Обследование существующей системы

Обследование существующей системы проводится с целью изучения прикладной области, выявление насущных проблем, получение детальных сведений об имеющихся системах. Важнейшим аспектом является установление деловых контактов между разработчиком и пользователем.

Сбор детальных сведений

Рабочие материалы

Обобщение проблемы

Определение операций Компоновка документов

Подготовка операционных диаграмм

Описание данных

Критический анализ

2.4 Исследование информационных потоков.

При обследовании интегрированных производственных комплексов (ИПК), являющиеся одними из разновидностей информационных систем, выделяют следующие типы подсистем информационного обеспечения (ИО): автоматизированная система управления (АСУ) ИПК, гибкая производственная система (ГПС), АСУ НИОКР.

Отображением взаимосвязей подсистем в информационном обеспечении (ИО) информационных систем (ИС) в области данных являются информационные потоки, связывающие эти подсистемы, причем информационным потоком считается поток логически однородных данных движущихся от источника и приемника выступают подситсмы ИО, включая точки сбора и выдачи данных. Отметим, что между двумя подсистемами может существовать несколько информационных потоков, различающихся характером передаваемых данных и направлением передачи. При обследовании определяются следующие характеристики информационных потоков:

- номенклатура передаваемых данных (типы показателей, документы, сообщения, массивы);

- тип потока;

- интенсивность передачи данных;

- специальные характеристики потока (защита от несанкционированного доступа, помехозащищенность и др.).

Рассматриваются следующие типы информационных потоков: регулярный поток, соответствующий регламентированной во времени передаче данных; особым случаем регулярного потока является периодический информационный поток. Оперативным является информационный поток, для которого установлены жесткие ограничения на время передачи. Оперативный информационный поток обеспечивает связь абонентов в интерактивном и диалоговом режимах.

Рассмотренные информационные потоки соответствуют логическому уровню (ИО). Детализация состава базы данных (БД) и информационных потоков на физическом уровне определяется большим числом факторов, зависящих от конкретных условий ИС. Однако всегда имеют место следующие особенности:

- дублирование данных в БД;

- наличие дополнительных информационных потоков обновления дублируемых данных;

- наличие в каждый момент времени некоторых противоречивых данных вследствие несовпадения времени обновления дублируемых данных.

Информационные потоки являются выражением системного единства ИС и ее подсистем. Исследование этих потоков, тщательный учет отображаемых ими связей должны предшествовать разработке общей структуры ИС и в значительной степени определить эту структуру. Успешное проектирование информационных потоков обеспечивает межсистемный обмен данными, характеризуемый полнотой, безизбыточностью, актуальностью и адекватностью структуре и функционированию ИС

При изучении форм документации техники их заполнения и обработки выделяют следующий перечень вопросов:

1. Назначение документа.

2. Количество одновременно выписываемых документов.

3. Наименование обязательных реквизитов и показателей документов.

4. Кем заполняются реквизиты и показатели.

5. Правило формирования показателей.

6. Значность каждого показателя.

7. Периодичность составления документов.

8. Частота разработки показателей.

Документ совокупность 3 – х составляющих:

- физическая регистрация информации;

- форма представления информации;

- активизация определенной деятельности.

Характеристика документа – многофункциональность.

Для исследования входных и выходных документов применяются два метода:

- инвентаризации;

- метод типичных групп.

Методы исследования информационных потоков.

1. Графический.

2. Описание потоков информации и использованием теории графов.

- cетевая модель;

- графо-аналитический метод;

- графы типа дерева;

- метод функционально-операционного анализа.

Состав документации по анализу данных.

Перечень

Типов Определение

Данных типов Словарь

Данных Элементов Таблица

Данных связей Логическая

Схема

данных

Метод

доступа

Состав

Хранимых

данных

Основные требования предъявляемые к технологическому процессу обработки информации.

1. Единство технологического процесса.

2. Непрерывность технологического процесса.

3. Обеспечение суммарной надежности.

4. Равномерность загрузки.

5. Минимальная сложность и трудоемкость.

6. Минимальная сложность.

Выбор объектов автогматизации осуществляется на основе проведенного обследования избранного направления автоматизации и целесообразности объема автоматизации функций с учетом:

1. Достигнутого технического уровня средств автоматизации.

3. Возможности приобретения и внедрения технических средств.

4. Подготовленность объекта к внедрению автоматизхированных систем.

2.5 Строительство баз знаний автоматизированного проектирования. Объектно - ориентированные базы знаемой

. Развитие науки и любой проблемной области основано на знании. В философском смысле знание - это проверенный общественно-исторической практикой и удостоверенный логикой результат процесса познания действительности, адекватное ее отражение в сознании человека в виде представлений, понятий, суждений, теорий. В прикладном, более узком смысле, знание - это совокупность сведений, познаний в какой-нибудь области. Характерной чертой САПР является использование обширных знаний о тех прикладных областях, где предполагается ее использование. Представление знаний в ЭВМ, работа с ними относится к основным проблемам создания искусственного интеллекта.

Г.С. Поспелов и Д. А Поспелов указывают основные причины, которые позволяют говорить не о данных, а о знаниях, используемых в ЭВМ [73]. Это такие причины как: внутренняя интерпретируемость, структурированность, связанность, активность данных, первоисточником кото¬рых являются сознательные удостоверенные сведения о действительности. Дальнейшее развитие САПР по пути повышения степени автоматизации проектных процедур требует отражения в информа¬ционном обеспечении не только описаний справочных данных, но также закономерностей и методов, которые составляют сущность инженерных знаний. Это развитие приводит к превращению основной части базы данных в базу знаний машиностроения (БЗМ).

Любая деятельность, связанная с проектированием, требует привлечения большого количества знаний, начиная от знаний здравого смысла, и кончая узко специализированными знаниями. Часть их представлена в явном виде, т.е. они зафиксированы в печатных источниках типа книг, статей, руководств, нормативных материалах, содержатся в электронных системах хранения информации и т.п. Это так называемые эксплицитные знания. Другая часть знаний находится в головах людей и представляет собой опыт и экспертные знания специалистов, которые могут быть потеряны для организации с уходом специалиста. Это - имплицитные знания. В последнее время внимание многих научных и производственных структур обращено на направление, которое пытается разработать методы, средства и технологии для эффективного использования всех видов знаний. Оно получило название Управление знаниями (Knowledge Management).

Знания рассматриваются как трудно поддающийся оценке актив, который является ключевым фактором в достижении преимуществ перед конкурентами. Однако большинство структур до последнего времени мало обращало внимания на управление этим активом.

Использование парадигмы управления знаниями для систем автоматизированного проектирования, особенно работающих над общим проектом в сетевом режиме или в режиме виртуального предприятия, может привести к лучшим, более быстрым и более экономичным решениям, чем при традиционном подходе.

Если говорить об управлении знаниями в более широком смысле, то, как бизнес процесс, оно имеет стратегическую и тактические цели. Стратегическая цель - это повышение интеллектуального уровня предприятия или организации. Тактические цели - эффективное решение прикладных задач.

Различают системы вертикального и горизонтального управления знаниями. Вертикальные системы, как правило, преследуют тактические цели (управления знаниями) и разрабатываются для конкретных ситуаций, встречающихся в процессе функционирования организаций. Такие системы доказали свою высокую эффективность, но являются очень узконаправленными и не могут быть перенесены на другие ситуации. Тем не менее, такие системы управления знаниями могут быть одним из решающих факторов в достижении стратегической цели предприятия, т.е. решать стратегические задачи всей корпорации в целом. Этот случай наиболее отчетливо проявляет себя на предприятиях, активно использующих системы автоматизации проектирования.

Системы горизонтального управления знаниями являются системами, которые могут быть применены ко многим управленческим ситуациям. Фактически они представляют собой технологии, поддерживаемые программно-инструментальными комплексами, которые позволяют решать весь комплекс задач управления знаниями и локализовать его применительно к конкретной управленческой ситуации.

Все множество моделей управления знаниями, может быть разделено на три класса: дескриптивные (описательные), прескриптивные (предписательные) и комбинированные модели. В дескриптивных моделях описана природа явления, называемого управлением знаниями, в то время как в прескриптивных моделях содержится методология управления знаниями или отдельные компоненты этой методологии. Комбинированные модели содержат как описание задач управления знаниями, так и технологию решения отдельных задач управления знаниями. Дескриптивные модели делятся на широкие и узкие. В широких дескриптивных моделях делается попытка описать все компоненты управления знаниями, в то время как в узких дескриптивных моделях описаны несколько или даже одна компонента управления знаниями.

В любом варианте процесс управления знаниями включает в себя следующее множество задач:

1. сбор знаний - извлечение и коллекционирование ("складирование") знаний, которыми необходимо управлять;

2. организация и структурирование знаний - наложение некоторой структуры на собранные знания, которая необходима для эффективного управления;

3. поддержание хранилища знаний в актуальном состоянии - корректировка, обновление, добавление новых и удаление устаревших знаний;

4. распределение знаний - доставка знаний тем потребителям, которые в них нуждаются;

5. использование знаний - организация доступа конкретных агентов к знаниям и организация удобного интерфейса;

6. производство знаний - организация поиска и фильтрации необходимой информации, формулировки и тестирования гипотез, оформления новых знаний.

Предлагается обобщенная модель управления знаниями, которая относится к классу прескриптивных моделей. Модель организации, одна из функций которой состоит в управлении знаниями, рассматривается как сообщество агентов, часть из которых является интеллектуальными агентами. Связи между агентами устанавливаются таким образом, чтобы все сообщество в целом следовало целям и эффективно решало задачи организации. Каждый агент имеет свою собственную цель и решает определенный круг задач, используя при этом свои знания и обмениваясь знаниями с другими агентами. Весь фонд эксплицитных и имплицитных знаний агентов в совокупности составляет корпоративные знания организации или, а если речь идет о конкретном проекте, то - фонд знаний проекта. На рисунке показана схема модели управления корпоративными знаниями.

Реализация процессов находится в компетенции специальной структуры (службы), которая принимает решение о выборе формы и способа управления процессами. Управление процессами обусловлено рядом факторов, определяющих качество управления. Основными являются: общая корпоративная культура, компетентность персонала, их профессиональный уровень и индивидуальные качества людей. Служба управления знаниями функционирует в среде, где основными агентами являются пользователи, руководство организации (и как пользователь, и как управляющая структура), служба реализации информационных технологий и внешние источники знаний. Ее целью является эффективное удовлетворение нужд пользователей в необходимых знаниях, а задачи обусловлены перечнем процессов управления знаниями. Рассмотрим подробнее эти процессы.

Сбор знаний. Число выполненных операций и их последовательность в процессе сбора знаний зависит от многих факторов. Процесс сбора знаний начинается с поиска источников данных, информации и готовых знаний. При поиске используются предварительные сведения о том, что и где надо искать. За операцией поиска может следовать операция "покупки" в зависимости от того, стоят ли запрашиваемых денег искомые данные, информация и знания. Далее следует операция выборки данных, информации и знаний. Последними в процессе сбора знаний являются операции фильтрации и интеграции собранных знаний в хранилище знаний. Операция фильтрации включает очищение и преобразование в требуемый формат данных, информации и знаний и их подготовка для загрузки в хранилище знаний.

Операции поиска источников, их приобретения, выборки и фильтрации данных, информации и знаний предполагают обработку ранее собранных и произведенных знаний. В процессе выполнения операции поиска источников пользуются услугами электронной почты, факса, Интернета и других средств коммуникации. Помимо перечисленных операций процесс сбора знаний включать операцию кодирования информации и их размещения в хранилище знаний. Закодированы могут быть: документация проектов, извлеченные уроки, принятые решения, прототипы, видеотреннинги и т.п. Весь процесс кодирования и помещение знаний в хранилище рассчитан на повторное использование этих знаний в будущем.

Организация и структуризация знаний. Процесс организации и структуризации знаний определяется целевыми установками создаваемой системы управления знаниями. В любой системе управления знаниями стоит задача создания рациональной структуры их хранения, организации правил и способов обновления и использования. Даже в самом примитивном хранилище знаний - библиотеке, источники знаний должны быть размещены, систематизированы, созданы каталоги, разработаны правила доступа к знаниям, правила пользования знаниями.

Методы организации системы управления знаниями зависит от таких ресурсов, как специалисты, существующие бумажные и электронные документы (отчеты, техническая документация), сообщения электронной почты, существующие базы данных, библиотеки прецедентов, словари, документы САПР и т.п.

Организационная, логическая и физическая структура системы управления знаниями зависит от требования тех людей, для которых она создается. Система может создаваться не сразу, а поэтапно. Вначале это может быть интеллектуальная система документооборота, затем система с базой знаний, система, работающая с прецедентами, система типа интранет, мультиагентная система и т.д.

Заметим, что даже бумажные и электронные документы, входящие в систему делопроизводства, образуют примитивную систему управления знаниями. Такие примитивные системы могут создаваться для двух целей: а) осуществлять синтез документов на основе знаний, не содержащихся явно в отчетах и технической документации, а хранящихся в виде ноу-хау у экспертов организации; б) улучшить работу организации через предложения экспертов по совершенствованию решения производственных задач. Автоматизированные системы документооборота и системы поддержки групповой работы (groupware) - это второе поколение системы управления знаниями. Использование методов инженерии знаний в системе поддержки групповой работы положило начало созданию систем, работающих со знаниями, которые сегодня переросли в системы управления знаниями.

Поддержка и совершенствование систем управления знаниями. При решении задач поддержки и совершенствования системы управления корпоративными знаниями необходимо, прежде всего, учитывать результаты оценки эффективности работы существующей системы. На этом этапе цикла управления знаниями должны решаться проблемы, связанные с добавлением новых знаний, удалением или модификацией устаревших знаний, координационные проблемы, касающиеся расширения системы управления знаниями. Некоторые из этих проблем становятся злободневными уже на этапе создания систем управления знаниями. Кроме того, как организационные, так и технические проблемы могут привести к необходимости развития системы. Как на этапе создания, так и на этапе развития могут появляться проблемы, вызванные конфликтами между людьми, выявятся скрытые недочеты, скажется отсутствие мотивации и дефицит времени. Добавляться, удаляться и модифицироваться могут элементы в базе знаний, или прецеденты в базе прецедентов, или документы (их части) в базе документов, или, наконец, агенты в мультиагентной системе.

Совершенствование системы управления знаниями также зависит от метода сбора элементов хранилища знаний - активный или пассивный, а также от разработчиков, службы эксплуатации и пользователей. Совершенствование системы должно проводиться непрерывно и входит в функцию администратора системы, работающем в тесном сотрудничестве с пользователями, которые дают свои предложения по совершенствованию системы.

Распределение знаний. Предлагается различать следующие типы распределения знаний: "вбрасывание" знаний в электронную сеть, коллективное использование знаний, "извлечение" знаний из хранилища, передача знаний "из рук в руки". "Вбрасывание" означает автоматическое распределение знаний между потенциальными потребителями. Знания в этом случае могут передаваться или малыми порциями или в виде отдельных документов. Коллективное использование знаний означает представление потенциальным пользователям возможности иметь доступ к хранилищу знаний. Этот тип распределения предусматривает предварительное размещение знаний (документов) в библиотеке или Web-сервере для доступа через сеть Интернет или интранет.

Операция "извлечения" знаний относится к классу операций поиска источника и выборки знания из хранилища. Эта операция может быть использована как при работе в корпоративной сети организации, так и при работе в локальной сети. Если поиск и выборка знаний через корпоративную сеть становится все более мощным средством работы со знаниями, то работа в локальной сети остается более знакомой и безопасной. Передача знаний от одного лица другому лицу происходит как при обмене знаниями внутри неформальных групп, так и при формальном обучении и тренинге, в процессе которых знания передаются от учителя к ученику. При передаче знаний внутри неформальных групп появляется возможность преобразования неявных знаний в явные. Кроме того, понятие "извлечение знаний" относится к процессу перевода имплицитных знаний в эксплицитные. Этот процесс может происходить как с привлечением инженера знаний, так и с использованием механизмов индуктивного вывода. На процессе извлечения знаний из эксперта мы остановимся во второй части доклада.

Использование знаний. Многие модели управления знаниями не включают этот процесс в цикл управления знаниями. В данном случае под использованием мы будем понимать процесс применения знаний или в проектировании, или для целей получения новых знаний. Почти все процессы цикла управления знаниями в той или иной форме используют знания. Вопрос о том, для каких целей пользователям нужны знания, лежит за пределами парадигмы управления знаниями. Однако качество и эффективность обслуживания пользователей в процессе использования знаний целиком входит в круг обязанностей службы управления знаниями.

Для обеспечения качественного и эффективного обслуживания пользователей используются как методы работы со знаниями, ориентированными на каждую группу пользователей, так и универсальные инструментальные средства работы со знаниями. В данном случае заботой службы управления знаниями будет обеспечение пользователя эффективным доступом к хранилищу знаний и обеспечение его интеллектуальным интерфейсом с системой на его рабочем месте.

Производство знаний. Стержнем процесса производства знаний является операция создания варианта нового знания (гипотезы). Она включает: а) анализ и фильтрацию ранее полученных знаний, б) корректировку ранее произведенных знаний, в) создание новых знаний.

Для того чтобы создать гипотезу необходимо использовать уже существующие знания. Таким образом, использование ранее имевшихся знаний является необходимым условием для создания новой гипотезы. Созданию гипотезы предшествует операция выборки знаний, находящихся в хранилище знаний, перед которой выполняется операция поиска источника знаний. Созданная гипотеза тестируется по критериям, принятым в системе управления знаниями. (Выбор критериев - один из существенных факторов, влияющих на эффективность всей системы управления знаниями). Гипотезы как прошедшие тестирование, так и отвергнутые хранятся в архиве. Перед выбором окончательной гипотезы для включения ее в хранилище знаний производится ранжирование конкурирующих друг с другом гипотез. При этом возможно использование нечеткой логики.

В процессе производства знаний за операцией принятия решения следует операция запоминания (сохранения) результата операции. Процесс производства знаний в большой степени зависит от эффективности операций запоминания. Он также существенно зависит от того, каким образом используются предыдущие знания при выполнении всех операций, входящих в процесс производства знаний.

Системы управления знаниями в САПР имеет смысл создавать как специализированные системы в рамках системы управления корпоративными знаниями предприятия (концерна, института, корпорации). Многие подходы, алгоритмические и программно-инструментальные средства могут быть одними и теми же, как для системы управления корпоративными знаниями, так и для систем управления знаниями в САПР. Хотя знания и будут разными, но методы и средства их управления будут схожими. Далее будет рассмотрена типовая модель управления знаниями для выполнения проектно-конструкторских работ.

Специфика проектных структур и проектируемых изделий потребует определенной модификации модели, но выделенные компоненты в представленной модели будут присутствовать в любой структуре.

Управление информацией в системе интегрированного автоматизированного производства.

Управление информацией и ее обработка являются сердцевиной технологии интегрированного автоматизированного производства ИАП. Информационные системы заводов будущего должны будут хранить, управлять и поддерживать все виды информации, необходимые на эаводе. Информация считается основным жизненно важным ресурсом предприятия, поскольку она представляет его мозг (т. е. его «ноу-хау» и экспертизу), потому что она является базисом для принятия решений и связей и формирует основу для новых проектов. Действительно, инженерно производственная среда является сложной в том смысле, что она включает:

- необходимость доступа к большим базам данных для хранения данных и их извлечения;

- потребность в обычных методах обработки (т. е. необходимость проведения числовых и алфавитно-цифровых вычислений);

- потребность в символьной обработке и принятии решении компьютером.

Новые прикладные задачи в автоматизированном производстве требуют привлечения методов и инструментов из искусственного интеллекта. Дедуктивные системы должны быть оснащены прогрессивными системами хранения данных и манипулирования ими. Отсюда становится очевидной необходимость интеграции систем баз данных с экспертными системами в среде ИАП.

Для решения задач в этой среде ИАП прикладные информационные системы преобразуются системы, которые будут называться инженерными информационными системами (ИИС) или инженерно производственными информационными системами (ИПИС) в зависимости от области их применения в производственном мире. Цель таких систем заключается в обеспечении поддержки в представлении, хранении и обработке данных и знания в производственных системах, в которых осуществляются автоматизированные операции и процессы принятия решений

Следовательно, ИИС может быть определена как основная структура, служащая для объединения процессов инженерной деятельности и заключающая в себе:

- способности систем баз данных (СБД) в манипулировании и управлении данными;

- способности систем, использующих знание (СИЗ), в отношении представления и умения делать выводы;

- функции систем поддержки решений (СПР) для поддержания операций принятия решений посредством соответствующих моделей;

- объединение инженерной информации, геометрических данных, инженерных знаний и инженерных процедур, представляющих «ноу хау» и опыт предприятия в какой-то инженерной области.

Аналогичное определение может быть дано и для ИПИС, которая будет включать также производственные данные, знания и процедуры для проектирования и изготовления данного набора изделий.

В соответствии с данными ранее определениями к ИИС и ИПИС предъявляются следующие функциональные требования.

Требования, основанные на данных: манипулирование типами данных сложных объектов: cложные отношения; обработка долговременных транзакций; создание версий; совместное использование, объектов; структурные методологии для проектирования логических баз данных.

Требования, основанные на знании: разнообразные представления знаний; выполнение логических выводов; согласованно действующие экспертные системы; разделение знания; инструменты для проектирования экспертных систем.

Общие требования: дедуктивные способности; работа с неполной информацией; распределенная обработка; обработка в реальном времени; высокоуровневый интерфейс пользователя.

Обобщенная модель управления технологическими знаниями

Основу - ядро любой производственной системы с искуственным интеллектом, каковой является САПР, - составляют база знаний (БЗ) или память знаний и заложенный в систему механизм вывода решений (решатель). Если говорить обобщенно, эти компоненты определяют две основные интеллектуальные характеристики системы: способность хранить знания о чем-то и умение оперировать этими знаниями для решения проблем в прикладной области (например, задач технологического проектирования).

Процесс управления производственными знаниями особенно важен в условиях инвариантной САПР, которая охватывает большое число типов проектных решений в разных проблемных областях машиностроения, т.е. с охватом различных видов производства.

Предлагаемая обобщенная модель управления производственными знаниями, рассматривается как сообщество агентов, часть из которых является интеллектуальными агентами проектирования.

Агент - Решатель берет на себя обязанности принятия решений в области прикладного проектирования.

Рисунок 1 - Модель управления проектными знаниями в интегрированной среде предприятия

Элементы решателя должны генерировать запросы и рассчитывать или извлекать из памяти множество ответов-решений и позволять оценивать и выбрать один вариант либо подмножество вариантов этих ответов, сообразуясь с информацией, заложенной в исходных данных. Такая способность решателя объясняется тем, что он обладает знанием того каким определяющим свойствам (критериям) должно удовлетворять искомое решение, как и где можно определить значения возможности и допустимости альтернатив (алгоритмические знания). Кроме того решатель обязан учитывать последствия принимаемых решений.

Назначение решателя построение или выбор из памяти и оптимизация проектного решения, соответствующего определенной цели. В общем случае, решатель можно охарактеризовать как систему принятия решений.

Специальный агент - менеджер знаний, который помимо хранения, обеспечивает еще множество функций связанных с управлением знаниями (Knowledge Management) [6].

Дата добавления: 2014-01-05