Cистемы поддержки принятия решения и экспертные системы

 

Кроме того, в APM WinMachine имеется набор инструментальных средств расчета и анализа. Эти средства, а также проектируемые детали, в зависимости от назначения разделены на подсистемы (модули), которые могут функционировать как в составе системы, так и самостоятельно:

1. APM Graph - плоский чертежно-графический редактор с инструментом расчета размерных цепей

2. APM Studio - модуль твердотельного и поверхностного моделирования

3. APM Mechanical Data - модуль хранения стандартных деталей и узлов, расчетных данных по машиностроению

4. APM Material Data - модуль хранения и редактирования параметров материалов

5. APM Construction Data - модуль хранения графической информации по стандартным деталям и элементам строительных конструкций

6. APM Drive - модуль автоматизированного проектирования привода вращательного движения произвольной структуры

7. APM Trans - модуль проектирования механических передач вращения

8. APM Shaft - модуль проектирования валов и осей

9. APM Bear - модуль проектирования подшипниковых узлов качения с учетом их класса точности

10. APM Joint - модуль проектирования соединений элементов машин

11. APM Spring - модуль проектирования упругих элементов машин

12. APM Cam - модуль проектирования кулачковых механизмов

13. APM Slider - модуль проектирования плоских механизмов произвольной структуры

14. APM Plain - модуль расчета подшипников скольжения

15. APM Screw - модуль расчета неидеальных винтовых передач (скольжения, шарико- и планетарно-винтовых)

16. APM Structure3D - модуль расчета  напряженно-деформированного состояния,  устойчивости, собственных и вынужденных  колебаний деталей и конструкций  с использованием метода конечных  элементов

17. APM Beam - модуль расчета балочных элементов конструкций

18. APM FEM2D - модуль конечно-элементного  анализа плоских деталей

19. APM Truss - модуль расчета ферменных конструкций

20. MDM (Основы проектирования  машин) - электронный учебник

 

 Каждый модуль предоставляет  пользователю интегрированную среду,которая в общем случае включает в себя:

• специализированный графический редактор;
• встроенные базы данных;
• полный цикл вычислений;
• разнообразные средства представления результатов расчета.

 

1.10 СИСТЕМА EXSYS

Экспертная система Exsys представляет собой интеллектуальную систему, которая может быть использована для разработки базы знаний в любой предметной области. При этом знания представляются в виде продукционных правил. В систему включены средства отладки и тестирования программы, редактирования для модификации знаний и данных.

Основной частью экспертной системы является база знаний, которая  накапливается в процессе развития системы. База знаний содержит правила  типа:

 

IF (условие) THEN (заключение), либо

 

IF (условие) THEN (заключение 1) ELSE (заключение 2)

 

Правила могут существовать с некоторой долей вероятности, которая выражается коэффициентом  уверенности. Величину этого коэффициента задает эксперт при разработки базы знаний. В экспертной системе Exsys предусмотрено три шкалы, по которым оцениваются коэффициенты уверенности.

Первая шкала использует только два значения коэффициентов  уверенности: 0 –ложь, 1 – истина.

Вторая шкала предусматривает  значения от нуля до десяти, при этом: 0 – абсолютная ложь, 10 – абсолютная истина, промежуточные значения характеризуют  различную степень уверенности.

Третья шкала расширяет  возможности второй: -100 – абсолютная ложь, +100 – абсолютная истина, промежуточные  значения соответствуют различной  степени уверенности.

При разработке базы знаний эксперт решает, в зависимости  от особенностей задачи, какую из этих шкал выбрать.

При разработке базы знаний можно воспользоваться текстовой  информацией, формулами или использовать и то, и другое одновременно. Все  зависит от выбора разработчика. В  том случае, если было решено использовать математические выражения, появляются переменные. Они записываются в квадратных скобках. Например, [X] > [Y].

С правилом могут быть связаны примечание (NOTE) и ссылка (REFERENCE), которые отражают справочную информацию. Каждое правило обязательно должно содержать две части IF – условие и THEN – заключение. Части ELSE, NOTE, REFERENCE не являются обязательными.

При разработке правил в  системе Exsys используются квалификаторы.

Квалификатор – это  специальная текстовая переменная, которая имеет имя и может  принимать одно из нескольких значений. Все значения пронумерованы для  быстрого и легкого ввода их при  создании правил.

 Квалификаторы используются  для формирования условий. С  этой целью выбирается нужный  квалификатор и указывается номер  соответствующего значения.

В процессе создания экспертной системы можно изменить любое  правило, любой квалификатор, их текстовую  информацию и вариант значения.

В системе формируются  варианты выбора (CHOICES) принятия решения, которые составляют часть THEN (заключение) правила с заданной экспертом  шкалой вероятности.

Важной особенностью системы  Exsys является возможность вывода информации из других правил, позволяющая разбивать сложные задачи на подзадачи. В Exsys реализованы механизмы как прямого, так и обратного вывода.

Система Exsys, как и любая экспертная система имеет возможность объяснения полученных результатов. При необходимости, можно выяснить весь ход вычислений, вплоть до исходных данных.

Система Exsys в процессе поиска решения способна выполнять ряд вычислительных задач, но некоторые задачи выходят за рамки его возможностей. В Exsys имеется возможность вызова внешних программ для выполнения вычислений. Внешние программы могут передавать данные Exsys через БД или spread sheet. Exsys может вызывать почти все MSDOS–программы в качестве внешних программ.

 

2 Системы поддержки принятия решения

Система поддержки принятия решений (СППР) — это компьютерная система, которая путем сбора и анализа большого количества информации может влиять на процесс принятия решений организационного плана в бизнесе и предпринимательстве. Интерактивные системы позволяют руководителям получить полезную информацию из первоисточников, проанализировать ее, а также выявить существующие бизнес-модели для решения определенных задач. С помощью СППР можно проследить за всеми доступными информационными активами, получить сравнительные значения объемов продаж, спрогнозировать доход организации при гипотетическом внедрении новой технологии, а также рассмотреть все возможные альтернативные решения.

Система поддержки решений  СППР решает две основные задачи:

1. выбор наилучшего решения из множества возможных (оптимизация),
2. упорядочение возможных решений по предпочтительности (ранжирование).

В обеих задачах первым и наиболее принципиальным моментом является выбор совокупности критериев, на основе которых в дальнейшем будут  оцениваться и сопоставляться возможные решения (будем называть их также альтернативами). Система СППР помогает пользователю сделать такой выбор.

2.1 СППР “Выбор”

Система поддержки принятия решений (СППР) "Выбор" - аналитическая  система, основанная на методе анализа  иерархий (МАИ), является простым и  удобным средством, которое поможет  структурировать проблему, построить  набор альтернатив, выделить характеризующие  их факторы, задать значимость этих факторов, оценить альтернативы по каждому из факторов, найти неточности и противоречия в суждениях лица принимающего решение (ЛПР)/эксперта, проранжировать альтернативы, провести анализ решения и обосновать полученные результаты. Система опирается на математически обоснованный метод анализа иерархий Томаса Саати.

СППР, основанная на методе анализа иерархий (МАИ), является простым  и удобным средством, которое  поможет структурировать проблему, построить набор альтернатив, выделить характеризующие их факторы, задать значимость этих факторов, оценить  альтернативы по каждому из факторов, найти неточности и противоречия в суждениях ЛПР/эксперта, проранжировать альтернативы, провести анализ решения и обосновать полученные результаты.

 СППР МАИ может использоваться  при решении следующих типовых  задач: 

• оценка качества организационных, проектных и конструкторских решений;
• определение политики инвестиций в различных областях;
• задачи размещения (выбор места расположения вредных и опасных производств, пунктов обслуживания);
• распределение ресурсов;
• проведение анализа проблемы по методу "стоимость-эффективность";
• стратегическое планирование;
• проектирование и выбор оборудования, товаров;
• выбор профессии, места работы, подбор кадров.

 Основные положения  метода анализа иерархий были  разработаны известным американским  математиком Т.Л.Саати и опубликованы в 1977г. Томас Саати является одним из самых ярких представителей прикладной науки. Об этом говорят не только его математическая эрудиция и глубина новых теоретических результатов, но и диапазон приложений. Он был прав, предпослав к одной из своих монографий эпиграф: "Я люблю обе стороны математики: чистую - как возвышенный уход от реальности, прикладную - как страстное стремление к жизни".

 МАИ используется для  решения слабо структуризованных и неструктуризованных проблем. Методология решения таких проблем опирается на системный подход, при котором проблема рассматривается как результат взаимодействия и, более того, взаимозависимости множества разнородных объектов, а не просто как их изолированная и автономная совокупность.

 

2.2 Mallenom Systems - Модуль анализа статистических данных на выявление внутренних закономерностей

Модуль осуществляет обработку  массивов статистической информации на предмет установления закономерностей  между значениями параметров. Используя  модуль, пользователь может проверять  предположения о существовании  взаимосвязей между указанными им параметрами  в массиве и вычислять их в  виде математической модели.

Имеется возможность анализировать  одновременно взаимосвязь до 30 параметров. В отличие от регрессионного анализа  модуль способен определять нелинейные зависимости, не требует разбиение  выборок на генеральные совокупности.

Модуль может работать в двух режимах.

1. Режим проверки  предположений по заданию пользователя

Чтобы воспользоваться вычислительной процедурой, пользователю необходимо задать перечень параметров в имеющемся  массиве, которые по его предположению считаются "определяющими" и набор параметров, которые являются "зависимыми". Для каждого "зависимого" параметра можно задать собственный набор "определяющих параметров". Затем модуль запускается на обработку.

2. Автоматическая обработка массива

В этом режиме пользователю необходимо задать набор параметров, которые будут подвергнуты анализу, без указания "зависимых" и "определяющих". Модуль автоматически попытается найти имеющиеся зависимости.

После обработки найденные  взаимосвязи для каждого из параметров пользователю могут быть представлены в виде графа:

 

 

2.3 Mallenom Systems - Модуль построения имитационной модели

анализируемого объекта на основе статистических данных наблюдения

 

Модуль служит для построения имитационных моделей объектов, явлений, процессов. В качестве исходных данных для построения моделей служат статистические данные наблюдения.

Чтобы построить имитационную модель необходимо провести серию наблюдений за исследуемым объектом (в тех  условиях его функционирования, которые  интересуют пользователя), представить  их в виде таблицы и запустить  модуль на обработку.

Модуль ориентирован на построение моделей в виде "вход-выход". В такой модели объект представляется как система с набором входных  параметров и набором зависимых  от них выходных.

 

Исходная таблица должна быть разделена  на 2 части - входные и выходные параметры, причем для каждого выходного  параметра пользователь может задать индивидуальный набор входных.

Модуль позволяет пользователю создать математическую модель объекта, которая должна ему помочь ответить на вопрос: "Как, зная значения параметров на входе объекта определить значения параметров на выходе?" (При использовании  модуля пользователем предполагается, что такую модель на основе статистических данных возможно создать.)