Человеческий фактор. Том 3. Часть 1 - Сальвенди Г.
ISBN 5-03-001815-8
Скачать (прямая ссылка):
Ниже мы рассмотрим различные диспетчерские роли более подробно, включая примеры исследовательских проблем и прототипы систем, помогающих диспетчеру выполнять эти роли.
6.4. Планирование и самообучение: машинное представление соответствующих знаний
Ранее описанные первая и пятая роли диспетчерского управления (планирование и самообучение) можно обсудить вместе, поскольку во многих отношениях эти виды деятельности похожи. В процессе планирования диспетчер пытается ответить на вопрос «что произойдет, если...?», пользуясь для этого базой накопленных знаний, и далее выяснить, что это будет означать для гипотетических управляющих решений. При самообучении диспетчер пытается ответить на вопрос «что произошло?», пользуясь базой данных для недавно выполненных подзадач, и оценивает правильность исходных предположений и окончательных управляющих решений.
Диспетчерское управление
335
Разработчик автоматической или ручной системы управления (см. т. 1, гл. 9, посвященную ручному управлению) должен задать себе вопрос: «Какие переменные будут делать то-то и то^то и в соответствии с какими ограничениями и критериями?» Планирование в диспетчерском управлении требует ответа на те же вопросы, лоскольку диспетчер, в определенном смысле, каждый раз создает новую систему автоматического управления, когда он программирует новую задачу или целевое состояние. Абсолютные ограничения по времени, средствам и другим имеющимся ресурсам должны быть ясными, равно как и критерии выбора компромиссных соотношений между затратами времени, денежных средств и ресурсов, а также риском отказа.
Важность имитационного моделирования для диспетчерского управления равнозначна его важности для планирования — различие заключается лишь в том, что в диспетчерском управлении на процесс моделирования чаще накладываются жесткие временные ограничения. Моделирование требует сбора некоторых сведений о том, как функционирует управляемая система или процесс, т. е. необходимо знать уравнения, связывающие между собой различные управляемые переменные, различные неуправляемые, но измеримые переменные (возмущения) и степень непредсказуемости (уровень шума) в измеренных переменных отклика системы. Это и есть обычное представление знаний. Имея измеренные значения входных и выходных переменных, достаточно просто вывести необходимые уравнения (для этого уже имеются хорошо разработанные методы), если процессы приблизительно линейны и допускают дифференцирование.
После того как модель определена, диспетчер может ввести в нее гипотетические переменные и посмотреть, какими будут выходные переменные. Кроме того, можно использовать следующую модель процесса в качестве «наблюдателя» (в смысле современной теории управления): когда управляющие сигналы вводятся одновременно в модель и в реальные процессы, а затем осуществляется подгонка параметров модели для принудительного приведения ее определенных выходных переменных в соответствие с аналогичными выходными переменными реальных процессов, которые можно измерить (рис. 6.5), то появляется возможность оценивать на базе этой модели другие выходные переменные процессов (или «наблюдать» их), которые неудобно измерять. В той же степени, в какой этот метод является необходимым теоретическим условием достижения оптимального автоматического управления физическими системами, он несомненно будет полезен и как средство, облегчающее работу диспетчера [51].
336 Глава 6
В искусственном интеллекте (ИИ) используется другой тип представления знаний. Здесь знания обычно имеют вид логических утверждений типа ЕСЛИ — ТО, называемых правилами продукции, а также вид семантических ассоциативных сетей и других конструкций, программируемых, как правило, на языке Лисп. В качестве входных переменных программ имитационного моделирования обычно используются представления в виде кардинальных чисел гипотетических физических величин на входе в моделируемую физическую систему. В противоположность этому, входом в базу знаний в ИИ может быть запрос на предоставление информации о соотношениях для заданных данных или данных для заданных соотношений. Информация выдается либо в менее жесткой естественной форме (например, в виде сети бинарных отношений), либо в номинальной форме (например, в виде списка).
Расхождение
Рис. 6.5. Использование наблюдателя на базе ЭВМ в качестве средства, облегчающего работу диспетчера.
В настоящее время наблюдается повышенный интерес к тому, каким образом лучше всего переносить знания человека (представление знаний, модель интеллектуальной деятельности мозга) в память компьютера с соответствующей трансформацией их представления или модели, каким образом лучше всего переносить их в обратном направлении и когда целесообразно использовать как основу каждый из этих источников информации. Исследования в области моделей работы мозга человека ведутся достаточно бурно [15, 41, 51] независимо от работ в области диспетчерского управления.
Согласно Карду [7], «третий закон построения интерактивных прикладных систем» (очевидно, первый и второй законы пока не открыты) гласит, что каждая интерактивная прикладная система должна содержать знания о двух областях: 1) предметной области приложения и 2) о том, как взаимодей* ствовать с пользователем. Кард иллюстрирует этот принцип на
