Raunovodstvo Analiza budeta,kratkorono

planiranje, izbor:napraviti ili kupiti

Upravljanjefinansijama,lokacija skladita,distributivnisitemi

Menadmentinformacionisistemi,operacionaistraivanja

Deliminostrukturirane Proizvodnoplaniranje Procena kredita,izgradnja fabrike,

upravljanjeprojektima

Izgradnja novefabrike, planiranjenovog proizvoda,

planiranjeobezbeenjakvaliteta

SPO

Nestrukturirane Sve vrste izbora,kupovina softvera,odobravanjekredita

Pregovori,kupovinahardvera

Razvojistraivakihaktivnosti, razvojnovih tehnologija

SPO, ES, NN

Neophodna jepodrka:

Menadmentinformacionisistemi,operacionaistraivanja

SPO SPO, ES, NN

Tabela 5.3.Atributi kompjuterskih informacionih sistema za podrku odluivanju (Turban,Aronson, 1998)

Obradni

sistemi

MIS (MIS) SPO (DSS) ES (ES) UIS (EIS) NN (NN)

Primena

Proizvodnei prodajneinformacije

Proizvodnopraenje,predvianjeprodaje,kontrola

Dugoronostrateko

planiranje,kompleksni

problemi

Dijagnoza,strateko

planiranje,definisanjestrategija

Podrka topmenadmentu,odluivanje,

praenjeokruenja

Kompleksnerepetitivneodluke,dijagnoza,

praenjeinvesticija

Fokus

Obradapodatka

Informacije Odluivanje,fleksibilnost,

prilagoenostkorisniku

Zakljuivanje,ekspertiza

Praenje,kontrola

Prepoznava-nje premamodelu(ablonu)

Baza

podataka

Jedinstvenaza svakuaplikaciju

Interaktivanpristupprogramerima

Sistem zaupravljanje

bazompodataka,

interaktivanpristup,injeninoznanje

Proceduralno iinjeninoznanje, bazaznanja

(injenice ipravila)

Spoljanjabaza znanja(online) iorganizaciona,

pristup imajusvi korisnici uorganizaciji

Istorijskisluajevi,obezbeiva-nje uenja

Sposo-

bnosti

odluivanja

Nema Strukturiranirutinski

problemikorienjemkonvencionalnihalata nauke omenadmentu

Polustruktu-rirani

problemi,integracija samodelimanauke omenadmentu,

procenjivanjei modeliranje

Sistem donosikompleksneodluke,nestrukturirane,korienjem

pravila

Samo ukombinaciji saSPO

Svodi se napredvianjazasnovana naistorijskimsluajevima


23/28

Manipulacija

Numerika Numerika Numerika Simbolika Numerika(uglavnom),

ponekadsimbolika

Numerikapredobrada

Vrsta

informacija

Zbirniizvetaji

Obrada zahteva,raspored

Informacije zapodrkuspecifinihodluka

Savet iliobjanjenje

Posebniraporti,kljuniindikatori

Predvianje

Najvii nivo u

organizaciji

koji opsluuje

Najnii

nivomenadera

Srednji nivo

menadmenta

Analitiari i

menaderi

Menaderi Menaderi na

viim niviomu hijerar.strukturi

Specijalisti,

menaderi

PodstrekKorisnost Efikasnost Efektivnost Efektivnost i

korisnostSkraenjevremena

Korisnost

Na osnovu iznetih razmatranja i podela koje su predstavljene u tabelama 5.2 i 5.3 definisan jesledei niz pitanja za formiranje baze znanja u ekspertnom sistemu za izbor odgovarajuegsoftverskog alata za reavanje sloenih problema u preduzeu:

1. Da li je mogue problem dekomponovati?Mogue jeNije mogue2. Da li je problem strukturiran?Problem je strukturiranProblem je delimino strukturiranProblem je nestrukturiran3. Da li je problem repetitivan?problem je repetitivne prirodeproblem nije repetitivne prirode4. Definisati hijerarhijski nivo na kojem se problem javlja.problem se javlja na operativnom nivouproblem se javlja na taktikom nivouproblem se javlja na stratekom nivou5. Da li je u procesu reavanja problema neophodno uee vie lica?neophodno je grupno odluivanjedovoljan je jedan donosilac odluke6. Da li je u procesu reavanja problema neophodno ekspertsko znanje?neophodno je ekspertsko znanjenije neophodno ekspertsko znanje7. Analizirati mogunost pribavljanja podataka?potpuna nemogunost pribavljanja podatkanije mogue pribavljanje svih potrebnih podatakamogue je pribaviti potrebne podatke8. Da li je u procesu odluivanja neophodno ukljuiti procene donosioca odluke?neophodno jenije neohodno


24/28

Projektovanje baze znanja

Za projektovanje baze znanja koriena je koljka ekspertnog sistema Resolver (koljka jenaziv za prazan ekspertni sistem u kojem je mogue projektovati bazu znanja). Projektovanje

baze znanja u koljci ekspertnog sistema svodi se na definisanje produkcionih pravila u IF -

THEN formi, koja ine prethodno izneta pitanja, ponueni odgovori i krajnji odgovor (goal)sa objanjenjem postupka izbora odluke.

U iznetom sluaju, formiranje baze znanja je krajnje jednostavno jer nije neophodno zadavativarijable za pojedina pravila niti je potrebno ukljuivati dodatne mehanizme za njihovoodreivanje. Olanavanjem unapred, "okidaju" se pravila, s tim to treba zadati da se proceszaustavi im se naie na kontradiktorne odgovore i u tom sluaju je potrebno preispitati

prirodu problema.

Zbog velike kompleksnosti u projektovanju baze znanja za predloeni model u razmatranje jeuzeta skraena verzija u kojoj egzistiraju samo najneophodnija pitanja. Takva baza sadri 58

pravila i predstalja osnovu donosiocu odluke za izbor odgovarajueg softverskog alata u

reavanju odreenog kompleksnog problema. Stoga je projektovani model zapravoredukovani ekspertni sistem, izgraen u koljci Ekspertnog sistema ReSolver. Definisanjeosnovnih parametara pri projektovanju ekspertnog sistema dato je na slici 5.21.

Neke od poznatijih koljki ekspertnih sistema su: FOCIL, OPS5, RT-Expert, CLIPS,BABYLON, CRISTAL, EXSYS Professional, FLEX, HUGIN Systems, GBB, ILOG,RULES, Intelligence compiler, KWG, ReSolver, Level5, K-Vision, TechMate, VBXpert,Visual Expert, itd. Resolver je izabran u datom primeru zbog lakoe u konstruisanju drvetaodluivanja baze znanja, nije neophodno poznavanje programskih jezika (LISP,PROLOG,..), jednostavnosti u korienju od strane korisnika.

Slika 5.21.Definisanje osnovnih parametara pri projektovanju ekspertnog sistemakorienjem koljke ekspertnog sistema

Na slici 5.22 prikazano je dodavanje pitanja Q1 (Question No.1) u bazi znanja: Da li jeproblem mogue dekomponovati na potprobleme sa potencijalnim odgovorima Mogue je iNije mogue i definisanjem maksimalnog broja odgovora (u nekim sluajevima od vie


25/28

ponuenih odgovora korisnik moe da izabere jedan ili vie odgovora), vezivanjem pitanja uzodgovarajuekran, definisanje spoljanjeg izvora podataka i sl.

Slika 5.22. Definisanje pitanja

Na sledeoj slici 5.23 prikazano je drvo odluivanja u fazi izgradnje.

Slika 5.23. Drvo odlulivanja

Dodavanje novih elemenata vri se preko pomonog ekrana, slika i 5.24.

U IF delu produkcionog pravila mogue je definisati pitanje, varijablu ili matematiki izraz. UTHEN delu produkcionog pravila mogue je definisati pitanje, varijablu, krajnji cilj(zakljuak), poruku/komandu, komentar ili ignorisati tu granu drveta odluivanja.


26/28

Slika 5.24.Dodavanje novih elemenata

Za razliku od pitanja u IF delu kada korisnik moe da izabere neku od ponuenih vrednosti,kod varijabli korisnik moe da unese konkretnu vrednost kao odgovor na postavljeno pitanje(u numerikom obliku ili kvalitativnom). Kod definisanja varijabli u bazi znanja se zadajugranice za numerike vrednosti i na taj nain odreuje pripadnost odgovora odreenoj grupi.

Na slici 5.25 prikazano je definisanje varijable i izgled radnog ekrana za istu.

Slika 5.25.Definisanje varijabli

Rad ekspetnog sistema

Za posmatrani primer optimizacije proizvodnog programa testiran je predloeni ekspertnisistem za izbor odgovarajueg softverskog alata. Opcijom run pokree se eksperni sistem ikorisnik daje odgovore na postavljena pitanja. Postavljeni problem nije moguedekomponovati kako se problem izbora proizvodnog programa posmatra kao integralnacelina. Posmatrani problem je delimino strukturiran jer za pojedine kriterijume nisudefinisani ulazni podaci (npr. pretpostavlja se tranja za odreenim proizvodima). Nijeneophodno istovremeno uestvovanje vie donosilaca odluke, tj. grupno odluivanje. Procenedonosioca odluke su neophodne kod ocene vanosti uticajnih kriterijuma. Na slici 5.26 dat je

prikaz radnog ekrana.


27/28

Slika 5.26. Radni ekrani

Po unoenju odgovora na sva postavljena pitanja, ekspertni sistem korisniku daje konkretanodgovor, savet za reavanje postavljanog problema, a na zahtev korisnika ekspertni sistemmoe da prui i objanjenje/postupak rezonovanja za izvoenje zakljuka. Na slici 5.27

prikazan je postupak verifikacije odluke pri emu ekspertni sistem navodi da kako:IF Problem nije mogue dekomponovatiAND Problem je delimino strukturiran

AND Problem je repetitivne prirodeAND Problem se javlja na taktikom nivouAND Dovoljan je jedan donosilac odlukeAND Nije neophodno ekspertsko znanjeAND Potrebno je ukljuiti procene donosioca odlukeTHEN U reavanju problem neohodno je primeniti sistem za podrku odluivanju.

Slika 5.27.Finalni zakljuak i njegovo obrazloenje

Ekspertni sistemi mogu da donosiocima odluke olakaju proces odluivanja pruanjemodgovarajueg saveta, odluke, dijagnoze i sl. U zavisnosti od mogunosti prenoenjaekspertskog znanja u oblik baze znanja, zavisi oblast primene i iskorienja potencijalaekspertnih sistema. U datom primeru, primenom ekpertnog sistema za izbor odgovarajuegsoftverskog alata za reavanje konkretnog problema optimizacije proizvodnog programa

predloeno je reenje - sistem za podrku odluivanju (to je i pokazano u primerima koji seodnose na primenu sistema za podrku odluivanju u poglavlju 4).


28/28

at6 ekspertni sistemi

Documents