Человеческий фактор. Том 3. Часть 1 - Сальвенди Г.
ISBN 5-03-001815-8
Скачать (прямая ссылка):
В суперкомпьютерах тестирование может быть полуавтоматическим. В этом случае специалист сравнивает полученные данные о состоянии узловых точек, руководствуясь рекомендациями системы, и выносит свое суждение о том, насколько конкретный сигнал соответствует ожидаемому значению. Альтернативой такому способу является применение автоматическо-
Эксплуатация и техническое обслуживание систем
461
го тестера, который сужает область поиска до нескольких конкретных компонентов, с тем чтобы окончательное решение принял человек [17].
Применение методов искусственного интеллекта в задачах поиска неисправностей
В сфере технического обслуживания существует неизученная область, лежащая между сверхсложным автоматическим испытательным оборудованием (АИО) и системами искусственного интеллекта (СИИ), которые, по общему мнению, обладают в той или иной мере способностью к абстрактным выводам, отсутствующей в процедуре автоматического тестирования. В области СИИ термины типа «экспертная система», «механизм доказательства теорем», «естественно-языковое взаимодействие» звучат настолько обычно и привлекательно, что легко может показаться, будто переход к практическим исследовательским задачам осуществляется напрямую, тогда как на самом деле их решение может оказаться весьма трудным делом. Например, вполне возможна ситуация, когда на вход блока доказательства теорем поступает задание доказать, что все компоненты какого-то оборудования неисправны; может оказаться далее, что только какой-то один из них или всего несколько компонентов сумеют успешно пройти проверку, однако в этом случае они должны будут считаться «подозрительными» [10]. Известно также, что существуют высококвалифицированные ремонтники (эксперты); значительную часть их знаний можно закодировать в форме правил, которые затем будут сохранены в «экспертной системе». В практических ситуациях такая система будет запрашивать данные у пользователя и сможет влиять на ход диалога и на операции управления через посредство человека-оператора. Таким образом, опыт и знания специалистов будут продолжать запоминаться и смогут неограниченно передаваться всем другим пользователям, но только не эксперту— первоисточнику знаний. Среди прочих возможностей СИИ можно назвать роботизацию, машинные «органы чувств», машинное распознавание образцов, методы комбинаторной математики (в применении к задачам профилактического обслуживания и обеспечения отказоустойчивости), автоматическое программирование (при котором осуществляется трансляция операторов языка высокого уровня в набор машинных кодов) и языковые процессоры. Общий обзор отмеченных проблем имеется в книге Нильссона [47], которая представляет собой универсальный справочник по ИИ, а также в отчете Копполы [10], где суммируются результаты исследований специальной группы Министерства обороны, в задачу которой входило определение роли СИИ в задачах организации технического обслу-
462
Глава 8
живания. Отчет написан в оптимистических тонах, но и в нем содержится традиционное предупреждение, что не существует ланацеи от всех бед.
Экспертные системы — это, пожалуй, лучшее, что могут дать методы ИИ применительно к проблемам технического обслуживания. Какие бы точные представления ни были выбраны, в них всегда наличествует база данных и некоторая система обработки для использования априорных данных. Человек-эксперт способен извлечь много знаний из своей памяти; обычно это бывают декларативные утверждения. Начиная с четко фиксированного первичного набора вопросов, ЭС формирует совокупность исходных факторов по результатам автоматических или ручных измерений, а затем все другие факты выводятся логическим путем с помощью механизма логических выводов. В системе существует множество правил; обычно это правила типа «если — то»: если (IF) имеется состояние X, то (THEN) предписывается действие Y. По мере ввода информации логический процессор отыскивает правила, для которых подтверждается часть IF. Когда активизируется часть THEN, «действием» может оказаться запрос дополнительной информации от пользователя, какая-то рекомендация или разъяснение. До тех пор пока система не будет «удовлетворена», достигнув конечной цели (такой, например, как оставление одного или нескольких компонентов в предполагаемом наборе неисправных элементов) , диалоговое взаимодействие будет продолжаться.
Примером экспертной системы средней сложности может служить система DELTA фирмы General Electric для отыскания неисправностей в дизельных электровозах. Одна из ныне действующих экспериментальных версий содержит около 500 правил, сформулированных опытным инженером. Эти правила организованы в иерархическую структуру таким образом, что правила одного типа выявляют, требуются ли какие-либо новые сведения, в то время как другой тип правил определяет, какие можно сделать выводы при вводе вновь получаемых данных. Планируется увеличить число правил примерно до 1200. Обнадеживает тот факт, что используемый в ЭС язык сравнительно прост, он содержит всего 9 типов предикатов и 8 глаголов [14]. Работа над системой оказалась достаточно трудоемкой; фирме General Electric понадобилось около 12 месяцев для создания прототипа, насчитывавшего 50 правил, и еще год — для разработки пакета DELTA с 500 правилами, который и был введен в эксплуатацию. Предполагается, что для доведения числа правил до 1200 потребуется еще 2 года и примерно 1 Мбайт дополнительной памяти [14]. Приведенный пример наглядно показывает, почему для создания ЭС требуются большие объемы временных, а также финансовых и вычислительных ресурсов.
