metody i narzedzia sztucznej inteligencji
TRANSCRIPT
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 1/23
1
TEMAT PRACY: Metody i narzędzia
sztucznej inteligencji w systemach zintegrowanego sterowania produkcją
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 2/23
2
Spis treści:
Wstęp ……………………………………………………………………………….3
Sztuczna inteligencja ……………………………………………………………….7
Zastosowanie sztucznej inteligencji………………………………………………...8
Systemy eksperckie…………………………………………………………………8
Sieci neuronowe…………………………………………………………………...18
Podsumowanie…………………………………………………………………….22
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 3/23
3
WSTĘP
W poniŜszej pracy przedstawiono zagadnienia zwią zane z metodami i
narzędziami sztucznej inteligencji wykorzystywanymi w systemach
zintegrowanego sterowania produkcją .
W dobie współczesnej gospodarki organizacje coraz częściej zmuszone są
do sięgania do coraz nowszych i bardziej innowacyjnych metod i narzędzi
pozwalają cych im wzmocnić swoją pozycję rynkową .
Istotnym elementem współczesnej globalnej gospodarki rynkowej jest
skracanie się cyklu Ŝycia produktów przemysłowych. Jest to uwarunkowane
wieloma czynnikami. Jednym z nich jest aspekt technologiczny, który stanowi o
coraz większej efektywności procesów technologicznych. Szybki rozwój
technologiczny umoŜliwia szybszą produkcję atrakcyjnych i coraz tańszych
wyrobów. Skrócenie cyklu Ŝycia produktu jest równieŜ uwarunkowane
zmieniają cymi się trendami, oczekiwaniami i upodobaniami klientów. Skracanie
cyklu Ŝycia produktów nakręca spiralę podaŜy i popytu oraz stanowi, iŜ warunkiem
utrzymania się na rynku przedsiębiorstwa jest cią głe wzmacnianie pozycji
organizacji oraz permanentne uruchamianie produkcji cią gle nowych.
DąŜy się obecnie do wzmacniania pozycji przedsiębiorstwa na rynku. Jedną
ze strategii wzmocnienia pozycji jest wykorzystanie technik komputerowych na
kaŜdym polu działania organizacji. Obecnie pełna informatyzacja organizacji
przebiega we wszystkich etapach, począ wszy od zarzą dzania, planowania, poprzez
produkcję, logistyk ę a skończywszy na etapie marketingu.
Informatyzacja organizacji i wykorzystanie nowoczesnych technologii im
towarzyszą cych spowodowane jest następują cymi wymaganiami rynku:
• Skrócenie czasu przygotowania i realizacji produkcji z jednoczesnym jej
cią głym unowocześnieniem i wdraŜaniem innowacyjnych technologii,
• Szybkie i elastyczne reagowanie na potrzeby rynku,
• Uzyskanie planowanej terminowo
ści dostaw produktów na rynek,
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 4/23
4
• ObniŜenie kosztów produkcji zarówno w fazach przygotowania, jak i
realizacji,
• Optymalne zarzą dzanie realizacją zleceń produkcyjnych dzięki krótkim
cyklom produkcyjnym, krótkim terminom realizacji zleceń produkcyjnych,
minimalnym zapasom materiałowym,
• Tendencje zmian na konkurencyjnym rynku,
• Stosowanie efektywnych i innowacyjnych koncepcji realizacyjnych w
produkcji,
• Krótki czas Ŝycia produktu.
Ponadto systemy informatyczne jako wykorzystywane narzędzia mogą w
organizacji ułatwiać i usprawnić proces zarzą dzania poprzez:
• Usprawnienie szybkości przepływu informacji,
• Zdalny dostęp do zasobów systemu informatycznego organizacji,
• Gromadzenie informacji – archiwizacja transakcji biznesowych i „wiedzy”
organizacji w bazach danych,
• Tworzenie raportów i analiz finansowych,
• Mechanizmy prognostyczne pozwalają ce przewidzieć wartości waŜnych dla
organizacji wskaźników ekonometrycznych,
• Optymalizację procesów decyzyjnych (symulacje wariantowe, analizy
finansowe i ryzyka, optymalizacja alokacji zasobów),
• Mechanizmy „sztucznej inteligencji” pozwalają ce wyszukiwać zaleŜności i
podobieństwa w zbiorach informacyjnych organizacji.
PowyŜsze czynniki determinują organizacje do coraz częstszego
wykorzystywania narzędzi umoŜliwiają cych maksymalne skrócenie czasu procesu
produkcyjnego. Chodzi tu przede wszystkim o optymalne rozwią zanie problemów
dotyczą cych projektowania struktury procesu wraz z określonymi z góry kryteriami
oraz narzuconymi z góry ograniczeniami.
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 5/23
5
Systemy informatyczne (SI) „od zawsze” odgrywały newralgiczną rolę w
zarzą dzaniu i funkcjonowaniu organizacji, jak równieŜ wykorzystywane były nie
tylko do wspomagania aktualnie istnieją cych procesów informacyjno-decyzyjnych,
ale tak Ŝe jako warunek konieczny kształtowania długofalowej strategii rozwoju
organizacji.
WyróŜnić moŜna następują ce systemy informatyczne organizacji (z punktu
widzenia poziomów wsparcia decydentów):
• SIK – systemy informowania kierownictwa (EIS18) – zapewniają szybki i
łatwy dostęp do danych, mo
Ŝliwo
śćich interpretacji i odpowiedniej
wizualizacji graficznej,
• SWD – systemy wspomagania decyzji (DSS19) umoŜliwiają ce dodatkowo
manipulowanie danymi, tworzenie modeli analitycznych ułatwiają ce
podejmowanie niestrukturalnych decyzji,
• SE – systemy eksperckie (ES 20) są jedną z form sztucznej inteligencji,
mogą zastępować człowieka w podejmowaniu decyzji. Z punktu widzenia
orientacji sytemu lub modułu informatycznego w organizacji moŜna
wyróŜnić następują ce podstawowe ich klasy:
• MRP (ang. Materials Resource Planning) zorientowane na zarzą dzanie
zasobami produkcyjnymi (surowcami i zasobami) – historycznie jest to
najstarsza klasa aplikacji.
• HRM (ang. Human Resource Management) zorientowane na zarzą dzanie
zasobami ludzkimi organizacji. W najprostszym przypadku jest to synonim
modułu obsługują cego administrację (kadry – płace).
• SCM (ang. Supply Chain Management) zorientowane na zarzą dzanie
łańcuchem dostaw – logistyk ą w kontek ście optymalizacji i integracji z
klientami i dostawcami. Istotnego znaczenia nabiera w przypadku
organizacji o charakterze rozległym (rozproszonym), np.: korporacje,
konsorcja.
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 6/23
6
• SFA (ang. Sales Force Automation) zorientowane na obsługę sprzedaŜy –
transakcje. Są obecnie najczęściej zintegrowane z systemem tworzenia
witryn na bazie szablonów CMS21, dzięki czemu moŜliwe jest tworzenie
stron e-biznesowych (sklepów internetowych, aukcji, tablic
ogłoszeniowych).
• CRM (ang. Customer Relationship Management) zorientowane na
zarzą dzaniu kontaktem z klientami, jest to element strategii marketingowej
organizacji. W ujęciu szerszym moŜe obejmować moduły SFA i CMS.
• MRP II (ang. Manufacturing Resource Planning) poza funkcjonalnością
MRP (zarzą dzanie zasobami produkcyjnymi) oferują integrację innychdziałów przedsiębiorstw, głównie: handlu, rachunkowości, planowania
finansowego.
• ERP (ang. Enterprise Resource Planning) – Planowanie Zasobów
Przedsiębiorstwa – jest to klasa aplikacji (wynikła z ewolucji MRP II)
integrują cych zarzą dzanie całością procesów organizacji – przedsiębiorstwa
na kaŜdym ze szczebli zarzą dzania. Dzięki modułowej budowie łą czy
funkcjonalność innych klas zgodnie z wymaganiami przedsiębiorstwa.
Cechą architektury systemu ERP jest często to, Ŝe wykorzystuje wspólny dla
wszystkich modułów system bazodanowy.
• BI (ang. Business Intelligence) to klasa systemów ERP, gdzie
zaimplementowano algorytmy sztucznej inteligencji oraz nowoczesne
metody poszukiwania i eksploracji wiedzy (ang. Data Mining22). Jest to
realizacja idei SE (system ekspercki) w odniesieniu do systemów klas ERP.
Wskazane podziały nie wyczerpują mnogości klasyfikacji i kierunków orientacji
systemów informatycznych organizacji. Wynika to z faktu, Ŝe systemy te są na
ogół wykorzystywane pod k ą tem konkretnej organizacji i jej specyficznych
wymagań.
.
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 7/23
7
SZTUCZNA INTELIGENCJA
Warunki rynkowe wymagają nowego podejścia do problemu zarzą dzania
produkcją ukierunkowanego na spełnienie w maksymalnym stopniu wymagań
klienta przy jednoczesnej dbałości o moŜliwie najniŜszy poziom kosztów
wytwarzania. WiąŜe się to często z koniecznością odejścia od określonego za
pomocą norm definiowania asortymentu produkowanych wyrobów i
indywidualnego traktowania poszczególnych zamówień klientów. Stwarza to
powaŜne problemy organizacyjne i informacyjne. ZłoŜoność problemów w
produkcji o szybko zmiennym asortymencie zachęca do tworzenia nowych metod
wspomagania działalności produkcyjnej. Coraz większą uwagę koncentruje się na
systemach które mogłyby w komputerze odtworzyć niektóre z cech intelektu
naturalnego. Systemy te mają za zadanie spełniać funkcje charakterystyczne dla
intelektualnej działalności człowieka i powszechnie interpretowane są jako systemy
sztucznej inteligencji.
Sztuczna inteligencja to dziedzina nauki, która łą czy w sobie zakres wiedzy
informatycznej, psychologii, antropologii, matematyki, elektroniki, filozofii i
neurofizjologii. Jest to element informatyki umoŜliwiają cy imitację procesu
myślowego człowieka. Priorytetem tej dziedziny jest stworzenie inteligentnych
komputerów, które rozwią załyby problemy, uwaŜane przez ludzi za wymagają ce
pewnej inteligencji. DąŜy się tu przede wszystkim do zbadania ludzkiej inteligencji
i wykorzystywania tej wiedzy w maszynach. Do zagadnień sztucznej inteligencji
naleŜy między innymi, poszukiwanie metod rozwią zania problemów oraz logiczne
rozumowanie, które opiera się na zbudowaniu algorytmu naśladują cego sposób
wnioskowania jaki zachodzi w mózgu człowieka.
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 8/23
8
ZASTOSOWANIE SZTUCZNEJ INTELIGENCJI
W praktyce wiedza z zakresu sztucznej inteligencji znajduje zastosowanie m.in. w
następują cych aspektach:
1. Technologie oparte na logice niepewności, które są powszechnie
stosowane do sterowania przebiegiem procesów technologicznych w
przedsiębiorstwach w warunkach braku wszystkich danych,
2. Systemy ekspertowe czyli rozbudowane bazy danych z wszczepioną
„sztuczną inteligencją ” umoŜliwiają cą zadawanie im pytań w języku
naturalnym i uzyskanie w tym samym języku odpowiedzi,
3. Sieci neuronowe – znajdują wszechstronne zastosowanie.
ELEMENTY SZTUCZNEJ INTELIGENCJI:
1. Systemy eksperckie
2. Sztuczne sieci neuronowe
3. Logika rozmyta
4. Algorytmy ewolucyjne
SYSTEMY EKSPERCKIE
Pierwszym z elementów sztucznej inteligencji jest system ekspercki.
Zagadnienia dotyczą ce tej dziedziny wiąŜą się ze stosowaniem i wykorzystaniem
wiedzy i procedur rozumowania w celu rozwią zania problemów, które wymagają
doświadczenia ludzkiego (eksperta), nabytego przez wieloletnią działalność w
danej dziedzinie.
Zadania tej dziedziny moŜna podzielić na dwa rodzaje. Pierwszy rodzaj
stanowią problemy o znanym algorytmie rozwią zania np. dobór parametrów w
procesie wytwarzania. Drugi rodzaj stanowią problemy, których rozwią zanie jest
zaleŜne od specyficznych uwarunkowań zwią zanych z danym przedsiębiorstwem
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 9/23
9
np. dobór właściwego materiału, plan procesu technologicznego. Problemy te są
rozwią zywane na podstawie wiedzy ekspertów z danej dziedziny.
Na płaszczyźnie produkcyjnej system ekspercki moŜe pełnić róŜnorodne
funkcje tj.: konsultanta, narzędzia modelowania, eksperta w poszczególnych
specjalistycznych działaniach.
Nawią zują c do przeszłości istotnym w zakresie tej dziedziny był program
DENDRAL, który stworzono w latach 60-tych. Zasada jego działania opierała się
na obliczeniu wszystkich moŜliwych konfiguracji danego zbioru atomów.
Integralną częścią programu była baza wiedzy zawierają ca informacje chemiczne i
reguły. Znaczą cymi w zakresie systemów eksperckich były równieŜ programy
uwaŜane jako wzorce dla przyszłych, były to: system PROSPEKTOR oraz system
MYCIN. Systemy te wspomagały podejmowanie decyzji w sytuacji
niekompletnych danych.
Ideą systemów eksperckim jest wykonanie dzięki nim złoŜonych zadań na
wysokim poziomie intelektualnym, analogicznie do tego jak dobrze robi to
człowiek będą cy ekspertem w danej dziedzinie.
Strukturę systemu eksperckiego stanowi przede wszystkim zbiór informacji
z zakresu danej dziedziny tzw. reprezentacja wiedzy, której dotyczy system oraz
mechanizm rozumowania na podstawie zasobów wiedzy z danej dziedziny. System
ekspercki posiada określone mechanizmy umoŜliwiają ce mu m.in. na zadawanie
pytań w celu uzyskania odpowiednich informacji, uzasadniania określonych
konkluzji, wyjaśniania sposobu rozumowania na zadanie uŜytkownika.
System ekspercki wyróŜnia kolejne czynności wykonywane podczas
współdziałania uŜytkownika z systemem, są to: procedury wnioskowania,
objaśniania, aktualizacji bazy wiedzy oraz baza danych stałych, baza danych
zmiennych.
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 10/23
10
Struktura systemu eksperckiego składa się z następują cych bloków: baza
wiedzy, moduł wnioskowania, baza danych stałych, baza danych zmiennych,
interfejs uŜytkownika, moduł pozyskiwania wiedzy, moduł objaśniania (Rys.1).
Rys. 1 Ogólna struktura systemów eksperckich [Zastosowania metod sztucznej
inteligencji w inŜynierii produkcji, R. Knosala]
Opierają c się o powyŜszy schemat naleŜy wyszczególnić kolejne składowe systemu
eksperckiego:
• Baza wiedzy, która stanowi zbiór faktów i reguł (charakter deklaratywny
bazy wiedzy) lub procedur i funkcji (charakter proceduralny). Jest to
szczegółowa reprezentacja wiedzy z zakresu danej dziedziny,
• Moduł wnioskowania, który korzysta z bazy wiedzy, ustala kolejność
analizowania elementów bazy. Ponadto wybiera równieŜ te elementy, które
znajdą zastosowanie do sformułowania odpowiedzi udzielanej przez system.
• Baza danych stałych i zmiennych określa zbiory danych określonych według
danego sposobu. Natomiast baza danych zmiennych zawiera odpowiedzi
uŜytkownika i wyniki po
średnie ustalone przez układ wnioskowania oraz
zagadnienia nie posiadają ce określonych stwierdzeń,
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 11/23
11
• Interfejs uŜytkownika - wyróŜnić tu moŜna interfejs wejściowy zajmują cy
się wprowadzaniem danych wejściowych do systemu i interfejs wyjściowy,
który słuŜy do wyprowadzania rozwią zań problemów,
• Moduł pozyskiwania wiedzy, który obejmuje zgromadzenie wiedzy w celu
zwiększenia efektywności systemu
• Moduł objaśniania, który uzasadnia decyzje podejmowane przez moduł
wnioskowania systemu eksperckiego.
Etapy przetwarzania wiedzy w systemach eksperckich.
Moc systemu eksperckiego zaleŜy przede wszystkim od zakodowanej w nim
wiedzy, a w mniejszym stopniu od mechanizmów wnioskowania. Kluczowym
etapem jest więc pozyskanie i zapisanie wiedzy w programach komputerowych
określają cej fakty i inne dane umoŜliwiają ce otrzymanie przez eksperta sposobu
rozwią zania problemów decyzyjnych w określonej tematyce, połą czone z zapisem
pozyskanej wiedzy w postaci formalnej lub modelu decyzyjnego. Wiedza
pozyskana moŜe być poddana procesowi weryfikacji. Do kluczowych etapów
pozyskiwania wiedzy wyróŜnia się następują ce stadia:
• określenie zakresu zadań rozwią zywanych przez projektowany system
ekspercki,
• identyfikacja źródeł wiedzy,
• opracowanie metody reprezentacji wiedzy,
• zapis wiedzy w formie bazy wiedzy,
• weryfikacja prototypowej bazy wiedzy na przykładach testowych,
• rozbudowa bazy wiedzy do wersji pełnej,
• testowanie bazy wiedzy, modyfikacja, usuwanie błędów,
• walidacja bazy wiedzy.
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 12/23
12
Do metod pozyskiwania wiedzy przekazywanej do systemu moŜna zaliczyć:
• Bezpośrednie zapisywanie wiedzy, jest to tzw. uczenie na pamięć, jest to
prosta metoda nie wymagają ca specjalnie umiejętności od uczą cego się
systemu,
• Pozyskiwanie wiedzy na podstawie instrukcji. Jest to metoda wymagają ca
udziału nauczyciela. Polega na wykorzystaniu źródeł wiedzy wskazanych
przez nauczyciela i przekształceniu wiedzy do postaci akceptowanej przez
system,
• Pozyskiwanie wiedzy na podstawie analogii, gdzie istnieją cą wiedzę w bazie
przekształca się do opisu faktów podobnych do faktu uprzednio opisanego• Pozyskiwanie wiedzy na podstawie przykładów. Metoda ta polega na
generowaniu ogólnego opisu pojęć w oparciu o zbiór przykładów i
kontrprzykładów,
• Pozyskiwanie wiedzy na podstawie odkrywania i obserwacji, jest to metoda,
która wymaga uczenia indukcyjnego oraz zwiększonego udziału uczą cego
się w procesie.
PowyŜsze metody pozyskiwania wiedzy często bezpośrednio łą czą się z
określoną metodą reprezentacji wiedzy. Reprezentacja wiedzy w bazie wiedzy to
ogól przekazywania, zapisywania i gromadzenia dowolnego zasobu wiedzy
niezaleŜnego od rozpatrywanej informacji.
Baza wiedzy w systemach eksperckich składa się z faktów typu THEN (to) i
reguł typu IF(jeŜeli). W bazie danych zawarte są fakty dotyczą ce danej tematyki,
które wykorzystywane są przez człon bazy wiedzy. Zanim dana reguła zostanie
zastosowana, elementy pierwszej warunkowej części, prezentowane są w bazie
danych. Wybrana dana reguła określa nowe fakty, które aktualizują bazę danych.
Do metod stosowanych do prezentacji wiedzy naleŜą :
• Ramki,
• Sieci semantyczne,
• Tabele decyzyjne,
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 13/23
13
• Drzewa decyzyjne,
• Metody wykorzystują ce zapis stwierdzeń,
• Bezpośrednie zastosowanie logiki,
• Systemy reguł.
Kolejną po bazie wiedzy częścią systemu eksperckiego jest moduł
wnioskowania. Zadaniem tego modułu jest poszukiwanie rozwią zań.
Wnioskowanie w systemie eksperckim jest poszukiwaniem konkluzji przy
wykorzystaniu określonego zbioru reguł i faktów. WyróŜnia się wnioskowanie do
przodu, które rozpoczyna się od analizy faktów. Fakty, które juŜ istnieją
dopasowuje się do reguł, dzięki czemu powstają nowe fakty. Następniegenerowane są kolejne fakty, aŜ osią gnie się zamierzony cel. Schemat
wnioskowania przedstawiony jest poniŜej:
Baza wiedzy:
Fakty: A B C D E
Reguły: R1: if A and B then F
R2: if C and D then G
R3: if F and G then H
R2: if E and H then CEL
szukana: CEL
Przez istnieją ce fakty A i B jest odpalona reguła R1, powstają nowe fakty F.
Reguła R2 wzbogaca bazę faktów o fakty G. Dalej odpalają c regułę R3 powstają
nowe fakty H. Końcowo odpalona reguła R4 daje poszukiwane CEL.
Natomiast przy wnioskowaniu do tyłu zaczyna się od hipotezy i poszukuje
się algorytmów (dowodów), które tą hipotezę potwierdzą lub obalą . Analogicznie
do powyŜszego schematu zasada ta przebiega następują co:
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 14/23
14
1. Poszukiwane załoŜenie: CEL
2. Poszukiwanie reguł, które mają CEL, w konkluzji – odpalona reguła R4.
Następnie H staje się hipotezą do udowodnienia.
3. Reguła, która ma H w konkluzji, jest R3. Zostaje odpalona. Do
udowodnienia jest F i G.
4. Odpalona R1- udowodnione F
5. Odpalone R2 - udowodnione G.
Kolejny moduł w strukturze to moduł objaśniają cy SłuŜy on do wyjaśnienia,
sk ą d wzięło się dane rozwią zanie, określają ce dane konkluzje. WyróŜnia się tu
kilka form podawania wyjaśnień:
• Odpowiedź na pytanie „jak” przez przeanalizowanie procesu wnioskowania,
który doprowadził do konkluzji,
• Odpowiedź na pytanie „dlaczego”, wykorzystuje się w przypadku chęci
uzyskania dodatkowych danych lub informacji,
• Odpowiedź na pytanie „dlaczego nie”, czyli wyjaśnienie dlaczego dana
informacja została odrzucona lub nie została wzięta pod uwagę. System
wyjaśnia przyczynę odrzucenia określonych reguł,
• Odpowiedź na pytanie „a co jeśli”, pokazuje odpowiedź przy zmianie faktu.
Zasady konstruowania systemów eksperckich w oparciu o przetwarzanie wiedzy.
Proces tworzenia systemów eksperckich składa się z następują cych po sobie
etapów (Rys.2). W poszczególnych etapach znajdują cych się w systemach
eksperckich występują sprzęŜenia zwrotne. Charakterystyk ę poszczególnych
etapów określa pierwsza cześć tzw. identyfikacja problemu, gdzie ekspert
identyfikuje dany problem i jego zakres, określa się cele do osią gnięcia przy uŜyciu
danego systemu. Wyznacza się równieŜ na tym etapie źródła wiedzy, istotnym jesttutaj udział eksperta w danej dziedzinie. Kolejny etap to konceptualizacja. Etap ten
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 15/23
15
stanowi analizę problemu, wyznacza określone koncepcje i zasady, koncepcje,
relacje i charakterystyki przepływu informacji. Dane tu zebrane stanowią opis
jakościowy, ilościowy i niezbędne do wykorzystania wiedzy informacje, słuŜą ce
rozwią zaniu problemu. Następnym etapem jest zapisanie zgromadzonej wiedzy jest
to tzw. proces formalizacji wiedzy, w wybranej metodzie reprezentacji wiedzy,
przy uŜyciu odpowiedniego narzędzia, czyli przełoŜenie koncepcji na zapis
formalny. Przedostatni etap to implementacja, czyli opracowanie systemu
eksperckiego, dokonuje się tu reorganizację sformalizowanej wiedzy z określonym
narzędziem na komputerze. Ostatni etap to testowanie. Sprawdza się tu wiedzę
wprowadzoną do systemu, w ujęciu poprawności generowanych odpowiedzi
zgodnych z wymaganiami eksperta. W celu poprawy zapisu powraca się do etapu
implementacji lub tworzone są nowe elementy reprezentacji wiedzy na etapie
formalizacji wiedzy.
Rys. 2 Etapy procesu tworzenia systemu eksperckiego [Zastosowania metod
sztucznej inteligencji w inŜynierii produkcji, R.Knosala]
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 16/23
16
Przykładem wykorzystywania systemów eksperckich w sterowaniu produkcją
jest tu system komputerowy COSIMA (Rys. 3). Jest to system komputerowego
wspomagania sterowaniem produkcji z wykorzystaniem technik sztucznej
inteligencji. Moduł systemu wyglą da następują co: moduł harmonogram ustala
kolejk ę zadań do realizacji w systemie produkcyjnym wraz z uwzględnieniem
relacji czasowych. Kolejny moduł: dyspozytor wysyła polecenia realizacji operacji
zaplanowanych przez moduł harmonogram do modułu transport oraz produkcja.
Dysponowanie procesu operacji wysteruje w czasie rzeczywistym, uwzględnia się
przy tym zakłócenia występują ce w czasie produkcji. Moduł transport w oparciu o
Ŝą dania modułu dyspozytor zarzą dza wszystkimi urzą dzeniami transportowymi.
Moduł produkcja steruje urzą dzeniami tzn. CNC, robotami oraz realizuje
przekazywanie danych do modułu monitor. Moduł ten gromadzi dane w
materiałach, wyposaŜeniu, stanie zarzą dzania oraz realizuje funkcje sprzęŜeń
zwrotnych do odpowiednich modułów innych uŜytkowników. Przebieg procesu
wyglą da następują co: na wejściu poprzez interfejs podaje się niezbędne informacje
dotyczą ce centrów obróbkowych, urzą dzeń transportowych, procesach, zleceniach
produkcji. Informacje te przechowywane są w bazie danych profilu wytwarzania.
Właściwe strategie harmonogramowania wskazane są przez bazę reguł. System
umoŜliwia harmonogramowanie maszynowe, ale równieŜ tworzenie
harmonogramu z udziałem inŜyniera systemu. Moduł dyspozytor implementuje
harmonogram z ograniczeniami środowiska w czasie rzeczywistym. Emulator
komórki produkcyjnej bazuje na sieci Perti oraz sztucznej inteligencji. Określone
dane gromadzi w czasie rzeczywistym monitor i przekazuje je uŜytkownikowi
[Ławrynowicz, 2006].
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 17/23
17
Rys.3 Moduły systemu COSIMA[Zarzą dzanie produkcją w ogniwie sieci dostaw z
zastosowaniem systemu eksperckiego i algorytmu genetycznego, Ławrynowicz A.]
Inne typy narzędzi wykorzystywane do tworzenia systemów eksperckich:
• Języki programowania algorytmicznego np. fortran, Basic
• Języki programowania symbolicznego np. Lips (proste zapisywanie działań
na listach), Prolog,
• Języki programowania systemów eksperckich np. Clips,
• Systemy szkieletowe np. EMYCIN, MAS, Nexpert Object, czyli systemy z
pusta bazą wiedzy, umoŜliwiają uŜytkownikowi wprowadzenie własnych
informacji, z którymi ma pracować system. W systemach tych poza bazą
danych i baza wiedzy inne systemy są kompletne. Systemy szkieletowe
znajdują zastosowanie, gdy zalecane jest skrócenie czasu tworzenia
programu.
• Metasystemy eksperckie np. G2, ART, KEE. Są to systemy eksperckie
wspomagają ce projektowanie i konstruowanie systemów eksperckich.
UmoŜliwiają one swobodny wybór postaci bazy wiedzy oraz danych i mechanizmu
wnioskowania.
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 18/23
18
SIECI NEURONOWE
W dobie współczesnej róŜnorodności i odmiennego stopnia skomplikowania
elementów produkowanych zauwaŜyć moŜna, Ŝe wiele elementów jest podobnych
do siebie.
Powszechnie panują ce przekonanie o efektywności i szybkości działania,
przejawia się to w dąŜeniu do opracowania technologii wytwarzania
reprezentatywnej dla szerokiego asortymentu produkcji. Projektują c nowy wyrób
konstruktorzy powinni działać w sposób szybki i efektywny. NaleŜy brać przy tym
pod uwagę czy podobny przedmiot był wcześniej projektowany, czy powtarzał się
podobny proces technologiczny. Wiadomości te moŜna uzyskać z określonych
szczegółowych baz danych, gdzie gromadzi się informacje o produktach juŜ
wytwarzanych oraz nawią zuje się do podobieństw między produktami.
Ujęcie powyŜszych zagadnień moŜna określić w dwóch aspektach tj. wiedzę
z zakresu konstrukcji elementów i procesu technologicznego przedstawia się za
pomocą reprezentacji cyfrowej, natomiast do grupowania tych elementów
wykorzystuje się sieci neuronowe.
Sieć neuronowa to system przetwarzania informacji, którego architektura i
sposób funkcjonowania zostały zaczerpnięte z modeli biologicznych układów
nerwowych. Przy analizie sieci neuronowych naleŜy w pierwszej kolejności
skoncentrować się na podstawowym elemencie systemu nerwowego jakim jest
komórka nerwowa – neuron. Składa się on z ciała komórki (tzw. soma) oraz
otaczają cych je dwóch rodzajów wypustek: wypustki wprowadzają ce informacje
do neuronu są to tzw. dendryty i wypustki wyprowadzają ce informacje z neuronu –
aksony. KaŜdy neuron ma dokładnie jedną wypustk ę wyprowadzają cą , poprzez
którą moŜe wysyłać impulsy do wielu innych neuronów. Pojedynczy neuron
przyjmuje informacje od ogromnej ilości neuronów, które oddziałują na siebie
poprzez ogromną liczbę połą czeń Pojedynczy neuron przyjmuje pobudzenie od
ogromnej liczby neuronów dochodzą cej do tysią ca. Jeden neuron przekazuje
pobudzenie innym neuronom przez złą cza nerwowe nazywane synapsami przy
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 19/23
19
czym transmisja sygnałów odbywa się na drodze skomplikowanych procesów
chemiczno-elektrycznych. Synapsy pełnią funkcję przekaźników informacji, a w
wyniku ich działania pobudzenie moŜe być wzmocnione lub osłabione. W
rezultacie do neuronu dochodzą sygnały, z których cześć wywiera wpływ
pobudzają cy, a cześć hamują cy. Neuron sumuje impulsy pobudzają ce i hamują ce
JeŜeli ich suma algebraiczna przekracza pewną wartość progową , to sygnał na
wyjściu neuronu jest przesyłany — poprzez akson — do innych neuronów
[Rutkowski, 2009].
TOPOLOGIA SIECI
Do najwaŜniejszych cech sieci neuronowych naleŜą : typ sygnału
wejściowego, budowa sieci, sposób ich treningu. Sygnał wejściowy moŜe być
sygnałem binarnym lub cią głym. Ze względu na typ sygnału wejściowego dzieli się
sieci neuronowe na sieci o wejściu binarnym (sieć Hopfelda, sieć Hamminga, sieć
ART 1.) i wejściu cią głym (Perceptron, Kohonena).
Neurony połą czone w sieć tworzą strukturę, która potrafi uczyć się
skomplikowanych przypadków. W zaleŜności od sposobu połą czeń neuronów
moŜna wyróŜnić:
1. Sieć jednokierunkową (Rys.4) gdzie przepływ sygnałów odbywa się zawsze
w jednym kierunku, od wejścia do wyjścia. Sieć taka ma budowę
warstwową . Wyjścia neuronów jednej warstwy stanowią wejścia neuronów
warstwy kolejnej.
Rys.4 Sieć jednokierunkowa [Systemy wspomagania decyzji, Kwiatkowska A.M.]
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 20/23
20
2. Sieć rekurencyjną (Rys. 5) w której część sygnałów wyjściowych staje się
jednocześnie sygnałami wejściowymi, są to tzw. dwukierunkowe połą czenia
miedzy neuronami róŜnych warstw, połą cznie w kierunku pierwotnym moŜe
być zwrotne.
Rys.5 Sieć rekurencyjna [Systemy wspomagania decyzji, Kwiatkowska A.M.]
3. Sieć komórkową (Rys.6) gdzie kaŜdy neuron jest połą czony ze swoimi
są siadami, są to połą czenia nieliniowe.
Rys.6 Sieć komórkowa [Systemy wspomagania decyzji, Kwiatkowska A.M.]
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 21/23
21
UCZENIE SIĘ SIECI
Najskuteczniejszą metodą uczenia się sieci jednokierunkowych jest
optymalizacja funkcji celu zdefiniowania dla sieci. Polega to na minimalizacji
błędu pomiędzy wartościami Ŝą danymi i aktualnie otrzymywanymi na wyjściu sieci
dla wszystkich danych uczą cych.
Uczenie sieci polega na rozwią zaniu zagadnienia optymalizacyjnego funkcji
wielu zmiennych. Z matematycznego punktu widzenia dąŜymy do znalezienia
takich wartości wag, aby wartość błędu średniokwadratowego ze wszystkich
odpowiedzi sieci, w stosunku do obserwacji doświadczalnych, była najmniejsza.
Korekty wag sieci przeprowadza się wielokrotnie, dla całego zbioru
uczą cego. Jeden cykl obejmują cy obliczenie błędu i modyfikację wag nosi nazwę
epoki. Koniec uczenia następuje najczęściej wówczas, gdy błą d
średniokwadratowy zaczyna rosnąć dla danych weryfikują cych. Jest to zwią zane z
moŜliwością przeuczenia sieci, czyli do nadmiernego dopasowania się do danych
uczą cych bez zdolności do generalizacji przewidywań dla innych danych.
Sztuczne sieci neuronowe charakteryzują się wieloma zaletami, wśród
których najwaŜniejsze to:
• Zdolność do uczenia się i uogólniania nabytej wiedzy. Sztuczne sieci
neuronowe umoŜliwiają znalezienie prawidłowości w warunkach duŜej
liczby zmiennych o róŜnym charakterze. ZaleŜności takie wymagają często
stosowania skomplikowanych operacji matematycznych lub są
niewykrywalne za pomocą metod matematycznych.
• Sieć jest odporna na błędy w danych wejściowych (zaszumienia) oraz błędy
pojawiają ce się w niektórych wagach, czyli błędnie wyznaczonych
niektórych stałych modelu.
• Sieci umoŜliwiają szybkie przetwarzanie informacji, często moŜliwe w
czasie rzeczywistym.
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 22/23
22
ZASTOSOWANIE SZTUCZNYCH SIECI NEURONOWYCH
Swoją popularność sieci neuronowe zawdzięczają temu, Ŝe są wygodnym
narzędziem. Mogą być wykorzystywane w niezwykle szerokim zakresie
problemów. Spowodowane jest to zdolnością sieci neuronowych do
odwzorowywania złoŜonych funkcji. Szczególnie naleŜy tu podkreślić ich
nieliniowość. Zyskują one coraz szersze do sterowania procesami produkcji,
przewidywania własności produktów. Zastosowanie sieci neuronowych jest
wszechstronne. Sieć potrafi odróŜnić prawidłowy wzorzec, nawet jeśli podany
sygnał jest w jakikolwiek sposób zakłócony.
Ponadto w modelowaniu procesów technologicznych (produkcyjnych),
wykorzystywane są :
• Regresja czyli inaczej aproksymacja nieznanej funkcji wielu zmiennych
(najczęściej), na podstawie wyników obserwacji doświadczalnych.
• Predykcja, czyli przewidywanie przyszłych zachowań się systemu na
podstawie cią gu wartości z przeszłości z cią głym dostosowaniem wag sieci.
• Wykrywanie wzorców, umoŜliwiają ce grupowanie sygnałów wykazują cych
podobne cechy (sieci typu Kohonena). Jest to uczenie nienadzorowane, nie
wymagają ce zbioru uczą cego.
PODSUMOWANIE
Inteligentne wytwarzanie jest przyszłościowym kierunkiem rozwoju
systemów wytwarzania i sterowania produkcją , gdzie coraz częściej dąŜy się do
dalszej automatyzacji, optymalizacji i integracji procesów produkcyjnych.
Inteligentne przetwarzanie danych z róŜnych źródeł umoŜliwia integrację
tych danych oraz podejmowanie decyzji i dokonywanie analiz.
Inteligentne systemy znajdują
szerokie zastosowanie w wielu obszarachwytwórczej działalności człowieka. Wykorzystywane są głównie w obszarach
5/10/2018 Metody i Narzedzia Sztucznej Inteligencji - slidepdf.com
http://slidepdf.com/reader/full/metody-i-narzedzia-sztucznej-inteligencji 23/23
23
planowania i sterowania przebiegiem produkcji. Określają one problemowo
zorientowane programy komputerowe wspomagają ce podejmowanie decyzji.
Znajdują powszechnie zastosowanie łą cznie z technikami wspomagania
komputerowego.
Inteligentne systemy pozwalają funkcjonować efektywnie na rynku
globalnym spełniają c jego wymagania.