Файл: Применение экспертных систем в деятельности предприятия (Понятие и сущность экспертных систем и их научно-познавательная деятельность).pdf
Добавлен: 19.06.2023
Просмотров: 64
Скачиваний: 2
СОДЕРЖАНИЕ
1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ЭКСПЕРТНЫХ СИСТЕМ
1.1. Понятие и сущность экспертных систем и их научно-познавательная деятельность
1.2. Структура, функции и классификация экспертных систем
1.3. Механизм вывода и система объяснений
1.4. Интегрированные информационные системы управления предприятием
2. ПРИМЕНЕНИЕ ЭКСПЕРТНЫХ СИСТЕМ НА ПРАКТИКЕ
2.1. Информационные системы для транснациональных корпораций
Моделирование в логистике основывается на подобии систем или процессов, которое может быть полным или частичным. Основная цель моделирования - прогноз поведения процесса или системы. Ключевой вопрос моделирования: «Что будет если……?».
Общая классификация моделей представлена на рис. 3[46][15].
Изоморфные модели – это модели, которые включают все характеристики объекта оригинала, способны заменить оригинал. Если можно создать и наблюдать изоморфную модель, то знание о реальном объекте будет точным.
Гомоморфные модели – в их основе лежит не полная, частичная подобие модели изучающего объекта.
Рисунок 3 - Общая классификация моделей
Некоторые свойства реального объекта не моделируются полностью, но в результате построение модели упрощается, а так же проще интерпретация результатов моделирования.
При моделировании логистических систем абсолютное подобие не бывает, поэтому рассматриваем только гомоморфные модели.
По признаку материальности делятся на: абстрактные и материальные[47][9, с.37].
Материальные модели воспроизводят основные геометрические, физические, динамические и функциональные характеристики изучаемого объекта.
Абстрактное моделирование часто является единственным возможным в логистике. Она делится на символическую и математическую.
Символические модели включают: лингвистические и символические.
Языковые модели-это вербальные модели, которые основаны на наборе слов, очищенных от двусмысленности, или слово тезаурус – имеет определенное значение.
Знаковые модели - если ввести символы отдельных понятий, т. е. знаки и согласовать операции между этими знаками, то вы получили символическое описание объекта.
Математическое моделирование-это процесс установления соответствия реальному объекту некоторого математического объекта, называемого математической моделью.
Широко применяется 2 вида математического моделирования: аналитическое и имитационного.
Аналитическое моделирование – это математический прием исследования позволяющий получить точные или вероятностные решения. Этапы аналитического моделирования:
- разработка математические модели в виде алгебраических уравнений или дифференциальных уравнений или др.;
- решение уравнений и получение результатов;
- проверка модели на адекватность, т.е. соответствие теоретических результатов практике[48][1].
Имитационное моделирование – основано на имитации реальных процессов, как правило, с применением процедуры случайного случая. Исследуемый процесс разыгрывается многократно в результате полученный набор реализации процесса, далее этот набор используется как статистический материал.
Основное достоинство имитационной модели – можно моделировать любые системы, процессы, любые закономерности.
Недостатки: Высокая стоимость, требуется высококвалифицированный персонал, эти модели не тиражируются, высока вероятность ложной имитации.
Экспертные системы-это компьютерные программы, помогающие специалистам принимать решения в конкретной предметной области. Экспертные системы могут накапливать знания и опыт специалистов, работающих в различных областях.
Применение экспертных систем позволяет:
- принимать быстрые и качественные решения по управлению материальными потоками;
- готовить опытных специалистов за короткое время;
- сохранять и пополнять «ноу-хау» компании;
- использовать опыт и знания высоко квалифицированных специалистов на не престижных, опасных и скучных рабочих местах[49][15].
Анализ АВС применяются для сокращения величины запасов, сокращение количества передвижений на складе, общего увеличения прибыли.
Идея метода заключается в том, что из всего множества объектов (товаров) необходимо выбрать наиболее значимые, с точки зрения вклада в конечный результат (прибыль). Как правило, таких объектов относительно мало, и необходимо сосредоточить на них основные усилия и внимание.
В экономике используется широко закон ПАРЕТО (20/80), согласно которому, лишь 20 % объектов (товаров), дают 80 % прибыли, а остальные 80 % объекта – 20% прибыли.
Широко применяемый в логистике метод ABC предусматривает более глубокое разделение — на три части.
Анализ XYZ – позволяет разделять ассортимент на 3 группы в зависимости от степени равномерности спроса и точности прогноза этого спроса.
В группу X включают товары, спрос, на который равномерен или подтвержден незначительными колебаниями. Объем реализации хорошо предсказуем.
В группу Y включают товары, спрос, на который меняется во времени, например с учетом сезона. Возможности прогноза – средние.
В группу Z включают товары, спрос, на который не предсказуем, не подлежит прогнозу.
Задача «сделать или купить» заключается в принятии одного из двух альтернативных решений – делать комплектующее изделие самим, если это в принципе возможно, выполнять самостоятельно какую-либо работу или же покупать комплектующее (услугу) у другого производителя.
Решение в пользу закупок комплектующих и, соответственно, против собственного производства должно быть принято в случае, если:
- потребность в комплектующем изделии невелика;
- отсутствуют необходимые для производства комплектующих мощности;
- отсутствуют кадры необходимой квалификации[50][15].
Решение против закупок и в пользу собственного производства принимается в том случае, когда:
- потребность в комплектующих изделиях стабильна и достаточно велика;
- комплектующее изделие может быть изготовлено на имеющемся оборудовании.
Решения типа «сделать или купить» принимают при закупках товарных ресурсов (у изготовителя или у посредника), при выборе между услугами перевозчика и созданием собственного парка транспортных средств, при принятии решения по использованию услуг наемного склада, а также в ряде других случаев.
ЗАКЛЮЧЕНИЕ
Экспертная система – это первый программный продукт, появившийся на рынке программных продуктов, как итог 30-летней работы в области искусственного интеллекта. По смыслу ЭС воспроизводят процесс решения проблемы человеком-экспертом. Интерес к разработке ЭС связан с тем, что они дают средства повышения производительности труда и увеличения прибыльности производства.
Основные области применения ЭС:
- оценка рисков займов, страхования и капитальных вложений для финансовых организаций;
- помощь химикам в нахождении верной последовательности реакций для создания новых молекул;
- отладка программного и аппаратного обеспечения ЭВМ в соответствии с индивидуальными требованиями;
- диагностика и обнаружение неисправностей в телефонной сети на основе тестов;
- идентификация и ликвидация неполадок в локомотивах;
- помощь медикам в постановке диагноза;
- получение молекулярной структуры химического вещества на основании опытов;
- управление технологическими процессами, агрегатами, как в мирных, так и в военных целях.
Интерфейс с пользователем представляют собой сценарий диалога, в который ЭС ведет пользователя, задавая ему вопросы. Одной из проблем при этом является учет интеллекта пользователя. Механизм настройки на пользователя должен быть в интерфейсе. Для этой цели для пользователя возможна выдача информации о предметной области, о возможных запросах к нему, о вопросах, которые может задать пользователь, о продолжении сеанса экспертизы. Особенно велика роль интерфейса при использовании нечетких знаний.
Внедрение экспертных систем в работу предприятий позволяет оптимизировать процесс деятельности каждого сотрудника и организации в целом. В связи с этим бурное развитие экспертных систем и их активное внедрение в управление предприятиями и организациями является не просто данью моде, но насущной потребностью руководства. Особенно активно экспертные системы внедряются в транснациональные корпорации, где объем деятельности является очень большим, а также в логистику, где необходима оперативность и точность информации.
-
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
- Братко И. Программирование на языке Пролог для искусственного интеллекта.- М.: Мир, 2017.
- Васильев, В.И. Распознающие системы / В.И. Васильев. - К.: Наукова думка; Издание 2-е, перераб. и доп., 2015. - 425 c.
- Веденов, А.А. Моделирование элементов мышления / А.А. Веденов. - М.: Наука, 2015. - 160 c.
- Вейценбаум, Дж. Возможности вычислительных машин и человеческий разум / Дж. Вейценбаум. - М.: Радио и связь, 2016. - 368 c.
- Глушков, В.М. Машина доказывает / В.М. Глушков. - М.: Знание, 2015. - 372 c.
- Долин Г. Что такое ЭС.- Компьютер Пресс, 2016.
- Малпасс Д. Р. Реляционный язык Пролог и его применение. - М.: Финансы и статистика, 2015, с.6.
- Марселлус Д. Программирование экспертных систем на Турбо Прологе. М.: Финансы и статистика, 2015, с.256.
- Марселлус. Программирование экспертных систем на Турбо Прологе.- М.: Финансы и статистика, 2015, с.37.
- Нейлор К. Как построить свою экспертную систему.- М.: Энергоатомиздат, 2016, с. 287.
- Нильсон Н. Д. Искусственный интеллект. Методы поиска решений.- М.: Мир, 2015, с.23.
- Робсон М., Уллах Ф. Практическое руководство по реинжинирингу бизнес - процессов. - М.: Аудит, Юнити, 2016, с.452.
- Сафонов В. О. Экспертные системы- интеллектуальные помощники специалистов.- С.-Пб: Санкт-Петербургская организация общества “Знания” России, 2016, с.13.
- Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ.- М.: Финансы и статистика, 2016.
- Убейко В. Н. Экспертные системы.- М.: МАИ, 2015.
- Уотермен Д. Руководство по экспертным системам.- М.: Мир, 2016.
- Фетисов, В.С. Интеллектуальные средства измерений и HART-протокол / В.С. Фетисов. - М.: Уфа: Уфимский государственный авиационный технический университет, 2015. - 410 c.
- Хайкин С. Нейронные сети: полный курс / Хайкин, Саймон. - М.: Вильямс, 2017. - 115
- Элти Д., Экспертные системы: концепции и примеры.- М.: Финансы и статистика, 2016, с.18.
- Экспертные системы: Определения и классификация. – Портал «Интернет-Университет Информационных Технологий». Режим доступа: http://www.intuit.ru/department/human/isrob/6/isrob_6.html
-
11 Нильсон Н. Д. Искусственный интеллект. Методы поиска решений.- М.: Мир, 2015, с.23. ↑
-
6 Долин Г. Что такое Экспертные системы.- Компьютер Пресс, 2016. ↑
-
1 Братко И. Программирование на языке Пролог для искусственного интеллекта.- М.: Мир, 2017. – 325 с. ↑
-
8 Марселлус Д. Программирование экспертных систем на Турбо Прологе. М.: Финансы и статистика, 2015, с.256. ↑
-
6 Долин Г. Что такое ЭС.- Компьютер Пресс, 2016. ↑
-
13 Сафонов В. О. Экспертные системы- интеллектуальные помощники специалистов.- С.-Пб: Санкт-Петербургская организация общества “Знания” России, 2016, с.13.
-
6 Долин Г. Что такое ЭС.- Компьютер Пресс, 2016. ↑
-
2 Васильев, В.И. Распознающие системы / В.И. Васильев. - К.: Наукова думка; Издание 2-е, перераб. и доп., 2015. - 425 c. ↑
-
4 Вейценбаум, Дж. Возможности вычислительных машин и человеческий разум / Дж. Вейценбаум. - М.: Радио и связь, 2016. - 368 c.
-
6 Долин Г. Что такое ЭС.- Компьютер Пресс, 2016. ↑
-
15 Убейко В. Н. Экспертные системы.- М.: МАИ, 2015. ↑
-
Робсон М., Уллах Ф. Практическое руководство по реинжинирингу бизнес - процессов. - М.: Аудит, Юнити, 2016, с.452. ↑
-
6 Долин Г. Что такое ЭС.- Компьютер Пресс, 2016. ↑
-
13 Сафонов В. О. Экспертные системы- интеллектуальные помощники специалистов.- С.-Пб: Санкт-Петербургская организация общества “Знания” России, 2016, с.13. ↑
-
9 Марселлус. Программирование экспертных систем на Турбо Прологе.- М.: Финансы и статистика, 2015, с.37. ↑
-
17 Фетисов, В.С. Интеллектуальные средства измерений и HART-протокол / В.С. Фетисов. - М.: Уфа: Уфимский государственный авиационный технический университет, 2015. - 410 c. ↑
-
3 Веденов, А.А. Моделирование элементов мышления / А.А. Веденов. - М.: Наука, 2015. - 160 c. ↑
-
11 Нильсон Н. Д. Искусственный интеллект. Методы поиска решений.- М.: Мир, 2015, с.23. ↑
-
12 Робсон М., Уллах Ф. Практическое руководство по реинжинирингу бизнес - процессов. - М.: Аудит, Юнити, 2016, с.452. ↑
-
16 Уотермен Д. Руководство по экспертным системам.- М.: Мир, 2016. ↑
-
18 Хайкин С. Нейронные сети: полный курс / Хайкин, Саймон. - М.: Вильямс, 2017. ↑
-
15 Убейко В. Н. Экспертные системы.- М.: МАИ, 2015. ↑
-
16 Уотермен Д. Руководство по экспертным системам.- М.: Мир, 2016.
-
6 Долин Г. Что такое ЭС.- Компьютер Пресс, 2016. ↑
-
16 Уотермен Д. Руководство по экспертным системам.- М.: Мир, 2016. ↑
-
7 Малпасс Д. Р. Реляционный язык Пролог и его применение. - М.: Финансы и статистика, 2015, с.6. ↑
-
20 Экспертные системы: Определения и классификация. – Портал «Интернет-Университет Информационных Технологий». Режим доступа: http://www.intuit.ru/department/human/isrob/6/isrob_6.html ↑
-
6 Долин Г. Что такое ЭС.- Компьютер Пресс, 2016. ↑
-
15 Убейко В. Н. Экспертные системы.- М.: МАИ, 2015. ↑
-
5 Глушков, В.М. Машина доказывает / В.М. Глушков. - М.: Знание, 2015. ↑
-
11 Нильсон Н. Д. Искусственный интеллект. Методы поиска решений.- М.: Мир, 2015. ↑
-
17 Фетисов, В.С. Интеллектуальные средства измерений и HART-протокол / В.С. Фетисов. - М.: Уфа: Уфимский государственный авиационный технический университет, 2015. ↑
-
6 Долин Г. Что такое ЭС.- Компьютер Пресс, 2016.
-
9 Марселлус. Программирование экспертных систем на Турбо Прологе.- М.: Финансы и статистика, 2015. ↑
-
17 Фетисов, В.С. Интеллектуальные средства измерений и HART-протокол / В.С. Фетисов. - М.: Уфа: Уфимский государственный авиационный технический университет, 2015. ↑
-
13 Сафонов В. О. Экспертные системы- интеллектуальные помощники специалистов.- С.-Пб: Санкт-Петербургская организация общества “Знания” России, 2016. ↑
-
16 Уотермен Д. Руководство по экспертным системам.- М.: Мир, 2016. ↑
-
14 Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ.- М.: Финансы и статистика, 2016.
-
12 Робсон М., Уллах Ф. Практическое руководство по реинжинирингу бизнес - процессов. - М.: Аудит, Юнити, 2016. ↑
-
14 Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ.- М.: Финансы и статистика, 2016. ↑
-
16 Уотермен Д. Руководство по экспертным системам.- М.: Мир, 2016. ↑
-
5 Глушков, В.М. Машина доказывает / В.М. Глушков. - М.: Знание, 2015. ↑
-
3 Веденов, А.А. Моделирование элементов мышления / А.А. Веденов. - М.: Наука, 2015. ↑
-
17 Фетисов, В.С. Интеллектуальные средства измерений и HART-протокол / В.С. Фетисов. - М.: Уфа: Уфимский государственный авиационный технический университет, 2015. ↑
-
15 Убейко В. Н. Экспертные системы.- М.: МАИ, 2015.
-
9 Марселлус. Программирование экспертных систем на Турбо Прологе.- М.: Финансы и статистика, 2015, с.37.
-
1 Братко И. Программирование на языке Пролог для искусственного интеллекта.- М.: Мир, 2017 ↑
-
15 Убейко В. Н. Экспертные системы.- М.: МАИ, 2015. ↑
-
15 Убейко В. Н. Экспертные системы.- М.: МАИ, 2015. ↑