Засоби підтримки знань.

Візуальний Розуміння навколишнього середовища (VUE) - це проект з відкритим вихідним кодом (OpenSource проект), що розробляється в стінах Університету Тафтс (TuftsUniversity) (Бостон, США) з 2003 року. В рамках проекту VUE створений зручний програмний інструментарій для управління та використання цифрових ресурсів (цифрові ресурси) знань та інформації з метою підтримки процесів викладання, навчання і дослідницької діяльності. Наведене програмне додаток дозволяє структурувати, представляти і спільно використовувати (обмін) цифрову інформацію. Програма поширюється під ліцензією Освіта Commons.В основі проекту VUE лежить відкрита розширювана платформа, розроблена в рамках проекту Ініціатива OpenKnowledge (OKI - Ініціатива відкритого знання) і система цифрового репозиторіюFedora. За допомогою цього додатка викладачі та студенти мають можливість розробляти моделі знань на основі семантичних мереж, сосотоящіх з вузлів, пов'язаних з цифровими ресурсами, доступними користувачеві. Ініціатор проекту організація академія технології (AT) отримала підтримку Фонду ім. Ендрю Меллона (Andrew W. MellonFoundation).

У грудні 2008 року, з ініціативи AT та за підтримки співтовариства VUE, проект став міжнародним. В результаті група ентузіастів з ряду країн Європи та Азії здійснила мовну адаптацію програми на дванадцяти мовах, у тому числі на російську та українську мови. Крім того, членам спільноти було запропоновано провести тестування додатка з тим, щоб проаналізувати переваги і недоліки програми і взяти участь у формуванні функціональних вимог до наступної третин версії програми.

За своїм функціональним призначенням VUE є інструментом підтримки концепт-маппінга. Незважаючи на те, що додаток розроблялося з метою забезпечення потреб навчальних закладів, діапазон застосування VUE досить широкий: інженерія, графічний дизайн, підтримка творчого процесу, конструювання, розробка планів письмових робіт та т.д.Прімененіеконцепт-маппінга в цілях підтримки освітніх процесів не ново. Переваги методу як інструменту навчання підтверджені науковими дослідженнями в рамках теорії пізнання, проведеними протягом більше сорока років. У описуваному додатку реалізований інтерфейс побудови концепт -карт як таких, а також можливість організації вмісту жорсткого диска ПК нелінійним способом.

Сьогодні існують різні інструменти, що підтримують управління цифрової інформації, але лише деякі їх них здатні допомогти «осмислити інформацію». В умовах експоненціального зростання інформації, VUE позиціонується як інструмент для управління цифровим контентом, що зберігається на жорсткому диску ПК користувача або віддаленому ресурсі.

В даний час програмне забезпечення (ПЗ) Візуальний Довкілля Розуміння поширюється у версії 2.4. Виконуваний файл доступний для скачування з веб-порталу проекту за адресою: http://vue.tufts.edu/download. Передбачено різні типи виконуваних файлів для різних операційних систем (Windows (версії XP і Vista); MacOS X, 10.4 +; Linux). Доступний для скачування файл, що містить вихідний код програми. Також передбачена завантаження дистрибутива VUE зі сторінки порталу Sourceforge.net

12.Поняття системи підтримки прийняття рішень (ІСПР)
До інформаційних систем нового покоління належать системипідтримкиприйняттярішень (ІСПР) та інформаційнісистеми, побудовані на штучному інтелекті (інтелектуальні АС).
ІСПР — цеінтерактивнакомп'ютерна система, яка призначена для підтримкирізнихвидівдіяльності при прийняттірішеньізслабоструктурованихабонеструктурованих проблем. Інтерес до ІСПР, як перспективноїгалузівикористанняобчислювальноїтехніки та інструментаріюпідвищенняефективностіпраці в сферіуправлінняекономікою, постійнозростає. У багатьохкраїнахрозробка та реалізаціяІСПРперетворилася на дільницюбізнесу, щошвидкорозвивається.
Штучнийінтелект — цештучнісистеми, створенілюдиною на базі ЕОМ, щоімітуютьрозв'язуваннялюдиноюскладанихтворчихзавдань.Створеннюінтелектуальнихінформаційних систем сприяларозробка в теоріїштучногоінтелектулогіко-лінгвістичних моделей. Цімоделідаютьзмогуформалізуватиконкретнізмістовнізнання про об'єктиуправління та процеси, щовідбуваються в них, тобто ввести в ЕОМ логіко-лінгвістичнімоделіпоряд з математичними. Логіколінгвістичнімоделі — цесемантичнімережі, фрейми, продукувальнісистеми — інодіоб'єднуютьсятерміном «програмно-апаратнізасоби в системах штучного інтелекту».
Розрізняють три видиінтелектуальних АС:
інтелектуальніінформаційно-пошуковісистеми (системи типу «запитання — відповідь»), які в процесідіалогузабезпечуютьвзаємодіюкінцевихкористувачів — непрограмістів з базами даних та знаньпрофесійнимимовамикористувачів, близьких до природних;
розрахунково-логічнісистеми, якідаютьзмогукінцевимкористувачам, що не є програмістами та спеціалістами в галузіприкладної математики, розв'язувати в режимідіалогу з ЕОМ своїзадачі з використаннямскладанихметодів і відповіднихприкладнихпрограм;
експертнісистеми, якідаютьзмогупровадитиефективнукомп'ютеризацію областей, у якихзнанняможутьбутиподані в експертнійописовійформі, але використанняматематичних моделей утрудненеабонеможливе.
В економіціУкраїнинайпоширенішими є експертнісистеми. Цесистеми, якідаютьзмогу на базісучаснихперсональнихкомп'ютеріввиявляти, нагромаджувати та коригуватизнання з різнихгалузей народного господарства (предметних областей).

Інтелектуальна система планування виробництвом.

Система планирования производства, несмотря на имеющийся арсенал научных методов и инженерных инструментариев, по-прежнему остается плохо изученным объектом. По мере продвижения к нижним слоям ее иерархии сокращаются горизонты планирования, возрастает степень детализации производства, что неизбежно вызывает комбинаторный рост сложности задач оперативно-производственного планирования и обуславливает обязательное участие экспертов-профессионалов. Аналитический обзор методов и моделей MRP/MRPII, ERP/ERPII [1,2] и MES систем, используемых в качестве стандартов при решении задач планирования в автоматизированном режиме показал, что они во многом схожи и обладают общими недостатками: отсутствуют возможности работы с неформальными процессами; нет функций оценки качества плановых решений и генерации альтернатив; используются только статистические методы и математическое программирование для прогнозирования последствий выполнения плана; нет средств управления профессиональными знаниями плановиков. Один из подходов, позволяющий справляться со сложностью практических задач оперативно-производственного планирования и динамически синтезировать метод их решения из набора инструментальных средств – функциональные гибридные интеллектуальные системы (ФГиИС) [3, 4].

Интеллектуальная система, которая разрабатывается в соответствии с методологией ФГиИС [3], состоит из трех основных компонент. Первая – это подсистема с базой знаний диспетчера производства и инженера-экономиста, разрабатывающих и корректирующих планы производства. Эта подсистема предназначена для генерации альтернативных вариантов оперативно-производственных планов. Вторая компонента – это подсистема с искусственной нейронной сетью. Здесь накапливаются эвристические знания, извлеченные из статистических данных. Эти знания используются для прогнозирования последствий реализации плана. Третья компонента – это подсистема эволюционного моделирования. Здесь поисковые процедуры генетических алгоритмов применяются для сравнительного анализа альтернативных планов и выбора предпочтительного.

Таким образом, в разрабатываемой интеллектуальной системе динамически, в условиях изменяющихся свойств системы управления и внешней среды синтезируются гибриды «экспертная система – нейросеть – генетический алгоритм», что позволяет комбинировать эвристические, профессиональные знания широкого круга специалистов, участвующих в решении сложной плановой задачи и добиться резонансного увеличения возможностей каждой из трех применяемых технологий искусственного интеллекта. Такой подход к решению сложной практической задачи в автоматизированном режиме означает, что компьютер применяется не как средство реализации методов, а как инструмент их синтеза.

На вход системы будут поступать информация об имеющихся материальных и трудовых ресурсах, информация о заказе: срок отгрузки заказчику, приоритет заказчика, оплата заказа, и данные о выпускаемом изделии: необходимые материалы, оснастка, оборудование, персонал, на выходе – выдаваться консультации диспетчеру производства о возможных узких местах в плане и вариантах их разрешения, прогноз последствия выполнения данного плана, оценка качества принимаемых плановых решений, а также осуществляться совершенствование плана.

Внедрение интеллектуальной системы оперативно-производственного планирования на машиностроительных предприятиях с мелкосерийным характером производства позволит сократить время, затрачиваемое экспертами на оперативное планирование, а также снизить количество ошибок при корректировках плана, что в конечном итоге увеличит прибыль и повысит конкурентоспособность предприятия.

Дата добавления: 2015-09-07