Разработка экспертной системы подбора товаров в интернет-магазине

Аннотация

Дипломный проект посвящен разработке экспертной системы подбора товаров в интернет-магазине. Использование данной экспертной системы позволит повысить эффективность работы интернет-магазина, за счет автоматизации поиска клиентом товара, по определенному набору характеристик.

Рассматриваются основные этапы проектирования экспертной системы, включая: Анализ инструментальных средств построения экспертных систем, анализ предметной области, выбор модели представления знаний, разработка логического модуля, разработка пользовательского интерфейса. При создании экспертной системы особое внимание было уделено вопросам реализации механизма подбора товара, удобному, интуитивно понятному графическому интерфейсу и легкой интеграции с сайтом интернет-магазина.

Также приводятся рекомендации по внедрению экспертной системы, отражающие область применения и оценку эффективности её использования.

Содержание

1. Специальная часть

.1 Исследовательский раздел

.1.1 Обобщенная структура и принципы функционирования экспертных систем

.1.2 Анализ и обзор существующих методов построения ЭС и готовых решений

.1.3 Анализ инструментальных средств построения ЭС

.1.4 Постановка задачи

.2 Построение экспертной системы

.2.1 Анализ предметной области

.2.2 Выбор модели представления знаний

.2.3 Разработка логического блока программы

.2.4 Разработка графического пользовательского интерфейса

.2.5 Текст программы

.3 Экспериментальная оценка результатов работы

.3.1 Рекомендации по использованию ЭС

.3.2 Оценка эффективности использования ЭС

.3.3 Руководство оператора

.4 Выводы

. Экологическая часть и безопасность жизнедеятельности

.1 Исследование опасных и вредных факторов при эксплуатации ЭВМ

.2 Воздействие опасных и вредных факторов на организм пользователя ЭВМ

.3 Способы защиты пользователей от опасных и вредных факторов

.4 Эргономические требования при организации рабочих мест

.5 Выводы

Список литературы

1. Специальная часть

История развития искусственного интеллекта

Идея создания искусственного подобия человеческого разума для решения сложных задач моделирования мыслительной способности витала в воздухе с древнейших времен. Впервые ее выразил Р.Луллий (ок.1235- ок.1315), который еще в XIV в. пытался создать машину для решения различных задач на основе всеобщей классификации понятий. В XVIII в. Г.Лейбниц (1646 - 1716) и Р.Декарт (1596- 1650) независимо друг от друга развили эту идею, предложив универсальные языки классификации всех наук. Эти идеи легли в основу теоретических разработок в области создания искусственного интеллекта. Развитие искусственного интеллекта как научного направления стало возможным только после создания ЭВМ. Это произошло в 40-х гг. XX в. В это же время И.Винер (1894- 1964) создал свои основополагающие работы по новой науке - кибернетике. Термин искусственный интеллект (artificial intelligence) предложен в 1956 г. на семинаре с аналогичным названием в Станфордском университете (США).

В 1954 г. в МГУ под руководством профессора А.А.Ляпунова (1911 - 1973) начал свою работу семинар "Автоматы и мышление". В этом семинаре принимали участие крупнейшие физиологи, лингвисты, психологи, математики. Принято считать, что именно в это время родился искусственный интеллект в России. Как и за рубежом, выделились направления нейрокибернетики и кибернетики "черного ящика". Среди наиболее значимых результатов, полученных отечественными учеными, следует отметить алгоритм "Кора" М.Бонгарда, моделирующий деятельность человеческого мозга при распознавании образов (60-е гг.).

В 1945- 1964 гг. создаются отдельные программы и исследуется поиск решения логических задач. В Ленинграде (ЛОМИ - Ленинградское отделение математического института им. В.А.Стеклова) создается программа, автоматически доказывающая теоремы (АЛИЕВ ЛОМИ). Она основана на оригинальном обратном выводе С.Ю.Маслова, аналогичном методу резолюций Робинсона.

В 1965- 1980 гг. получает развитие новая наука - ситуационное управление (соответствует представлению знаний в западной терминологии). Основоположник этой научной школы - профессор Д.А.Поспелов. Разработаны специальные модели представления ситуаций - представления знаний.

В 1980- 1990 гг. проводятся активные исследования в области представления знаний, разрабатываются языки представления знаний (экспертные системы). В Московском государственном университете создается язык РЕФАЛ.

В 1988 г. создается АИИ - Ассоциация искусственного интеллекта. Ее членами являются более 300 исследователей. Президент Ассоциации - Д.А.Поспелов. Крупнейшие центры - в Москве, Петербурге, Переславле-Залесском, Новосибирске.

В рамках Ассоциации проводится большое количество исследований, собираются конференции, издается журнал. Уровень теоретических исследований по искусственному интеллекту в России ничуть не ниже мирового. К сожалению, начиная с 1975 г- на развитии этого направления сказалось прогрессирующее отставание в технологии. На данный момент отставание в области промышленных интеллектуальных систем составляет порядка 5-7 лет.

Самостоятельное направление ИИ - Экспертные Системы (ЭС)

В начале восьмидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название "экспертные системы" (ЭС).

Анализ мирового опыта показывает, что при оценке состояния объектов (диагностике) и совершенствовании технологических процессов наиболее перспективным является использование оптимизирующих систем, основанных на знаниях и опыте экспертов (высококвалифицированных специалистов), который накапливается в экспертных системах. Экспертная система (ЭС) - сложная программа, которая использует знания с целью отыскания удовлетворительного решения определенной задачи в реальных условиях. Основу ЭС составляет база знаний (БЗ), которая закладывается во время ее разработки и может уточняться и расширяться при использовании. БЗ разрабатывается во взаимодействии с ведущими специалистами и представляет собой свод квалифицированных мнений (правил) и постоянно обновляющийся справочник наилучших методов и стратегий, используемых экспертами для решения конкретных задач.

Цель исследований по ЭС состоит в разработке программ, которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом.

Исследователи в области ЭС для названия своей дисциплины часто используют также термин "инженерия знаний", введенный Е.Фейгенбаумом как "привнесение принципов и инструментария исследований из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов".

Программные средства (ПС), базирующиеся на технологии экспертных систем, или инженерии знаний (в дальнейшем будем использовать их как синонимы), получили значительное распространение в мире. Важность экспертных систем состоит в следующем:

-          технология экспертных систем существенно расширяет круг практически значимых задач, решаемых на компьютерах, решение которых приносит значительный экономический эффект;

-          технология ЭС является важнейшим средством в решении глобальных проблем традиционного программирования: длительность и, следовательно, высокая стоимость разработки сложных приложений;

-          высокая стоимость сопровождения сложных систем, которая часто в несколько раз превосходит стоимость их разработки; низкий уровень повторной используемости программ и т.п.;

-          объединение технологии ЭС с технологией традиционного программирования добавляет новые качества к программным продуктам за счет: обеспечения динамичной модификации приложений пользователем, а не программистом; большей "прозрачности" приложения; лучшей графики; интерфейса и взаимодействия.

По мнению ведущих специалистов, в недалекой перспективе ЭС найдут следующее применение:

-          ЭС будут играть ведущую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг;

-          технология ЭС, получившая коммерческое распространение, обеспечит революционный прорыв в интеграции приложений из готовых интеллектуально-взаимодействующих модулей.

Экспертные системы применяются для решения только трудных практических задач. По качеству и эффективности решения экспертные системы не уступают решениям эксперта-человека. Решения экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне. Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях.

Знания можно подразделить на формализованные (универсальные знания - законы, модели, алгоритмы) и на неформализованные (эмпирические, опыт, умение, интуиция).

Традиционное программирование в качестве основы для разработки программного обеспечения использует формализованное знание (алгоритм) и не подходит для решения неформализованных задач, к которым можно отнести следующие:

алгоритмическое решение задачи неизвестно;

задача не может быть определена в числовой форме;

цели задачи не могут быть выражены в терминах точно определенной функции.

Как правило, такие задачи обладают неполнотой, ошибочностью, неоднозначностью и противоречивостью.

ЭС предназначены для неформализованных задач, т.е. ЭС не отвергают и не заменяют традиционного подхода к разработке программ, ориентированного на решение формализованных задач.

Неформализованные задачи обычно обладают следующими особенностями:

ошибочностью, неоднозначностью, неполнотой и противоречивостью исходных данных;

ошибочностью, неоднозначностью, неполнотой и противоречивостью знаний о проблемной области и решаемой задаче;

большой размерностью пространства решения, т.е. перебор при поиске решения весьма велик;

динамически изменяющимися данными и знаниями.

Следует подчеркнуть, что неформализованные задачи представляют большой и очень важный класс задач. Многие специалисты считают, что эти задачи являются наиболее массовым классом задач, решаемых ЭВМ.

Экспертная система обладает следующими свойствами:

алгоритм решения задачи генерируется динамически экспертными системами;

способность анализа и объяснения хода решения задачи и полученных результатов;

способность приобретения новых знаний и изменения в соответствии с ними своего поведения;

обеспечение, как правило, естественного языка интерфейса с пользователем

Т.о. экспертные системы и системы искусственного интеллекта отличаются от систем обработки данных тем, что в них в основном используются символьный (а не числовой) способ представления, символьный вывод и эвристический поиск решения (а не исполнение известного алгоритма).

Коммерческий успех ЭС

Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление).

Области применения экспертных систем разнообразны: образование, военные приложения, медицина, электроника, энергетика, транспорт, вычислительная техника, геология, математика, космос, сельское хозяйство, управление, финансы, бизнес, и т.д.

Коммерческие успехи к фирмам-разработчикам систем искусственного интеллекта (СИИ) пришли не сразу. На протяжении 1960 - 1985 гг. успехи ИИ касались в основном исследовательских разработок, которые демонстрировали пригодность СИИ для практического использования. Начиная примерно с 1985 г. (в массовом масштабе с 1988 - 1990 гг.), в первую очередь ЭС, а в последние годы системы, воспринимающие естественный язык (ЕЯ-системы), и нейронные сети (НС) стали активно использоваться в коммерческих приложениях.

Следует обратить внимание на то, что некоторые специалисты (как правило, специалисты в программировании, а не в ИИ) продолжают утверждать, что ЭС и СИИ не оправдали возлагавшихся на них ожиданий и умерли. Причины таких заблуждений состоят в том, что эти авторы рассматривали ЭС как альтернативу традиционному программированию, т.е. они исходили из того, что ЭС в одиночестве (в изоляции от других программных средств) полностью решают задачи, стоящие перед заказчиком.

Причины, приведшие СИИ к коммерческому успеху, следующие:

Интегрированность. Разработаны инструментальные средства искусственного интеллекта (ИС ИИ), легко интегрирующиеся с другими информационными технологиями и средствами (с CASE, СУБД, контроллерами, концентраторами данных и т.п.).

Открытость и переносимость. ИС ИИ разрабатываются с соблюдением стандартов, обеспечивающих открытость и переносимость.

Использование языков традиционного программирования и рабочих станций. Переход от ИС ИИ, реализованных на языках ИИ (Lisp, Prolog и т.п.), к ИС ИИ, реализованным на языках традиционного программирования (С, C++ и т.п.), упростил обеспечение интегрированности, снизил требования приложений ИИ к быстродействию ЭВМ и объемам оперативной памяти. Использование рабочих станций (вместо ПК) резко увеличило круг приложений, которые могут быть выполнены на ЭВМ с использованием ИС ИИ. Архитектура клиент-сервер. Разработаны ИС ИИ, поддерживающие распределенные вычисления по архитектуре клиент-сервер, что позволило снизить стоимость оборудования, используемого в приложениях, децентрализовать приложения, повысить надежность и общую производительность (так как сокращается количество информации, пересылаемой между ЭВМ, и каждый модуль приложения выполняется на адекватном ему оборудовании). Проблемно/предметно-ориентированные ИС ИИ. Переход от разработок ИС ИИ общего назначения (хотя они не утратили свое значение как средство для создания ориентированных ИС) к проблемно/предметно-ориентированным ИС ИИ обеспечивает: сокращение сроков разработки приложений; увеличение эффективности использования ИС; упрощение и ускорение работы эксперта; повторную используемость информационного и программного обеспечения (объекты, классы, правила, процедуры).

Перспективы ЭС

Все существующие ЭС ориентированы на решение определенного круга задач в узкой предметной области и не могут быть применены для решения близких, но не предусмотренных при их создании, проблем. Даже для задач, входящих в "компетенцию" ЭС, точный анализ ситуации (диагноз) и нахождение оптимального решения возможны только в случае, если аналогичная ситуация была предусмотрена при ее создании. Попытка уточнить структуру БЗ в процессе эксплуатации или расширить круг решаемых проблем часто приводят к изменению "логического строя" и, как следствие, к необходимости переработки всего программного комплекса. В настоящее время проводятся исследования, которые должны привести к разработке универсальной экспертной системы (УЭС), но предлагаемые подходы не обеспечивают решение не формализованных (слабо формализованных) задач. Предлагается новая "концепция универсальности", которая позволяет накапливать знания и находить решения любых задач, в том числе не формализованных в различных областях науки и техники. Эта "концепция" позволяет ЭС в процессе эксплуатации обучаться, повышать точность анализов и расширять свои функциональные возможности. Адаптация поведения осуществляется за счет использования информации, накопленной ЭС, путем корректировки знаний, формализованных в "технических контекстах" (критериях оптимальности и в файлах инсталляции - базе фактов). Решение проблемы найдено в рамках построения иерархического комплекса взаимосвязанных ЭС, использующих общую универсальную информационную базу знаний (ИБЗ) и расширяемый ряд "интеллектуальных" блоков решателей, способных обучаться в процессе эксплуатации. Такой подход позволяет включить в состав ЭС блоки накапливающие информацию (информационно-поисковые системы, взаимодействующие с сетью Интернет) и блоки формализующие задачи и реализующие методы аналитического и имитационного моделирования (формирователи-анализаторы математических моделей). Наличие в ЭС, уточняемых в процессе эксплуатации математических моделей, обеспечивает возможность проведения структурно-параметрической идентификации динамических объектов, включает в процесс принятия решения теорию оптимизации и другие математические методы обработки информации. При этом в блок решателя могут быть включены алгоритмы, обеспечивающие автоматическое задание оптимального пространства поиска решений, которое основано на многокритериальном отборе и эвристическом подходе к проблеме. Эвристические алгоритмы оценки, выбора и принятия решения могут уточняться в процессе функционирования системы в диалоге с экспертом (пользователем). Полученные знания автоматически используются системой для повышения точности последующих решений. Поиск оптимального решения осуществляется при сочетании методов аналитического моделирования с имитационным экспериментом и технологией ЭС. Итак, Экспертные системы - это яркое и быстро прогрессирующее направление в области искусственного интеллекта. Причиной повышенного интереса, который ЭС вызывают к себе на протяжении всего своего существования, является возможность их применения к решению задач из самых различных областей человеческой деятельности. Практическое применение искусственного интеллекта на машиностроительных предприятиях и в экономике основано на ЭС, позволяющих повысить качество и сохранить время принятия решений, а также способствующих росту эффективности работы и повышению квалификации специалистов. Таким образом, как мы видим, экспертные системы являются востребованным продуктом на современном рынке информационных технологий.

1.1 Исследовательский раздел

1.1.1 Обобщенная структура и принципы функционирования экспертных систем

Экспертные системы (ЭС) - это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей.

Типичная статическая ЭС состоит из следующих основных компонентов (рис. 1.1.1):

·              решателя (интерпретатора);

·              рабочей памяти (РП), называемой также базой данных (БД);

·              базы знаний (БЗ);

·              компонентов приобретения знаний;

·              объяснительного компонента;

·              диалогового компонента.

Рис. 1.1.1

База данных (рабочая память) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи. Этот термин совпадает по названию, но не по смыслу с термином, используемым в информационно-поисковых системах (ИПС) и системах управления базами данных (СУБД) для обозначения всех данных (в первую очередь долгосрочных), хранимых в системе.

База знаний (БЗ) в ЭС предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.

Решатель, используя исходные данные из рабочей памяти и знания из БЗ, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи.

Компонент приобретения знаний автоматизирует процесс наполнения ЭС знаниями, осуществляемый пользователем-экспертом.

Объяснительный компонент объясняет, как система получила решение задачи (или почему она не получила решение) и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.

Диалоговый компонент ориентирован на организацию дружественного общения с пользователем как в ходе решения задач, так и в процессе приобретения знаний и объяснения результатов работы.

В разработке ЭС участвуют представители следующих специальностей:

эксперт в проблемной области, задачи которой будет решать ЭС;

инженер по знаниям - специалист по разработке ЭС (используемые им технологию, методы называют технологией (методами) инженерии знаний);

программист по разработке инструментальных средств (ИС), предназначенных для ускорения разработки ЭС.

Эксперт определяет знания (данные и правила), характеризующие проблемную область, обеспечивает полноту и правильность введенных в ЭС знаний.

Инженер по знаниям помогает эксперту выявить и структурировать знания, необходимые для работы ЭС; осуществляет выбор того ИС, которое наиболее подходит для данной проблемной области, и определяет способ представления знаний в этом ИС; выделяет и программирует (традиционными средствами) стандартные функции (типичные для данной проблемной области), которые будут использоваться в правилах, вводимых экспертом.

Программист разрабатывает ИС (если ИС разрабатывается заново), содержащее в пределе все основные компоненты ЭС, и осуществляет его сопряжение с той средой, в которой оно будет использовано.

Экспертная система работает в двух режимах: режиме приобретения знаний и в режиме решения задачи (называемом также режимом консультации или режимом использования ЭС).

В режиме приобретения знаний общение с ЭС осуществляет (через посредничество инженера по знаниям) эксперт. В этом режиме эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют ЭС в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования с данными, характерные для рассматриваемой области.

Отметим, что режиму приобретения знаний в традиционном подходе к разработке программ соответствуют этапы алгоритмизации, программирования и отладки, выполняемые программистом. Таким образом, в отличие от традиционного подхода в случае ЭС разработку программ осуществляет не программист, а эксперт (с помощью ЭС), не владеющий программированием.

В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. Необходимо отметить, что в зависимости от назначения ЭС пользователь может не быть специалистом в данной проблемной области (в этом случае он обращается к ЭС за результатом, не умея получить его сам), или быть специалистом (в этом случае пользователь может сам получить результат, но он обращается к ЭС с целью либо ускорить процесс получения результата, либо возложить на ЭС рутинную работу). В режиме консультации данные о задаче пользователя после обработки их диалоговым компонентом поступают в рабочую память. Решатель на основе входных данных из рабочей памяти, общих данных о проблемной области и правил из БЗ формирует решение задачи. ЭС при решении задачи не только исполняет предписанную последовательность операции, но и предварительно формирует ее. Если реакция системы не понятна пользователю, то он может потребовать объяснения.

1.1.2 Анализ и обзор существующих методов построения ЭС и готовых решений

Организация знаний в ЭС

Для специалистов в области ИИ термин знания означает информацию, которая необходима программе, чтобы она вела себя "интеллектуально". Эта информация принимает форму фактов или правил.

Факты и правила в экспертной системе не всегда либо истинны, либо ложны; иногда существует некоторая степень неуверенности в достоверности факта или точности правила. Если это сомнение выражено явно, то оно называется "коэффициентом уверенности".

Многие правила экспертной системы являются эвристиками, т. е. эмпирическими правилами или упрощениями, которые эффективно ограничивают поиск решения. Экспертная система использует эвристики, потому что задачи, которые она решает, будь то поиск новых месторождений или согласование исков, как правило, трудны и не до конца понятны. Эти задачи не поддаются строгому математическому анализу или алгоритмическому решению. Алгоритмический метод гарантирует корректное или оптимальное решение задачи, тогда как эвристический метод дает приемлемое решение в большинстве случаев.

Знания в ЭС организованы таким образом, чтобы знания о предметной области отделить от других типов знаний системы, таких, как общие знания о том, как решать задачи, или знания о том, как взаимодействовать с пользователем, например как печатать текст на терминале пользователя или как изменить текст в соответствии с командами пользователя. Выделенные знания о предметной области называются базой знаний, тогда как общие знания о нахождении решений задач называются механизмом вывода. Программа, которая работает со знаниями, организованными подобным образом, называется системой, основанной на знаниях. База знаний ЭС содержит факты (данные) и правила (или другие представления знаний), использующие эти факты как основу для принятия решений. Механизм вывода содержит интерпретатор, определяющий, каким образом применять правила для вывода новых знаний, и диспетчер, устанавливающий порядок применения этих правил. Такая структура экспертной системы показана на рис. 1.1.2. Выделение знаний о предметной области облегчает инженеру по знаниям разработку процедур для манипулирования ими. Имеет первостепенное значение, каким образом система использует свои знания, поскольку ЭС должна иметь и адекватные знания, и средства для их эффективного применения, чтобы ее можно было считать умелой в каком-либо виде деятельности. Следовательно, для того, чтобы быть умелой, ЭС должна иметь базу знаний, содержащую высококачественные знания о предметной области, а ее механизм вывода должен содержать знания о том, как эффективно использовать знания о предметной области.

Рис. 1.1.2 Состав экспертной системы

Концепция механизма вывода ЭС часто вызывает некоторое недоумение среди начинающих разработчиков. Обычно ясно, как знания предметной области могут быть записаны в виде фактов и правил, но далеко не ясно, каким образом конструировать и использовать так называемый "механизм вывода". Это недоумение возникает от отсутствия простого и общего метода организации логического вывода. Его структура зависит и от специфики предметной области, и от того, как знания структурированы и организованы в ЭС.

Существует много стандартных способов представления знаний, и при построении ЭС может быть использован любой из них, сам по себе или в сочетании с другими. Каждый способ позволяет получить программу с некоторыми преимуществами - делает ее более эффективной, облегчает ее понимание и модификацию. В современных ЭС чаще всего применяются три самых важных метода представления знаний: правила (продукционный), семантические сети и фреймы.

Представление знаний, основанное на правилах, построено на использовании выражений вида ЕСЛИ (условие) - ТО (действие).

Правила обеспечивают естественный способ описания процессов, управляемых сложной и быстро изменяющейся внешней средой. Через правила можно определять, как программа должна реагировать на изменение данных; при этом не нужно заранее знать блок-схему управления обработкой данных. В программе традиционного типа схема передачи управления и использования данных предопределена в самой программе. Обработка здесь осуществляется последовательными шагами, а ветвление происходит только в заранее выбранных точках. Этот способ управления хорошо работает в случае задач, допускающих алгоритмическое решение, если к тому же при этом данные меняются достаточно медленно, например, при решении систем линейных уравнений. Для задач, ход решения которых управляется самими данными, где ветвление скорее норма, чем исключение, этот способ малоэффективен. В задачах такого рода правила дают возможность на каждом шаге оценить ситуацию и предпринять соответствующие действия. Применение правил упрощает объяснение того, что и как сделала программа, т. е. каким способом она пришла к конкретному заключению.

Представление знаний, основанное на фреймах, использует сеть узлов, связанных отношениями и организованных иерархически. Каждый узел представляет собой концепцию, которая может быть описана атрибутами и значениями, связанными с этим узлом. Узлы, которые занимают более низкое положение в иерархии, автоматически наследуют свойства узлов, занимающих более высокое положение. Эти методы обеспечивают естественный и эффективный путь классификации и построения таксономии.

Классификация ЭС

Класс "экспертные системы" сегодня объединяет несколько тысяч различных программных комплексов, которые можно классифицировать по различным критериям. Полезными могут оказаться следующие классификации. (Рис.1.1.3)

Рис. 1.1.3 Классификация экспертных систем

Классификация по решаемой задаче

Интерпретация данных. Это одна из традиционных задач для экспертных систем. Под интерпретацией понимается определение смысла данных, результаты которого должны быть согласованными и корректными. Обычно предусматривается многовариантный анализ данных.

Диагностика. Под диагностикой понимается обнаружение неисправности в некоторой системе. Неисправность - это отклонение от нормы. Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания живых организмов, и всевозможные природные аномалии. Важной спецификой является необходимость понимания функциональной структуры ("анатомии") диагностирующей системы.

Мониторинг. Основная задача мониторинга - непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы. Главные проблемы - "пропуск" тревожной ситуации и инверсная задача "ложного" срабатывания. Сложность этих проблем в размытости симптомов тревожных ситуаций и необходимость учета временного контекста.

Проектирование. Проектирование состоит в подготовке спецификаций на создание "объектов" с заранее определенными свойствами. Под спецификацией понимается весь набор необходимых документов чертеж, пояснительная записка и т.д. Основные проблемы здесь - получение четкого структурного описания знаний об объекте и проблема "следа". Для организации эффективного проектирования и, в еще большей степени, перепроектирования необходимо формировать не только сами проектные решения, но и мотивы их принятия. Таким образом, в задачах проектирования тесно связываются два основных процесса, выполняемых в рамках соответствующей ЭС: процесс вывода решения и процесс объяснения.

Прогнозирование. Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций. В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой значения параметров "подгоняются" под заданную ситуацию. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками.

Планирование. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции. В таких ЭС используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности.

Обучение. Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказывают правильные решения. Они аккумулируют знания о гипотетическом "ученике" и его характерных ошибках, затем в работе способны диагностировать слабости в знаниях обучаемых и находить соответствующие средства для их ликвидации. Кроме того, они планируют акт общения с учеником в зависимости от успехов ученика с целью передачи знаний.

Классификация по связи с реальным временем

Статические ЭС разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются во времени. Они стабильны.

Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.

Динамические ЭС работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацией поступаемых данных.

Классификация по типу ЭВМ

На сегодняшний день существуют:

-       ЭС для уникальных стратегически важных задач на суперЭВМ (Эльбрус, CRA'. CONVEX и др.);

-       ЭС на ЭВМ средней производительности (типа ЕС ЭВМ, mainframe);

-       ЭС на символьных процессорах и рабочих станциях (SUN, APOLLO);

-       ЭС на мини- и супермини-ЭВМ (VAX, micro-VAX и др.);

-       ЭС на персональных компьютерах (IBM PC, MAC II и подобные).

Классификация по степени интеграции с другими программами

Автономные ЭС работают непосредственно в режиме консультаций с пользователем для специфически "экспертных" задач, для решения которых не требуется привлекать традиционные методы обработки данных (расчеты, моделирование и т. д.).

Гибридные ЭС представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (например, математическую статистику, линейное программирование или системы управления базами данных) и средства манипулирования знаниями. Это может быть интеллектуальная надстройка над ППП или интегрированная среда для решения сложной задачи с элементами экспертных знаний.

Несмотря на внешнюю привлекательность гибридного подхода, следует отметить, что разработка таких систем являет собой задачу, на порядок более сложную, чем разработка автономной ЭС. Стыковка не просто разных пакетов, а разных методологий (что происходит в гибридных системах) порождает целый комплекс теоретических и практических трудностей.

Анализ готовых решений

В рамках данной работы для нас представляет интерес анализ систем поиска и подбора товаров. При посещении интернет-магазинов многие покупатели сталкиваются с проблемой выбора товаров по определенному набору характеристик. Разобраться в хитросплетениях современной техники не всегда получается, а из-за особенностей торговли через интернет получить грамотную и быструю консультацию редко представляется возможным. На сайте интернет-магазина бытовой техники Эльдорадо www.eldorado.ru в тесном сотрудничестве с компанией "Наносемантика" www.nanosemantics.ru, которая занимается разработками в области искусственного интеллекта, была внедрена принципиально новая система поиска и подбора товара, которая позволяет сократить время поиска без потери качества выборки. Среди особенностей системы: простота интерфейса, специально ориентированного на обычного покупателя, и математическая модель, которая сводит к минимуму количество вопросов-ответов.

При общении с Экспертной Системой пользователю достаточно ответить на несколько вопросов либо в последовательности, предлагаемой Системой, либо в порядке, удобном покупателю. В ходе выполнения алгоритма система автоматически "выбрасывает" из общения заведомо лишние вопросы. Пользователь по своему усмотрению может выбрать только те параметры техники, которые представляют для него важность, и все равно получить в результате список товаров, полностью удовлетворяющих заданным характеристикам. Интернет-магазин бытовой техники и электроники Эльдорадо быстро оценил выигрыш от использования подобной технологии и в кратчайшие сроки подключил ее к своей площадке.

Экспертные системы в действии:

·              DeltaCredit Bank

ЭС помогает Пользователю выбрать подходящую для него квартиру, основываясь на параметрах квартир, представленных в базе данных по квартирам. Гибкий алгоритм поиска позволяет подобрать подходящую квартиру за минимальное число шагов. На каждом шаге работы ЭС пользователь видит отобранные Системой квартиры и в любой момент может остановить поиск.

·              Сотовик.ру

ЭС помогает найти интересующий пользователя мобильный телефон из каталога мобильных телефонов основываясь на их параметрах. Удобный интерфейс ЭС позволяет посетителю сайта подобрать нужный ему телефон всего за 3-5 кликов из базы, которая содержит более чем 4000 телефонов, имеющих более 30 параметров. Гибкий алгоритм поиска позволяет в любой момент пересмотреть любой из параметров поиска и максимально быстро найти подходящий вариант телефона.

·              Studyabroad.ru

При работе ЭС используется специальная База Знаний, в которую входит исчерпывающий набор параметров учебных заведений, иерархия параметров, вопросов, ответов, а также подсказок по каждому из параметров. В процессе поиска учебного заведения пользователь видит уже отобранные ЭС-мой названия учебных заведений, представляемые в виде списка, и всегда может остановить поиск, не отвечая на дальнейшие вопросы системы.

·              Эльдорадо

В онлайновом магазине компании "Эльдорадо" реализован наглядный и легко мультиплицируемый механизм подбора товаров в рамках отдельных товарных групп - Экспертная Система (ЭС) по подбору товаров. ЭС предназначена для быстрого сужения поиска без потери качества выборки; помогает пользователю выбрать объект, подходящий по нескольким параметрам, из некоторого множества объектов. Также создан вариант ЭС, в которой реализован более сложный механизм подбора товаров по большему набору параметров. В ЭС внедрен алгоритм пересмотра выбранных значений параметров, а также автоматического заполнения параметров на основании ответов, данных пользователем. При своей работе ЭС использует Базу Знаний, в которую входит исчерпывающий набор товарных позиций, параметров, иерархии параметров, вопросов, ответов и подсказок к каждому из параметров.

Сравнение Экспертной системы с другими системами поиска:

Проведем сравнение ЭС с другими системами поиска на примере разработанной компанией "Наносемантика" ЭС подбора сотового телефона.

Экспертная Система - онлайновая система, предназначенная для быстрого сужения поиска без потери качества выборки; помогает пользователю выбрать объект, подходящий по нескольким параметрам, из некоторого множества объектов. Работает в режиме "вопросы-ответы", каждый диалог с новым пользователем строится индивидуально.

Адрес: #"600805.files/image004.gif">

Рис. 1.1.4 Схема выбора инструментальной среды проектирования экспертной системы

Среди инструментальных средств для создания ЭС наиболее популярны такие языки программирования, как LISP и PROLOG, а также экспертные системы-оболочки (ЭСО): KEE, CENTAUR, G2 и GDA, АТ_ТЕХНОЛОГИЯ, предоставляющие в распоряжение разработчика-инженера по знаниям широкий набор для комбинирования систем представления знаний, языков программирования, объектов и процедур.

Кратко остановимся на некоторых вышеприведенных языках программирования. LISP, как следует из его названия, предназначен для обработки списков, состоящих из атомов - абстрактных элементов, представляющих из себя формально неограниченные по длине цепочки символов. Они могут трактоваться как строки в более привычном понимании, числа или представлять собой некие логические структуры с вложенными на неограниченную глубину подсписками в виде иерархических деревьев. Для обработки списков используется функциональная модель, базирующаяся на теории Lambda-исчислений Черча. Фактически программа на LISP представляет из себя набор lambda-функций, при этом работа со списками осуществляется с помощью базового набора примитивов типа CAR/CDR (взять первый элемент списка, который сам может быть списком/получить список без первого элемента). Таких примитивов в минимальном наборе всего 13 штук. С их помощью и, главное, благодаря рекурсивной системе обработки информации LISP позволяет очень компактно описывать функции, для реализации которых на других языках программирования потребовались бы сотни и тысячи строчек кода. Такие задачи, как автоматическое доказательство теорем, понимание естественного языка и окружающего мира, логические исчисления, написание компиляторов, везде, где требуется обработка абстрактной структурной информации, как оказалось, очень удачно описываются и программируются на LISP. Из недостатков данного языка можно выделить сложность освоения и высокую стоимость средств разработки.

Программа на языке PROLOG состоит из набора фактов, определенных отношений между объектами данных (фактами) и набором правил (образцами отношений между объектами базы данных). Эти факты и правила вводятся в базу данных. Для работы программы пользователь должен ввести запрос - набор термов, которые все должны быть истинны. Факты и правила из базы данных используются для определения того, какие подстановки для переменных в запросе (называемые унификацией) согласуются с информацией в базе данных. Язык PROLOG, как интерпретатор, приглашает пользователя вводить информацию. Пользователь набирает запрос или имя функции. Выводится значение (истина - yes, или ложь - no) этого запроса, а также возможные значения переменных запроса, присвоение которых делает запрос истинным (т.е. унифицирует запрос). Хотя выполнение программы на языке PROLOG основывается на спецификации предикатов, оно напоминает выполнение программ на языках LISP или ML. К недостаткам данного языка можно отнести отсутствие механизма прямого вывода.

Несмотря на все достоинства вышеперечисленных языков создания экспертных систем, на сегодняшний день на первое место выходит новая разработка - среда CLIPS. Название языка CLIPS - аббревиатура от С Language Integrated Production System. Язык был разработан в Центре космических исследований NASA (NASA's Johnson Space Center) в середине 1980-х гг. и во многом сходен с языками, созданными на базе LISP, в частности OPS5 и ART.

Для создания экспертных систем, как и в любой другой среде, в CLIPS используются две основные конструкции: правила и факты. Факты могут быть как упорядоченные так и неупорядоченные, их называют шаблонами или фреймами. Мощный инструмент создания правил включает в себя возможность задания приоритета правил, которое позволяет пользователю назначать приоритет для своих правил. К основным достоинствам данного языка можно отнести свободное распространение, мультиплатформенность, полную открытую документацию и объектно-ориентированное расширение CLIPS Object-Oriented Language (COOL).

Также стоит отметить оболочку ЭС "Рапана", которая может использоваться как для создания простых Баз Знаний (БЗ) для локализованного применения, так и быть основой для решения глобальных задач любой сложности.

Особо нужно отметить возможность проведения консультаций через Интернет, что позволит существенно повысить интеллектуальность веб-узлов.

"Рапана" обладает рядом особенностей:

Первая особенность - высокое быстродействие, мультимедийность, масштабируемость, работа в сети - обеспечена использованием для БЗ реляционной модели. В итоге знания живут в "родной" среде СУБД, где нет практических ограничений на объем и допускается хранение любых типов данных, а вывод заключения идет через эффективный механизм SQL-запросов по числовым полям.

Система может работать с различными СУБД, но для работы ЭС Рапана в полную силу необходимо использование СУБД типа клиент-сервер. В большинстве из них машину вывода, основанную на SQL-запросах, можно легко конвертировать в язык хранимых процедур, что даст дополнительный эффект по быстродействию.

В БЗ может находится неограниченное количество отдельных задач, которые можно рассматривать как отдельные ЭС. В перспективе, можно будет объединять задачи в модули для решения крупных проблем.

Второй особенностью является простота создания Базы Знаний. Ввод данных с помощью специальной программы Когнитограф возможен в двух вариантах: первый похож на работу в программах типа материального учета, а второй - визуальный.

А используемая методика коэффиициентов уверенности, связанная с именем Шортлифа, проста и естественна.

Третьей особенностью является визуальная пошаговая отладка, предоставляющая создателю БЗ возможность видеть все,что происходит в ЭС в каждый момент её выполнения.

ЭС Рапана позволяет эффективно контролировать процесс отладки при наличии ~100-150 правил в задаче на 19-ти дюймовом мониторе. В литературе и материалах дискуссий про ЭС можно найти мнение, что создание ЭС с количеством правил более 400 не имеет смысла. Согласившись с этим, можно полагать, что ЭС Рапана, при достижимом росте площади рабочего пространства мониторов, полностью обеспечит предельную потребность.

Также из программ оболочек представляет интерес средства на базе JAVA: Corvid Exsys. Система EXSYS относится к системам дедуктивного продукционного типа, причем система по сути является инструментальной средой, поддерживающей различные режимы конструирования прикладных ЭС и обладающей достаточно развитыми средствами обработки фактора неопределенности. Эта система ориентирована на различные классы пользователей в зависимости от их подготовки в области искусственного интеллекта и программирования, имеет развитый интерфейс с современными СУБД и электронными таблицами, средства сбора статистики и т. д. Система может работать на различных вычислительных платформах под управлением различных операционных систем, а также имеет поддержку сетевой конфигурации.

Общие характеристики системы 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:(условие) THEN (заключение), либо(условие) THEN (заключение 1) ELSE (заключение 2)

Пример продукции:

Если pH < 6, то жидкость - кислота.

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:

-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.

Ввод правил

Ввод нового правила выполняется при нажатии клавиши или <А>.Exsys проверяет все новые правила на совместимость с уже существующими. Если обнаружен возможный конфликт, информация об этом отображается на экране и пользователь должен произвести необходимые изменения. Exsys не может проверять математические формулы. Правила состоят из условий, которые являются предложениями. Эти условия часто состоят из квалификаторов и значений, объединенных в предложение. Квалификатор всегда находится в начале предложения. В условной части правила может быть несколько пар квалификатор-значение. Exsys допускает до 30 значений для одного квалификатора. Не следует переопределять значения квалификаторов, так как Exsys хранит квалификаторы в соответствии с их номерами и не сможет распознать, что два квалификатора с различными номерами одинаковы, если их текстовые значения совпадают. Ранее введенные квалификаторы можно вызывать для повторного использования по их номерам, можно перемещаться по их списку нажатием клавиш <(> и <(>. Если список квалификаторов велик или Вы забыли номер требуемого квалификатора, можно найти его по его текстовому имени. Для этого необходимо нажать клавишу , а затем ввести текст. Если некоторый квалификатор содержит введенный текст, он будет отображен вместе со своим номером. Таким образом, в результате поиска могут быть найдены несколько квалификаторов. Выбор нужного производится по номеру.

Во время работы экспертной системы проверяются IF - части правил. Если все условия в IF - части правила истинные, то принимается истинной THEN - часть правила, в противном случае принимается истинной ELSE - часть правила (если она есть). Exsys допускает задание в одной IF - части до 126 конъюнкций условий. Условия проверяются в том порядке, в котором они записаны, соответственно порядок их следования может быть различным. Поэтому наиболее важные условия следует записывать раньше. Каждое правило может иметь примечание. Примечание отображается вместе с правилом и не влияет на ход работы, а служит лишь информацией для пользователя. Правило так же может иметь ссылку на источник информации, выраженной в нем. В отличие от примечания, ссылка не отображается, если пользователь специально не укажет этого. Таким образом для разработки ЭС подбора товаров в интернет-магазине была выбрана Exsys Corvid, т.к. обладает требуемым набором характеристик:

-       Система имеет развитый интерфейс с современными СУБД и электронными таблицами, средства сбора статистики и т. д.

-       Система может работать на различных вычислительных платформах под управлением различных операционных систем, а также имеет поддержку сетевой конфигурации.

-       Экспертная система Exsys представляет собой интеллектуальную систему, которая может быть использована для разработки базы знаний в любой предметной области.

-       В систему включены средства отладки и тестирования программы, редактирования для модификации знаний и данных.

-       Система Exsys 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.

-       ЭС легко интегрируется в любой сайт и работает как интернет приложение.

.1.4 Постановка задачи

Цель:

Разработать Экспертную Систему позволяющую сократить время подбора товара клиентом и повысить эффективность работы интернет-магазина, за счет автоматизации поиска, по определенному набору характеристик. Организация данных:

.        Входные данные: список параметров товара, формируемый на основе ответов пользователя;

.        Выходные данные: список товаров, подобранных на основе сформированного списка параметров.

Основные функции программы:

1.      Обеспечение диалогового режима;

2.      Вывод подсказок;

.        Вывод графических материалов (фото товара);

.        Вывод результата поиска.

Специальные требования:

.        Экспертная система должна иметь дружественный графический интерфейс, рассчитанный на обычного пользователя;

.        Пользователь может пересмотреть свой выбор в любой момент и по любому из параметров;

.        Результат поиска не должен быть пустым.

.2 Построение экспертной системы

1.2.1 Анализ предметной области

В данном проекте предметную область составляют модели ноутбуков. У каждой модели имеется набор параметров.

Для удобства восприятия набор параметров сведен в таблицу. В ней в столбцы обозначены названия моделей, а строки - названия параметров. На пересечении обозначены значения параметров для модели. В таблице 1.2.1 для примера обозначены 3 модели. Реальное их количество будет зависеть от количества в списке моделей во входном файле.

Таблица 1.2.1

Следующим этапом проектирования будет являться разработка (выбор) способа представления знаний.

1.2.2 Выбор модели представления знаний

Чтобы проводить экспертизу, компьютерная программа должна быть способна решать задачи посредством логического вывода и получать при этом достаточно надежные результаты. Программа должна иметь доступ к системе фактов, называемой базой знаний. Программа также должна во время консультации выводить заключения из информации, имеющейся в базе знаний. Некоторые экспертные системы могут также использовать новую информацию, добавляемую во время консультации. Экспертную систему, таким образом, можно представлять состоящей из трех частей:

. База знаний (БЗ)

. Механизм вывода (МВ)

. Система пользовательского интерфейса (СПИ)

База знаний - центральная часть экспертной системы. Она содержит правила, описывающие отношения или явления, методы и знания для решения задач из области применения системы. Можно представлять базу знаний состоящей из фактических знаний и знаний, которые используются для вывода других знаний. Утверждение "Джон Ф. Кеннеди был 35-м президентом Соединенных Штатов" - пример фактического знания. "Если у вас болит голова, то примите две таблетки цитрамона" - пример знания для вывода. Сама база знаний обычно располагается на диске или другом носителе.

Механизм вывода содержит принципы и правила работы. Механизм вывода "знает", как использовать базу знаний так, чтобы можно было получать разумно согласующиеся заключения (выводы) из информации, находящейся в ней. Когда экспертной системе задается вопрос, механизм вывода выбирает способ применения правил базы знаний для решения задачи, поставленной в вопросе. Фактически, механизм вывода запускает экспертную систему в работу, определяя какие правила нужно вызвать и организуя к ним доступ в базу знаний. Механизм вывода выполняет правила, определяет, когда найдено приемлемое решение и передает результаты программе интерфейса с пользователем.

Когда вопрос должен быть предварительно обработан, то доступ к базе знаний осуществляется через интерфейс с пользователем. Интерфейс - это часть экспертной системы, которая взаимодействует с пользователем.

Как правило, пользователи мало знают об организации базы знаний, поэтому интерфейс может помочь им работать с экспертной системой даже, если они не знают, как она организована. Интерфейс может также объяснить пользователю, каким образом экспертная система выводит результат.

Система интерфейса с пользователем принимает информацию от пользователя и передает ему информацию. Просто говоря, система интерфейса должна убедиться, что, после того как пользователь описал задачу, вся необходимая информация получена. Интерфейс, основываясь на виде и природе информации, введенной пользователем, передает необходимую информацию механизму вывода. Когда механизм вывода возвращает знания, выведенные из базы знаний, интерфейс передает их обратно пользователю в удобной форме. Интерфейс с пользователем и механизм вывода могут рассматриваться как "приложение" к базе знаний. Они вместе составляют оболочку экспертной системы. Для базы знаний, которая содержит обширную и разнообразную информацию, могут быть разработаны и реализованы несколько разных оболочек. Хорошо разработанные оболочки экспертных систем обычно содержат механизм для добавления и обновления информации в базе знаний.

Как видим, экспертная система состоит из трех основных частей. Взаимосвязь между частями может быть сложной, зависящей от природы и организации знаний, а также от методов и целей вывода.

Базы знаний и способы представления

Продукционная модель

Это один из наиболее часто используемых в экспертных системах способов представления знаний. Основная идея заключается в ассоциировании с соответствующими действиями набора условий в виде правил типа "если-то", называемых также продукциями:

ЕСЛИ условие ТО действия

"Если-то"-правила обычно оказываются весьма естественным выразительным средством представления знаний. Кроме того, они обладают следующими привлекательными свойствами:

·   модульность: каждое правило описывает небольшой, относительно независимый фрагмент знаний;

·        возможность инкрементного наращивания: добавление новых правил

·        в базу знаний происходит относительно независимо от других правил;

·        удобство модификации (как следствии модульности): старые правила можно изменять и заменять на новые относительно независимо от других правил;

·        применение правил способствует прозрачности системы, т.е. способности к объяснению принятых решений и полученных результатов.

Однако продукционные системы не свободны от недостатков:

·   процесс вывода менее эффективен, чем в других системах, поскольку большая часть времени при выводе затрачивается на непроизводительную проверку применимости правил;

·        этот процесс трудно поддается управлению;

·        сложно представить родовидовую иерархию понятий.

Фреймы

Представление знаний, основанное на фреймах, является альтернативным по отношению к системам продукций: оно дает возможность хранить родовидовую иерархию понятий в базе знаний в явной форме. Фреймом называется структура для описания стереотипной ситуации, состоящая из характеристик этой ситуации и их значений, характеристики называются слотами, а значения - заполнителями слотов. Слот может содержать не только конкретное значение, но и имя процедуры, позволяющей вычислить его по заданному алгоритму, а также одну или несколько продукций (эвристик), с помощью которых это значение можно найти. В слот может входить не одно, а несколько значений. Иногда слот включает компонент, называемый фасетом, который задает диапазон или перечень его возможных значений. Фасет указывает также граничные значения заполнителя слота.

Совокупность фреймов, моделирующая какую-нибудь предметную область, представляет собой иерархическую структуру, в которую фреймы соединяются с помощью родовидовых связей. На верхнем уровне иерархии находится фрейм, содержащий наиболее полную информацию, истинную для всех остальных фреймов. Фреймы обладают способностью наследовать значения характеристик своих родителей, находящихся на более высоком уровне иерархии. Значения характеристик фреймов могут передаваться по умолчанию фреймам, находящимся ниже них в иерархии, но если последние содержат собственные значения данных характеристик, то в качестве истинных принимаются именно они.

Наиболее ярко достоинства фреймовых систем представления знаний проявляются в том случае, если родовидовые связи изменяются нечасто и предметная область насчитывает немного исключений. Во фреймовых системах данные о родовидовых связях хранятся явно, т.е. так же, как и значения всех других типов. Значения слотов представляются в системе в единственном экземпляре, поскольку включаются только в один фрейм, описывающий наиболее общее понятие из всех тех, которые содержат слот с данным именем. Такое свойство систем фреймов дает возможность уменьшить объем памяти, необходимый для их размещения в компьютере. Еще одно достоинство фреймов состоит в том, что значение любого слота при необходимости может быть вычислено с помощью соответствующих процедур или найдено эвристическими методами.

Как недостаток фреймовых систем следует отметить их относительно высокую сложность, что проявляется в снижении скорости работы механизма вывода и в увеличении трудоемкости внесения изменений в родовидовую иерархию. Кроме того, во фреймовых системах затруднена обработка исключений.

Семантические сети

Семантическая сеть, по мнению специалистов, - наиболее общий способ представления знаний, причем она появилась, по-видимому, ранее других. В ней понятия и классы, а также отношения и связи между ними представлены в виде сети. Семантическая сеть отображает совокупность объектов предметной области и отношений между ними, при этом объектам соответствуют вершины (или узлы) сети, а отношениям - соединяющие их дуги. В качестве объектов могут выступать события, действия, обобщенные понятия или свойства объектов. Свойства представляются в сети также в виде вершин и служат для описания классов объектов. Вершины сети соединяются дугой, если соответствующие объекты предметной области находятся в каком-либо отношении.

В используемой для разработки ЭС оболочки Corvid Exsys применяется продукционный метод представления знаний, к его достоинствам можно отнести:

1.   Высокая степень детализации знаний.

2.      Независимость отдельных элементов знаний друг от друга.

.        Рассмотрение базы знаний как совокупности активных процессов допускает асинхронную организацию решения задач с высокой степенью параллельности.

.        Продукционные модели применимы к области со слабоформализированными знаниями.

Что делает его предпочтительным для решения поставленной задачи.

1.2.3 Разработка логического блока программы

Для данной ЭС в программе Exsys Corvid были использованы следующие типы переменных (рис.1.2.1):

Рис.1.2.1

экспертный программа интерфейс пользовательский

Static List Variable - переменные со статическим списком значений - переменный, принимающие значения из заранее определенного списка, например, список множественного выбора.

Используемые переменные этого типа:

[Autonomy]

[Business]

[Cost]

[Games]

[Multimedia]

[Portability]

[Web]Variable - доверительные переменные - переменные, используемые для представления рекомендаций, которые будет выдавать система. С доверительными переменными ассоциируется доверительное значение (степень уверенности), которое показывает, основываясь на введенных пользователем данных, насколько достоверна та или иная рекомендация. Используемые переменные этого типа: [Ranking]- переменные коллекции - содержат пункты - текстовые строки (могут быть любой длины). Опции:

1.       Добавлять отдельные текстовые пункты

2.      Добавлять строку, которая является значением переменной

.        Сортировать пункты, по значению

.        Добавлять целый файл пунктов

.        Добавлять другую переменную коллекции

.        Удалить первый, последний или отдельный пункт, или все пункты.

Используемые переменные этого типа:

[Best]

[Comments]

[Firmlist]- используется для переменных имеющих числовой диапазон, включая числовые, строчные и переменные даты.

Используемые переменные этого типа:

BlueTooth

[CAM]

[CDDVD]

[Company]

[Core]

[CPU]

[Display]

[HDD]

[Message]

[Price]

[RAM]

[TypeGC]

[VideoRAM]

[Weighs]

[WIFI]

Для чтения переменных из файла в Corvid Exsys используется MetaBlock, в тексте программы переменные MetaBlockа заключаются в фигурные скобки.

В разработанной ЭС 3 логических блока:

-ый блок (рис.1.2.2) отвечает за формирование параметров на основе данных полученных от пользователя.

Например: Если на вопрос. "Важно ли для Вас использовать ноутбук для современных игр и 3D-приложений?" пользователь ответит "важно", параметрам "Частота процессора", "Кол-во ядер процессора", "Объем ОП", "Объем видео-памяти", "Тип графического адаптера" будут присвоены следующие значения:

Частота процессора = 2ГГц

Кол-во ядер процессора = 2

Объем ОП = 2ГБ

Объем видео-памяти = 256МБ

Тип графического адаптера = дискретный

В программе это правило будет выглядеть следующим образом::

<br>Важно ли для Вас использовать ноутбук для

современных игр и 3D-приложений? важно

THEN:

[CPU] = 2

[Core] = 2

[RAM] = 2

[VideoRAM] = 256

[TypeGC] = 1

Для запуска каждого из логических блоков в Exsys Corvid служит командный блок (рис.1.2.3):

На схеме 1.2.1 наглядно представлено, какие параметры формируются при опросе пользователя по каждому из вопросов.

Схема 1.2.1

Логический блок 2 (рис.1.2.4) отвечает за формирование рейтинга по каждому из параметров ноутбука (Диаграмма 1.2.2).

Рис.1.2.4

При точном совпадении параметра реальной модели, параметру, сформированному в результате опроса в логическом блоке 1, рейтинг (по этому параметру) будет максимальным для этого параметра.

Такой метод применен для параметров Диагональ дисплея, Фирма-производитель, т.е. тех для которых важно точное соответствие пользовательскому значению.

IF:

{Display} = [Display]:: Confidence = 50

При отклонении значения параметра от предпочтительного для пользователя рейтинг будет тем меньше, чем больше будет это отклонение.

IF:

{Display} != [Display]:: Confidence = 50 - (5*ABS([Display] - {Display}))

Однако для таких параметров как Объем ОП, Частота ЦП и других, для которых увеличение значения относительно пользовательского значения не критично (или даже предпочтительно) рейтинг уменьшается только при значении параметра меньше пользовательского.

IF:

{CPU} >= [Core]*[CPU]/{Core}:: Confidence = 50:

{CPU} < [Core]*[CPU]/{Core}:: Confidence = 50 - (5 * ([Core]*[CPU] - {Core}*{CPU}))

Обратная зависимость у параметра Цена:

IF:

{Price} <= [Price]:: Confidence = 100

IF:

{Price} > [Price]

Также стоит отметить, что по каждому из параметров максимально возможный рейтинг не одинаков (см. диаграмма 1.2.1): так для параметров цена и фирма-производитель он наибольший - 100, для частоты ЦП, Объема ОП, Диагонали дисплея и др. он равен 50, для таких параметров как наличие CD-DVD или Wi-Fi максимальный рейтинг равен 30. Т.о. при подборе моделей будут иметь большее влияние характеристики с большим рейтингом, т.е. наиболее важные цена, фирма-производитель (если для пользователя не важна эта характеристика, он может выбрать вариант "любая фирма", тогда рейтинг по этому параметру не будет учитываться), что позволит повысить качество выбора.

В конце логического блока 2 формируется список моделей сортированный по сумме значений рейтинга по всем параметрам (по убыванию), для последующего вывода 5 "верхних" моделей списка (Команда RESULTS).

-ий логический блок служит для добавления сообщения в случаи, если модели выбранной фирмы нет в базе товаров.

Диаграмма 1.2.1

Диаграмма 1.2.2

1.2.4 Разработка графического пользовательского интерфейса

Система пользовательского интерфейса обеспечивает взаимодействие между экспертной системой и пользователем. Это взаимодействие обычно включает несколько функций:

. Обработка данных, полученных от пользователя и высвечивание вводимых и выводимых данных на экране.

. Поддержка диалога между пользователем и системой.

. Обеспечение "дружественности" по отношению к пользователю.

Система интерфейса с пользователем должна эффективно обрабатывать ввод и вывод. Для этого необходимо обрабатывать вводимые и выводимые данные быстро, в ясной и выразительной форме. Необходимо также включить возможность работы с дополнительными средствами такими, как магнитные диски и дополнительные файлы данных.

Кроме того, система интерфейса должна поддерживать соответствующий диалог между пользователем и системой. Диалог - это общая форма консультации с экспертной системой.

Консультация должна завершаться ясным утверждением, выдаваемым системой.

Блок-схема работы системы представлена на схеме 1.2.2.

Схема 1.2.2

Работа экспертной системы начинается с опроса пользователя (рис.1.2.5) и формирования списка предпочитаемых параметров на основе его ответов (во время опроса с помощью кнопок можно вернуться к предыдущему вопросу, либо начать опрос сначала). Далее при успешном чтении входного файла Exsys.txt со списком моделей ноутбуков с параметрами система сформирует рейтинг по каждому параметру моделей. Затем будут выведены 5 моделей с наибольшим суммарным рейтингом по всем параметрам с фото и описанием (рис.1.2.6).

Пример входного файла:

Model Image Price Display CPU Core RAM TypeGC VideoRAM HDD Battery Weighs CD-DVD Wi-Fi BlueTooth CAM Describe Linkmod.1 Img/1.jpeg0.5.0 #"600805.files/image013.gif">

Рис.1.2.5

Рис.1.2.6

Для выбора вариантов ответа используется элемент Radio Button, кроме вопроса по выбору фирмы-производителя, где используется элемент Image Map. (Рис.1.2.7)

Рис.1.2.7

Для выбора фирмы достаточно кликнуть мышью по значку.

Форматирование осуществляется по средствам тегов.

Пример тега используемого для опроса пользователя:

TEXT """ExSys_img\Autonomy.png" FORMAT: INDENT=1"<br><FORMAT SIZE=26 STYLE=bold FCOLOR=10,80,160> Автономность</FORMAT><br><br><FORMAT STYLE=italic> Подсказка: </FORMAT><br> Время работы от аккумулятора может варьироваться<br> от 2 до 10 часов.<br>" FORMAT: BCOLOR=235,235,235

SAMELINE_END

Тег используемый для вывода результата (Рис.1.2.8):

TEXT """." FORMAT: FCOLOR=255,255,255"<br> Мы рекомендуем Вам следующие модели ноутбуков: <br>" FORMAT: SIZE=20 STYLE=Bold FCOLOR=10,80,160 BCOLOR=235,235,235 POSITION=Left_END""

[Message.VALUE] FORMAT: SIZE=14 STYLE=Italic FCOLOR=10,80,160 POSITION=Center"""""." FORMAT: FCOLOR=255,255,255

[Best.TOP5] FORMAT: ImagePos=W LastScreen

SAMELINE_END

Рис. 1.2.8

1.2.5 Текст программы

Логический блок 1

:

<br>На какую цену Вы ориентируетесь?<br> Самый дешевый:

[Price] = 500:

<br>На какую цену Вы ориентируетесь?<br> Дешевый:

[Price] = 1000:

<br>На какую цену Вы ориентируетесь?<br> Средняя цена:

[Price] = 1500:

<br>На какую цену Вы ориентируетесь?<br> Дорогой:

[Price] = 2000:

<br>На какую цену Вы ориентируетесь?<br> Очень дорогой:

[Price] = 2500:

<br>Какой размер ноутбука Вы предпочитаете?<br> Самый компактный

THEN:

[Weighs] = 1

[Display] = 8

IF:

<br>Какой размер ноутбука Вы предпочитаете?<br>

Компактный:

[Weighs] = 2

[Display] = 11:

<br>Какой размер ноутбука Вы предпочитаете?<br> Средний:

[Weighs] = 3

[Display] = 14:

<br>Какой размер ноутбука Вы предпочитаете?<br> Большой:

[Weighs] = 4

[Display] = 17:

<br>Какой размер ноутбука Вы предпочитаете?<br> Очень большой

THEN:

[Weighs] = 5

[Display] = 18

IF:

<br>Насколько важно для Вас длительное время автономной

работы?<br> не важно:

[Battery] = 2:

<br>Насколько важно для Вас длительное время автономной

работы?<br> важно:

[Battery] = 5

IF:

<br>Насколько важно для Вас длительное время автономной

работы?<br> очень важно:

[Battery] = 8:

<br>Важно ли для Вас использовать ноутбук для

современных игр и 3D-приложений? не важно

THEN:

[CPU] = 1

[Core] = 1

[RAM] = 0.5

[VideoRAM] = 64

[TypeGC] = 0:

<br>Важно ли для Вас использовать ноутбук для

современных игр и 3D-приложений? не очень важно

THEN:

[CPU] = 1.5

[Core] = 2

[RAM] = 1

[VideoRAM] = 128

[TypeGC] = 0:

<br>Важно ли для Вас использовать ноутбук для

современных игр и 3D-приложений? важно

THEN:

[CPU] = 2

[Core] = 2

[RAM] = 2

[VideoRAM] = 256

[TypeGC] = 1:

<br>Важно ли для Вас использовать ноутбук для

современных игр и 3D-приложений? очень важно

THEN:

[CPU] = 2.5

[Core] = 4

[RAM] = 4

[VideoRAM] = 512

[TypeGC] = 1:

<br>Важно ли для Вас использовать ноутбук для вычислений

и бизнес-приложений? не важно: [CPU] < 1

THEN:

[CPU] = 1

[Core] = 1

[RAM] = 0.5:

<br>Важно ли для Вас использовать ноутбук для вычислений

и бизнес-приложений? не очень важно

AND: [CPU] < 1.5:

[CPU] = 1.5

[Core] = 2

[RAM] = 1:

<br>Важно ли для Вас использовать ноутбук для вычислений

и бизнес-приложений? важно: [CPU] < 2

THEN:

[CPU] = 2

[Core] = 2

[RAM] = 2:

<br>Важно ли для Вас использовать ноутбук для вычислений

и бизнес-приложений? очень важно: [CPU] < 2.5

THEN:

[CPU] = 2.5

[Core] = 4

[RAM] = 4:

<br>Насколько важно для Вас использовать ноутбук для

кино, музыки и фото? не важно:

[HDD] = 50

[CDDVD] = 0:

<br>Насколько важно для Вас использовать ноутбук для

кино, музыки и фото? не очень важно:

[HDD] = 120

[CDDVD] = 1:

<br>Насколько важно для Вас использовать ноутбук для

кино, музыки и фото? важно:

[HDD] = 200

[CDDVD] = 1:

<br>Насколько важно для Вас использовать ноутбук для

кино, музыки и фото? очень важно:

[HDD] = 300

[CDDVD] = 1:

<br>Планируете ли Вы использовать ноутбук для работы в

интернете?<br> нет:

[WIFI] = 0

[CAM] = 0

[BlueTooth] = 0:

<br>Планируете ли Вы использовать ноутбук для работы в

интернете?<br> да:

[WIFI] = 1

[CAM] = 1

[BlueTooth] = 1

Логический блок 2

:

{Price} <= [Price]:: Confidence = 100:

{Price} > [Price]:: Confidence = 100 - (5*({Price} - [Price])/100):

{Weighs} = [Weighs]:: Confidence = 50:

{Weighs} != [Weighs]:: Confidence = 50 - (12*ABS([Weighs] - {Weighs})):

{Display} = [Display]:: Confidence = 50:

{Display} != [Display]:: Confidence = 50 - (5*ABS([Display] - {Display})):

{CPU} >= [Core]*[CPU]/{Core}:: Confidence = 50:

{CPU} < [Core]*[CPU]/{Core}:: Confidence = 50 - (5 * ([Core]*[CPU] - {Core}*{CPU})):

{RAM} >= [RAM]:: Confidence = 50:

{RAM} < [RAM]:: Confidence = 50 - (15 * ([RAM] - {RAM})):

{VideoRAM} >= [VideoRAM]:: Confidence = 50:

{VideoRAM} < [VideoRAM]:: Confidence = 50 - ([VideoRAM] - {VideoRAM})/100:

{TypeGC} >= [TypeGC]:: Confidence = 50:

{HDD} >= [HDD]:: Confidence = 50:

{HDD} < [HDD]:: Confidence = 50 - (1.5 * ([HDD] - {HDD})/10):

{Battery} >= [Battery]:: Confidence = 50:

{Battery} < [Battery]:: Confidence = 50 - (8 * ([Battery] - {Battery})):

{CD-DVD} >= [CDDVD]:: Confidence = 30:

{Wi-Fi} >= [WiFi]:: Confidence = 30:

{CAM} >= [CAM]:: Confidence = 30:

{BlueTooth} >= [BlueTooth]:: Confidence = 30:("{Company}")=LCASE([Company]):: Confidence = 100:

[Ranking] > 0:

[Comments.ADDFIRST] <IMG SRC = "{Image}"><FORMAT=16 STYLE=Bold>{Company} {Model}

({Price}$)<br></FORMAT>{Describe}<br><a="{link}">Подробнее...</a>

[Best.ADDSORTED] [Comments.CONCAT], [Ranking]

[Firmlist.ADDSORTED] {Company}, [Ranking]

Логический блок 3

:

[Company] != "Noname": LCASE([Firmlist.ITEM 1]) != LCASE([Company]): LCASE([Firmlist.ITEM 2]) != LCASE([Company]): LCASE([Firmlist.ITEM 3]) != LCASE([Company]): LCASE([Firmlist.ITEM 4]) != LCASE([Company]): LCASE([Firmlist.ITEM 5]) != LCASE([Company]):

[Message] = " Подходящей модели выбранной вами фирмы нет в базе. Вы можете поменять<br> фирму (предыдущий вопрос), либо посмотреть модели рекомендуемые системой.<br>……….."

1.3 Экспериментальная оценка результатов работы

1.3.1 Рекомендации по использованию ЭС

Данная экспертная система подбора товаров в интернет-магазнина призвана упростить и облегчить пользователю поиск ноутбуков, по нескольким заданным характеристикам. На схеме 1.3.1 представлена рекомендация по использованию экспертной системы на сайте интернет-магазина.

Схема 1.3.1 Схема взаимодействия программ

Экспертная система обладает упрощенным и дружественным интерфейсом общения пользователя с сайтом. Для получения необходимой информации не нужно заполнять множество полей, достаточно только ответить на несколько вопросов ЭС и получить точный результат.

Внедрение ЭС на Вашем сайте не потребует значительной переделки как сайта, так и баз данных.

Файлы для размещения на сервере:.jar - java-апплет.cvR - исполняемый файл программы ЭС.txt - текстовый файл со списком товаров с параметрами, имеющий определенную структуру (таблица 1.3.1), и формируемый автоматически либо вручную на основе базы данных магазина.

Каталоги для размещения на серевере:- каталог для размещения фото товаров магазина_img - содержит элементы графического дизайна экспертной системы.

Для работы ЭС также требуется разместить в коде веб-страницы, на которой будет работать ЭС следующий тег для вызова java-апплета:

<APPLET= "./"= "Corvid.Runtime.class"= "CorvidRuntime"= "ExsysCorvid.jar"= 725= 585= 0= 0= middle>

<PARAM NAME = "KBBASE" VALUE = "" >

<PARAM NAME = "KBNAME" VALUE = "ExSys.cvR">

<PARAM NAME = "KBWIDTH" VALUE = "725">expert system would be running here but your browser has Java Applets disabled or does not support Java Applets. <BR><a href="#"600805.files/image018.gif">

Рис.1.3.1

Таблица 1.3.1

Имя параметра	Расшифровка имени параметра	Возможные значения параметра	Расшифровка значения параметра
Company	Фирма-производитель	Sony	Sony
Model	Модель	VAIO VGN-Z21MRN	VAIO VGN-Z21MRN
Image	Ссылка на фото товара	VGN-Z21MRN.jpg	VGN-Z21MRN.jpg
Price	Цена	2000	2000 $
Display	Диагональ дисплея	13.1	13.1 дюймов
CPU	Частота процессора	2.4	2400 МГц
Core	Кол-во ядер процессора	2	2
RAM	Объем оперативной памяти	4	4096 Мб
TypeGC	Тип графического адаптера	1	Дискретный
VideoRAM	Объем видео-памяти	256	256 Мб
HDD	Объем жесткого диска	320	320 Гб
Battery	Время работы от аккумулятора	5	До 5 часов
Weighs	Вес	1.4	1.4 кг
CD-DVD	Наличие оптического привода	1	Есть
Wi-Fi	Наличие Wi-Fi	1	Есть
BlueTooth	Наличие BlueTooth	1	Есть
CAM	Наличие веб-камеры	1	Есть
Describe	Описание товара	Sony VAIO VGN-Z21MRN (Core 2 Duo 2400Mhz/13.1"/ 4096Mb/320.0Gb/DVD)	Sony VAIO VGN-Z21MRN (Core 2 Duo 2400Mhz/13.1"/ 4096Mb/320.0Gb/DVD)
Link	Ссылка на подробное описание	#"600805.files/image019.gif">        Для ответа на этот вопрос достаточно щелкнуть на логотип фирмы. 1.4 Выводы Взаимодействие ЭС и человека в ряде случаев может быть весьма продуктивным. Например, работающая совместно с call-центром ЭС, делает такой тандем весьма привлекательной для on-line магазинов. Внедренная в сall-центр ЭС снизит нагрузку на операторов и поможет увеличить заказы от посетителей магазина. 2. Экологическая часть и безопасность жизнедеятельности Экологическая часть и безопасность жизнедеятельности состоит из следующих основных разделов: техники безопасности, производственной санитарии, эргономики, промышленной эстетики и правовой базы. Техника безопасности представляет собой систему средств и методов, предотвращающих или снижающих до безопасного уровня воздействие опасных факторов. Производственная санитария призвана устранить или снизить до безопасного уровня воздействие вредных факторов. Опасные факторы - это производственные факторы, воздействие которых на человека ведет к травме или другому резкому и внезапному ухудшению здоровья. Вредные факторы - это производственные факторы, воздействие которых в определенных условиях ведет к возникновению профессионального заболевания или снижению трудоспособности. В связи с научно-техническим прогрессом проблема взаимодействия человека и современной техники стала весьма актуальной. В настоящее время все большую роль во взаимодействии с техникой приобретает человек-оператор, на которого возлагается роль управления не только отдельными машинами, но и целыми системами технических объектов. Человек-оператор должен перерабатывать большой объем технической информации и принимать ответственные решения. Поэтому в целях рационализации технического процесса возникает задача согласования особенностей конструкции машин и технического оборудования с психологическими и физическими характеристиками человека, поскольку эффективное применение даже наиболее совершенной техники зависит, в конечном итоге, от правильности действий людей, управляющих этой техникой. 2.1 Исследование опасных и вредных факторов при эксплуатации ЭВМ При выполнении дипломной работы используются следующие элементы вычислительной техники: .        Персональный компьютер (ПК) Core 2 Quad, 2,83 GHz; .        Монитор Samsung 2053bw с диагональю экрана 20" и разрешением 1680х1050; .        Струйный принтер HP deskjet 6122 Series; .        Сканер Epson 2480 Photo; При работе с перечисленными элементами вычислительной техники нужно учитывать следующие факторы: . ПК питаются от сети переменного тока напряжением 220 В и частотой 50 Гц, это превышает безопасное напряжение для человека (40 В), поэтому появляется опасный фактор - поражение электрическим током. . При работе за экраном дисплея пользователь попадает под воздействие ультрафиолетового излучения (УФИ) с длинами волн менее 320 нм и излучения электромагнитных полей частотой до 400 кГц. УФИ, испускаемое монитором, соединяясь с УФИ, излучаемым люминесцентными лампами и УФИ, проникающим сквозь оконные проемы, может повысить нормируемую плотность УФИ (10 Вт/м2). Возникает вредный фактор - ультрафиолетовое излучение. . При работе ПК (а также принтера, сканера и других периферийных устройств) и при передвижении людей возникает статическое электричество, которое при превышении нормированного значения 15 кВ/м становится вредным фактором. . Для получения изображения на экране дисплея необходимо иметь вертикальную и горизонтальную развертки, которые соответствуют напряжению с частотами вертикальной и горизонтальной развертки: fверт = 56-75 Гц, fгоризонт = 30-83 кГц. Появляется вредный фактор - излучение электромагнитных полей низких частот. Таким образом, пользователь, работающий с ПК, подвергается воздействию следующих опасных и вредных факторов: .        Поражение электрическим током; .        Ультрафиолетовое излучение; .        Статическое электричество; .        Излучение электромагнитных полей низких частот. 2.2 Воздействие опасных и вредных факторов на организм пользователя ЭВМ Поражение электрическим током Воздействие на человека электрического тока носит термический, электролитный, биологический характер, что может привести к общим травмам (электроудары) и местным (ожоги, металлизация кожи, электрические знаки, электроофтальмия, механические повреждения). Различают электроудары четырех степеней сложности: .        Электроудары I степени: сопровождаются судорожным болезненным сокращением мышц без потери сознания; .        Электроудары II степени: сопровождаются судорожным болезненным сокращением мышц с потерей сознания, но с сохранением дыхания и сердцебиения; .        Электроудары III степени: сопровождаются судорожным болезненным сокращением мышц, c потерей сознания, нарушением работы сердца и/или дыхания; .        Электроудары IV степени: наступает клиническая смерть, то есть прекращается дыхание и кровообращение. Ультрафиолетовое излучение Ультрафиолетовое излучение может послужить причиной возникновения или обострения следующих заболеваний: .        Заболевания кожи: угревая сыпь, себорроидная экзема, розовый лишай, меломанный рак кожи и другие; .        Катаракта глаз; .        Нарушение терморегуляции организма. Статическое электричество Под действием статических электрических полей дисплея пыль в помещении электризуется и переносится на лицо пользователя (так как тело человека имеет отрицательный потенциал, а частички пыли заряжены положительно). При подвижности воздуха в помещении вычислительного центра выше 0, 2 м/с пыль, скопившаяся на поверхности экрана, сдувается с нее и также переносится на лицо пользователя (разработчика), что приводит к заболеваниям кожи. С точки зрения технического влияния следует отметить следующее: электронные компоненты персонального компьютера (ПК) работают при низких значениях напряжения (5-12 В). При большом значении напряженности электростатического поля возможны замыкания клавиатуры, реле и потеря информации на экране. Нормируемая величина напряженности электростатического поля E = 15 кВ/м. Излучение электромагнитных полей низких частот Воздействие этого фактора может привести к следующим последствиям: .        Обострение некоторых кожных заболеваний: угревая сыпьсеборроидная экзема, розовый лишай, рак кожи и другие; .        Нарушение метаболизма; .        Изменение биохимической реакции крови на клеточном уровне, что ведет к стрессу; .        Нарушения в протекании беременности (увеличение в два раза вероятности выкидыша у беременных); .        Нарушение репродуктивной функции и возникновению злокачественных образований (в случае воздействия низкочастотных полей); .        Изменения в нервной системе (потеря порога чувствительности). Из анализа воздействия опасных и вредных факторов видно, что пользователь персонального компьютера (ПК) нуждается в защите от них.   .3 Способы защиты пользователей от опасных и вредных факторов Защита от поражения электрическим током На корпусе оборудования может образовываться напряжение, если возникает пробой изоляции, обрыв токоведущего провода и касание его корпуса и т.п. Это может привести к воздействию электрического тока на человека, если человек коснется корпуса оборудования (прямое или косвенное прикосновение). Прямое прикосновение - электрический контакт людей или животных с токоведущими частями, находящимися под напряжением. Косвенное прикосновение - электрический контакт людей или животных с открытыми проводящими частями, оказавшимися под напряжением при повреждении изоляции. Напряжение прикосновения - напряжение между двумя проводящими частями или между проводящей частью и землей при одновременном прикосновении к ним человека или животного. Согласно общим требованиям ПУЭ [21, гл. 1.7, пп. 1.7.49-1.7.51], токоведущие части электроустановки не должны быть доступны для случайного прикосновения, а доступные прикосновению открытые и сторонние проводящие части не должны находиться под напряжением, представляющим опасность поражения электрическим током, как в нормальном режиме работы электроустановки, так и при повреждении изоляции. Для дополнительной защиты от прямого прикосновения в электроустановках напряжением до 1 кВ, при наличии требований других глав ПУЭ, следует применять устройства защитного отключения (УЗО) с номинальным отключающим дифференциальным током не более 30 мА. Зануление - преднамеренное соединение нетоковедущих частей с нулевым защитным проводником (НЗП). Оно применяется в трехфазных четырех проводных сетях с глухо-заземленной нейтралью в установках до 1.000 Вт и является основным средством обеспечения электробезопасности. Принцип защиты при занулении заключается в следующем: ток короткого замыкания вызывает перегорание предохранителя (срабатывание автомата) и, следовательно, отключение пользователя от сети, предотвращая перегрев и самовозгорание токоведущих частей сети электропитания. Кроме того, устройство защитного отключения (УЗО) срабатывает при возникновении утечки из сети электропитания величиной не более 30 мА, предотвращая поражение электрическим током в случае прямого прикосновения. Схема подключения ПЭВМ к электрической сети показана ниже (R0 - сопротивление нейтрали). Рис. 2.1. Схемы подключения ПЭВМ к электросети Определим ток короткого замыкания Iкз по заданным параметрам: кз = Uф / ((rт / 3) + Rобщ), где кз - ток короткого замыкания;ф - фазное напряжение: Uф = 220 В;т - паспортная величина сопротивления обмотки трансформатора:т = 0, 412 Ом;общ = R1 + R2 + Rнзп = p1 * L1 / S1 + pнзп * Lнзп / Sнзп + p2 * L2 / S2 - удельное сопротивление проводника: 1 = 0, 0280 (Ом * мм2 / м) (алюминий);нзп = p2 = 0, 0175 (Ом * мм2 / м) (медь). - длина проводника (L1 = 600 м, L2 = 100 м; Lнзп = 50 м);- площадь поперечного сечения проводника (S1 =2 мм2; S2 =1 мм; Sнзп =1 мм2). 1 = (0,0280 (Ом * мм2 / м) * 600 м) / 2 мм2 = 8,4 Ом2 = (0,0175 (Ом * мм2 / м) * 100 м) / 1 мм2 = 1,75 Омнзп = (0,0175 (Ом * мм2 / м) * 50 м) / 1 мм2 = 0,875 Омобщ = 8, 4 Ом +1, 75 Ом +0, 875 Ом = 11 Ом;кз = 220 B / ((0,412 / 3) Ом + 3,24 Ом) = 19,75 А Устройство защиты от короткого замыкания срабатывает при выполнении следующего условия: Определим по Iкз с каким Iном в цепь питания ПЭВМ вкл. автомат кз ≥ k * Iном => Iном ≤ Iкз / k, где - коэффициент, учитывающий тип защитного устройства: k = 3 для автомата с электромагнитным расцепителем;ном - номинальный ток срабатывания защитного устройства. ном ≤ 19,75А / 3 = 6,6 А ≈ 7 А Указанному условию удовлетворяет защитное устройство УЗО 22-05-2-030 с номинальным током срабатывания Iном = 7 А и номинальным отключающим дифференциальным током IΔ = 30 мА. Вывод: во избежание поражения электрическим током, возникновения пожара в помещении и выхода из строя ПЭВМ и периферийного оборудования, в случае возникновения короткого замыкания или других причин появления напряжения прикосновения Uпр, в цепь питания ПЭВМ необходимо включить устройство защитного отключения с Iном = 7 А и IΔ = 30 мА. Защита от ультрафиолетового излучения Синий люминофор экрана монитора вместе с ускоренными в электронно-лучевой трубке электронами являются источниками ультрафиолетового излучения. Воздействие ультрафиолетового излучения сказывается при длительной работе за компьютером. Основными источниками поражения являются глаза и кожа. Для защиты от ультрафиолетового излучения используют: .        Обычную побелку стен и потолка (ослабляет излучение на 45-60%); .        Электролюминесцентные лампы, мощностью не более 40 Вт; .        Рекомендуемый материал одежды персонала - фланель, поплин. .        Специальные очки для защиты зрения толщиной 2мм. Защита от статического электричества Для защиты от статического электричества необходимо выполнять следующие требования: .        Использовать контурное заземление; .        Использовать нейтрализаторы статического электричества; .        Применять антистатическое покрытие полов; .        Использования экранов для снятия статики; .        Обеспечить регулярное проведение влажной уборки; .        Проветривать помещения при подвижности воздуха 0,1 - 0,2 м/сек без присутствия в нем пользователей. Наиболее эффективным способом нейтрализации статического электричества является применение нейтрализаторов, создающих вблизи наэлектризованного диэлектрического объекта положительные и отрицательные ионы. Различают 4 типа нейтрализаторов: .        Коронного разряда (индуктивные и высоковольтные); .        Радиоизотопные; .        Комбинированные; .        Аэродинамические. Защита от излучения электромагнитных полей низких частот Защита от излучения электромагнитных полей низкой частоты осуществляется выбором расстояния от экрана монитора, длительности работы с компьютером и экранированием. При разработке дипломного проекта используется монитор LG L1730P. Данный монитор соответствует стандартам MPR-II, ТСО ‘03, стандарту по эргономичности ISO 13406-2. Уровень напряженности полей низкой частоты соответствует нормам, поэтому единственным параметром, требующим соблюдения, является расстояние между мониторами в 1,5 м и более. Ниже приведены схемы зон компьютерного излучения. Из них видно, что компьютерное излучение в горизонтальной проекции испускается с большей интенсивностью в направлении, перпендикулярном оси просмотра изображения, поэтому необходимо устанавливать экраны с боковых сторон монитора для защиты пользователей, работающих в том же помещении. В вертикальной плоскости компьютерное излучение имеет наивысшую напряженность в секторах А-С и С-В, поэтому необходимо также устанавливать защитный экран с задней стороны монитора. Кроме того, необходимо строго соблюдать безопасное расстояние до экрана монитора. Рис. 2.2. Схемы зон компьютерного излучения Для защиты от излучения электромагнитных полей низких частот необходимо выполнять следующие требования: .        Время работы на персональном компьютере не должно превышать 4 - 6 часов; .        Запрещается работать при открытых корпусах персональных компьютеров; .        Располагаться от экрана дисплея следует не ближе, чем на расстоянии вытянутой руки; .        При выборе рабочего места необходимо располагаться от боковых и задних стенок мониторов соседних компьютеров не ближе 1,5 м. 2.4 Эргономические требования при организации рабочих мест Помимо выполнения рассмотренных методов защиты от воздействия опасных и вредных факторов при работе за компьютером важным является соблюдение эргономических требований при организации рабочих мест. Выполнение эргономических рекомендаций по эксплуатации компьютеров позволяет значительно снизить вредные воздействия находящихся в эксплуатации ПЭВМ. В первую очередь, безопасность при работе с ПЭВМ может быть обеспечена за счет правильного выбора визуальных параметров дисплея, рационального размещения компьютеров в помещениях, оптимальной с точки зрения эргономики организации рабочего дня пользователей, а также за счет применения средств повышения контраста изображения и защиты от бликов на экране, электромагнитных излучений и электростатического поля. Рекомендации охватывают следующий круг вопросов: )        требования к визуальным эргономическим параметрам дисплеев с учетом их эксплуатации; )        требования к помещениям и оборудованию рабочих мест; Требования к визуальным эргономическим параметрам дисплеев с учетом условий их эксплуатации Визуальные эргономические параметры дисплеев являются важнейшими параметрами безопасности, и их неправильный выбор однозначно влияет на зрительный дискомфорт и утомление человека-пользователя. Дисплей должен обеспечивать работу оператора в оптимальных и допустимых диапазонах значений соответствующих параметров. Оптимальные и допустимые значения визуальных эргономических параметров должны быть указаны в технической документации на дисплей для режимов работы различных категорий пользователей. Требования к помещениям, оборудованию рабочих мест и освещенности Помещения должны иметь естественное и искусственное освещение. Желательно, чтобы оконные проемы были сориентированы на север или северо-восток. Оконные проемы должны иметь регулируемые жалюзи или занавеси, позволяющие полностью закрывать оконные проемы. Занавеси следует выбирать одноцветные, гармонирующие с цветом стен, выполненные из плотной ткани и шириной в два раза превышающей ширину оконного проема. Для дополнительного звукопоглощения занавеси следует подвешивать в складку на расстоянии 15-20 см от стены с оконными проемами. Рабочие места по отношению к световым проемам должны располагаться так, чтобы естественный свет падал сбоку, преимущественно слева. Еще один вредный фактор при работе на компьютере видимое излучение, блики и мерцание экрана. Экспериментальные данные свидетельствуют о том, что вышеуказанные факторы способствуют: )        переутомлению глаз и развитию близорукости; )        мигрени и головной боли; )        раздражительности, нервному напряжению и стрессу. Для устранения бликов на экране, равно как и чрезмерного перепада освещенности в поле зрения, необходимо удалять экраны от яркого дневного света. Рабочие места должны располагаться на удалении не менее 1,5 м от стен с оконными проемами, а от стен без оконных проемов не менее 1 м. Площадь на одно рабочее место должна составлять примерно 6 м2. Освещенность на рабочем месте с ПЭВМ должна быть (не менее): )        экрана 200 лк; )        клавиатуры, документов и стола 400 лк. Для подсветки документов допускается установка светильников местного освещения, которые не должны создавать бликов на поверхности экрана и увеличивать его освещенность до уровня более 300 лк. Освещенность дисплейных классов, рекомендуемая отраслевым нормами, лежит в пределах 400-700 лк и мощностью ламп до 40 Вт. В качестве источников света при искусственном освещении необходимо применять преимущественно люминесцентные лампы типа ЛБ, цветовая температура излучения которых находится в диапазоне 3500-4200o К. Рекомендуемый микроклимат в помещениях при работе с ПЭВМ: )        температура 19-21o С; )        относительная влажность воздуха 55-62 %. Конструкция рабочего стола должна обеспечивать оптимальное размещение на рабочей поверхности используемого оборудования с учетом его количества и конструктивных особенностей (дисплея, ПЭВМ, клавиатуры и т. п.), характера выполняемой работы, а также возможности выполнения трудовых операций в пределах досягаемости. Поверхность стола должна быть ровной, без углублений. Высота рабочей поверхности стола должна регулироваться в пределах 680-800 мм, при отсутствии такой возможности высота рабочей поверхности должна составлять 725 мм. Рабочий стол должен иметь пространство для ног высотой не менее 620 мм, шириной не менее 550 мм, глубиной на уровне колен не менее 450 мм, и на уровне вытянутых ног не менее 650 мм. Конструкция рабочего стула (кресла) должна обеспечивать поддержание рациональной рабочей позы при работе, позволять изменять позу с целью снятия статического напряжения мышц шейно-плечевой области и спины для предупреждения развития утомления. Рабочий стул (кресло) должен быть подъемно-поворотным и регулируемым по высоте и наклона сиденья и спинки, а также расстоянию спинки от переднего края сиденья, при этом регулировка каждого параметра должна осуществляться независимо от других, легко, и иметь надежную фиксацию. Поверхность сиденья должна быть полумягкой, с не электризуемым воздухопроницаемым покрытием, а также легко чистящейся. Ширина и глубина поверхности сиденья должна составлять не менее 400 мм, регулировка высоты должна производиться в пределах 400-500 мм, угла наклона вперед до 15o и назад до 5o, высота опорной поверхности спинки стула (кресла) должна составлять 300 ± 20 мм, ширина не менее 380 мм, угол наклона спинки в вертикальной плоскости должен регулироваться в пределах от 0o до 30o.Экран монитора должен находиться на расстоянии 500-700 мм от глаз пользователя. Панель клавиатуры должна быть установлена в удобной для рук зоне так, чтобы предплечье находилось в горизонтальном положении, а плечо примерно вертикально. Желательно избегать установки клавиатуры внутрь стола для освобождения рабочего места. Линия взгляда должна быть в пределах от 0o до 60o вниз от горизонтали. Подставка для бумаг должна находиться не под экраном, а возле него на той же высоте, что и экран, и на расстоянии, обеспечивающем хорошую считываемость символов. Край опорной поверхности должен быть регулируемым по высоте в пределах 40-150 мм от пола. Если регулировка не произвольная, то она должна иметь три положения. Опорная поверхность должна быть скользкой, и подставка должна плотно прилегать к полу. Ниже приводятся варианты приемлемых с точки зрения эргономики положений человека при работе с компьютером (см. рис. 2.3). Общие рекомендации для пользователей при работе с компьютером: )        оборудовать рабочее место так, чтобы избежать длительных статических напряжений мышц и неудобных поз; )        при длительной и напряженной работе рекомендуется каждые 15 мин. менять тип работы, а также выполнять серии упражнений для снятия статического напряжения; )        не делать больше 10-12 тысяч нажатий на клавиши в час (около 1700 слов в час). Рис. 2.3. Эргономические положения человека при работе с компьютером .5 Выводы Выбранные способы защиты пользователей от воздействия на них опасных и вредных факторов при соблюдении эргономических требований обеспечивают их безопасную работу. Список литературы [1] Информатика: Учебник 3-е переработанное издание /Под ред. Проф. Н. В. Макаровой http://www.ssti.ru/kpi/informatika/Content/biblio/b1/inform_man/gl16x.htm [2] Курс лекций по дисциплине "Системы искусственного интеллекта" http://www.mari-el.ru/mmlab/home/AI/ [3] Статья: Универсальная экспертная система в интернете http://www.math.rsu.ru/ovtm/ues.html [4] Сайт посвященный экспертным системам http://supermak.narod.ru/ [5] М.В. Головицына: "Интеллектуальные САПР для разработки современных конструкций и технологических процессов"://www.intuit.ru/department/hardware/sapr [6] Статья "Экспертная система подбора товаров в интернет-магазине Эльдорадо" http://www.press-release.ru/branches/internet/45dda0431eff5/ [7] Сайт компании Наносемантика http://nanosemantics.ru [8] Самоучитель по экспертным системам http://sapr.mgsu.ru/biblio/ex-syst/index.html [9] Статья: УДК 519.83 М.А. Рязанов "Анализ существующих средств разработки экспертных систем" [10] Пашкова А.А. ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ НА ПРИМЕРЕ ЯЗЫКА CLIPS http://www.np.vspu.ac.ru/show.php?id=44&t=1&st=5 [11] Сайт программы оболочки ЭС "РАПАНА" http://esrapana.narod.ru/ [12] Экспертная система: Материал из Википедии - свободной энциклопедии://ru.wikipedia.org/wiki/Экспертная_система [13] Муромцев Д.М.: Методичка по Corvid Exsys [14] ГОСТ 12.0.003-86. Опасные и вредные производственные факторы. Классификация. [15] ГОСТ 12.1.030-81. Электробезопасность, защитное заземление, зануление. [16] САНПиН 1340-03. Гигиенические требования к персональным ЭВМ и организации работы. [17] ГОСТ ССБТ 12.1.045-84. Электростатические поля. Допустимые уровни на рабочем месте. [18] ГОСТ ССБТ 12.1.114-84. Средства защиты от статического электричества. Похожие работы на - Разработка экспертной системы подбора товаров в интернет-магазине   Нужна качественная работа без плагиата? Другие дипломные работы по информационному обеспечению Не нашли материал для своей работы? Поможем написать уникальную работу Без плагиата! Узнайте © 2003 - 2022 «Библиофонд» Обратная связь Пользовательское соглашение Политика конфиденциальности Полная версия Помощь по учебным работам Консультация по курсовой работе Консультация по дипломной работе ВКР Консультация по реферату Консультация по отчетам о практике