Студопедия

КАТЕГОРИИ:


Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748)

Технологии экспертных систем. Первые автоматизированные системы управления обрабатывали большие объемы данных отдельных экономических задач или функциональных подсистем


Первые автоматизированные системы управления обрабатывали большие объемы данных отдельных экономических задач или функциональных подсистем. Ни о каких серьезных управленческих задачах речь не шла, так как только намечались научные подходы их решения. Им на смену пришли экономические информационные системы.

ЭИС состоит из нескольких функциональных подсистем, обрабатывающих множество локальных баз данных. При этом разные функции управления реализуются разными подсистемами. Например, для контроля исполнения документов (приказов, инструкций, писем и т.д.) разрабатывались исполнительные информационные системы EIS (Execution Information System). Для выполнения других управляющих функций разрабатывались управленческие информационные системы MIS (Management Information System). Их реа­лизация зависела от поставленных целей, типа предприятия, циркулирующих регламент­ных форм документов, деления на подсистемы и т.д.

Однако эти системы не обеспечивали подсказку для выбора правильно го решения, стратегического планирования, реорганизации бизнеса. Корпоративные информационные системы также не обеспечивают поддержку принятия решения.

Технологии управления связаны с принятием решения: какого специалиста принять на работу, какой вид продукции выпускать, какого поставщика выбрать, куда лучше вложить деньги и Т.д. Первые технологии были основаны на рассмотрении всех доступ­ных человеку положительных и отрицательных последствий принимаемого решения. Од­нако выяснилось, что для принятия рационального решения требуется доступ ко всей ин­формации о последствиях этого решения и неограниченное время для анализа этой информации. Обычно ни того, ни другого нет.

В середине семидесятых годов прошлого столетия модели принятия решения стали базироваться на методах теории вероятности. В них ввели фактор неопределенности. В это же время начался процесс автоматизации управленческой деятельности на базе этих и других моделей.

Задачи управления требовали нетривиальных подходов к их решению. Это объясняется рядом факторов:

§ для принятия решений требуются не просто данные, но их новый вид - знания;

§ для получения знаний требовались алгоритмы переработки больших объемов информации, выявления скрытых знаний (скрытых закономерностей и зависимостей дан­ных) и преобразования их в явные;

§ решение необходимо принимать, учитывая противоречивые требования;

§ необходимо учитывать быстро меняющуюся обстановку;

§ требовались алгоритмы решения плохо формализуемых задач;

§ требовались новые методы управления.

Для принятия управленческого решения требуется не только информация, а знание



о ситуации, по которой принимается решение. Практическое применение самообучающихся интеллектуальных систем для решения управленческих задач позволило разработать технологии записи знаний специалистов, получивших название экспертных систем.

Потребности решения задач управления, наличие моделей представления знаний и r способов их формализованного представления в базе знаний привели к разработке экспертных систем.

Экспертная система - система искусственного интеллекта, включающая базу знаний с набором правил и механизмом вывода, позволяющим на основании правил и предоставляемых пользователем фактов распознать ситуацию, поставить диагноз, сформулировать решение или дать рекомендацию для выбора действия. Экспертные системы, применяемые в управлении, базируются на эвристических, эмпирических знаниях, оценках, полученных от экспертов. Они способны анализировать данные о ситуации, требующей решения, объяснить пользователю свои действия и показать знания, лежащие в основе принятия решений.

Экспертные системы основаны на- формализованном способе представления зна­ний эксперта - специалиста в исследуемой предметной области. Их успех во многом определялся тем, насколько компетентны эксперты, насколько они способны передать свой опыт специалистам по представлению и записи знаний в базу, четко ли очерчена решаемая проблема, достаточен ли полученный объем знаний для подсказки решения.

в процессе разработки экспертных систем специалисты по представлению знаний (программисты) в интерактивном режиме совместно с экспертом записывали знания в базу знаний. Эксперт описывал ситуацию и возможные управленческие решения словами(вербально) в терминах предметной области. Он формулировал либо некоторые общие высказывания и правила по ситуации, либо описывал конкретные примеры, образцы решений и действий в конкретных ситуациях.

Для представления знаний использовались фреймовые и объектно-ориентированные модели. Фрейм - структура представления знаний, состоящая из слотов. Слот состоит из элементов, заполнение которых определенными значениями превращает фрейм в описание конкретной ситуации. Слот определяет имена атрибутов ситуации, их значения и ссылки на другие слоты.

Создание экспертной системы выполнялось методом проектирования, при котором происходит постоянное наращивание базы знаний при итерационном прохождении каж­дого этапа проектирования экспертной системы.

При применении экспертной системы вводится описание ситуации, для которой требуется подсказка решения. Выполняется поиск подобной ситуации в базе знаний, и если она найдена, выдаются рекомендации по принятию решений. Если описание ситуации отсутствует, можно его добавить.

В дальнейшем при проектировании экспертных систем использовались семантические сети, теория графов, лингвистические процессоры, когнитивная графика и др. Семантические сети дают способ представления знаний в виде помеченного ориентированного графа, в котором вершины соответствуют понятиям, объектам, действиям, ситуациям или сложным отношениям, а дуги - свойствам или элементарным отношениям. Теория графов изучает графы, сети и действия над ними. Лингвистические процессоры предназначены для перевода текстов на естественном языке в машинное представление и обратно.

Экспертные системы помогают принимать решения в ситуациях, когда алгоритм принятия решения заранее не известен и формулируется одновременно с формированием базы знаний.

Экспертные системы применяются во многих сферах человеческой деятельности. Они используются в управлении производством, транспортными системами и других направлениях экономической деятельности. Примером может служить система страхования коммерческих займов CLUES.

<== предыдущая лекция | следующая лекция ==>
Нейронные сети. Общие принципы построения нейронных сетей были заложены в начале второй половины 20 века в работах таких ученых | Технологии видеоконференции

Дата добавления: 2014-01-03; Просмотров: 181; Нарушение авторских прав?


Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет



ПОИСК ПО САЙТУ:


Рекомендуемые страницы:

Читайте также:
studopedia.su - Студопедия (2013 - 2020) год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! Последнее добавление
Генерация страницы за: 0.002 сек.