ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Κεφάλαιο 4 Έμπειρα Συστήματα

Παρουσίαση με θέμα: "ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Κεφάλαιο 4 Έμπειρα Συστήματα"— Μεταγράφημα παρουσίασης:

1 ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Κεφάλαιο 4 Έμπειρα Συστήματα
Επιμέλεια: Πέτρος Π. Γρουμπός, Καθηγητής Τμήμα Ηλεκτρολόγων Μηχανικών & Τεχνολογίας Υπολογιστών

2 Σκοπός Μελέτη Εισαγωγή στα έμπειρα συστήματα Υπολογιστική Νοημοσύνη
Μέθοδοι αναπαράστασης της γνώσης Ορισμός έμπειρου συστήματος Αναπαράσταση της γνώσης Δομή, Ανάπτυξη, Αρχιτεκτονική Έμπειρου συστήματος Απόκτηση γνώσης Έμπειρα συστήματα στη Βιομηχανία Χαρακτηριστικά έμπειρων συστημάτων Πλεονεκτήματα – μειονεκτήματα έμπειρου συστήματος Εφαρμογές των έμπειρων συστημάτων Ευφυής Έλεγχος

3 Έμπειρα Συστήματα Τα Έμπειρα (ή Εμπειρογνώμονα) Συστήματα (Expert Systems) ανήκουν στην περιοχή των Συστημάτων Βασισμένα σε Γνώση (Knowledge-Based Systems - KBS), που αποτελούν ένα από τα πεδία δραστηριότητας της Υπολογιστικής Νοημοσύνης. Για να εμπεδωθεί καλύτερα η σημασία και ο ρόλος των έμπειρων συστημάτων, παραθέτουμε παρακάτω τον ορισμό της υπολογιστικής νοημοσύνης. Ευφυής Έλεγχος

4 Υπολογιστική Νοημοσύνη
Η Υπολογιστική Νοημοσύνη είναι επιστήμη που προσπαθεί να αναπαράγει την ευφυΐα του ανθρώπου με υπολογιστικές τεχνικές, ή αλλιώς, η επιστήμη που προσπαθεί να καταστήσει τους υπολογιστές ικανούς να εκτελούν έργο για το οποίο ο άνθρωπος, προς το παρόν, τα καταφέρνει καλύτερα! Ευφυής Έλεγχος

5 Κλάδοι της Υπολογιστικής Νοημοσύνης
Έμπειρα Συστήματα Εξελικτικός Υπολογισμός Νευρωνικά Ασαφή Νευρο-ασαφή Ευφυής Έλεγχος

6 Μέθοδοι Αναπαράστασης της Γνώσης
Μερικές από τις επικρατέστερες μεθόδους αναπαράστασης γνώσης είναι: η κατηγορηματική λογική (predicate logic), τα σημασιολογικά δίκτυα (semantic networks), η αναπαράσταση διαδικασίας (procedural representation), τα παραγωγικά συστήματα (production systems) και τα πλαίσια (frames). Ευφυής Έλεγχος

7 Ορισμός Έμπειρου Συστήματος
Ένα Έμπειρο Σύστημα είναι η ενσωμάτωση σε ένα υπολογιστικό σύστημα, ενός στοιχείου γνώσης, ενός ειδικού σε κατάλληλη μορφή έτσι ώστε το σύστημα να μπορεί να συνάγει συμβουλές και να λάβει μια απόφαση για τη λειτουργία μιας διαδικασίας. Ευφυής Έλεγχος

8 Αναπαράσταση της Γνώσης
Η γνώση που απαιτείται για την επίλυση πρακτικών προβλημάτων διαχωρίζεται σε δύο σκέλη: τα γεγονότα (facts) που αποτελούν τρέχουσες πληροφορίες που μπορεί και δεδομένων τη διαδικαστική γνώση (procedural knowledge). Εδώ πρόκειται για τη γνώση των ειδικών στο χώρο της εφαρμογής. Η διαδικαστική γνώση ενσωματώνεται στον πυρήνα του έμπειρου συστήματος και είναι η γνώση, σε μορφή λογισμικού, που απαιτείται για την εξαγωγή των συμπερασμάτων. Ευφυής Έλεγχος

9 Δομή Έμπειρου Συστήματος
Αποτελείται από τα εξής τμήματα: τη βάση γνώσης (knowledge base). H βάση αυτή αποτελείται από τα γεγονότα και τους κανόνες που περιγράψαμε παραπάνω, το μηχανισμό συμπερασμού, μηχανισμό συμπερασμάτων ή συμπερασματικό μηχανισμό (inference engine) που επεξεργάζεται τη βάση γνώσης με σκοπό να συμπεράνει κάποιο λογικό συμπέρασμα, το σύστημα απόκτησης γνώσης (knowledge acquisition system) που χρησιμοποιείται από τον εμπειρογνώμονα που εξειδικεύεται στη δημιουργία και ενημέρωση της βάσης γνώσης και το σύστημα επεξήγησης/διασύνδεσης (justification/human machine interface - ΗΜΙ) για τη διασύνδεση του χειριστή με το σύστημα. Ευφυής Έλεγχος

10 Ανάπτυξη Έμπειρου Συστήματος
Στο στάδιο της ανάπτυξης ενός έμπειρου συστήματος επικεντρώνουμε την προσοχή μας στους στόχους που θα πρέπει να ικανοποιεί το σύστημα και όχι πώς θα υλοποιηθούν οι στόχοι αυτοί. Φροντίζουμε για την όσο το δυνατόν καλύτερη οριοθέτηση των αναγκών και των προδιαγραφών που έχουμε θέσει. Η σωστή οριοθέτηση της γνώσης είναι απαραίτητη ώστε να γνωρίζουμε το πλαίσιο μέσα στο οποίο το σύστημα είναι ικανό να λειτουργεί πιστά. Χαρακτηριστικός λόγος για την αποτυχία αρκετών έμπειρων συστημάτων ήταν η ακατάλληλη οριοθέτηση και οι μεγάλες προσδοκίες των σχεδιαστών τους. Ευφυής Έλεγχος

11 Αρχιτεκτονική Έμπειρου Συστήματος
Ευφυής Έλεγχος

12 Ανάπτυξη Έμπειρου Συστήματος
Στην πρώτη φάση του σχεδιασμού του πρωτοτύπου του έμπειρου συστήματος υλοποιούμε ένα πρωτότυπο του συστήματος γραμμένο σε οποιαδήποτε υψηλή γλώσσα προγραμματισμού. Στόχος, στη φάση αυτή είναι η ανάπτυξη ενός στοιχειώδους συστήματος που περιέχει τους βασικούς μηχανισμούς αλλά όχι την πλήρη βάση γνώσης. Στο στάδιο αυτό ο μηχανικός γνώσης έχει το δύσκολο έργο να κατανοήσει τη γνώση που έχει αποκτήσει και να την κωδικοποιήσει σε κατάλληλη μορφή έτσι ώστε να επεξεργαστεί από τον πυρήνα (kernel) του έμπειρου συστήματος. Το πρωτότυπο θα πρέπει να παρουσιαστεί στους χρήστες του συστήματος που θα κρίνουν αν και κατά πόσο το σύστημα ικανοποιεί τις προδιαγραφές. Ευφυής Έλεγχος

13 Ανάπτυξη Έμπειρου Συστήματος
Σε συστήματα Τεχνητής Νοημοσύνης, τα δεδομένα καταχωρούνται λεκτικά για να επεξεργαστούν από προγράμματα γραμμένα σε κάποια αντικειμενοστραφή γλώσσα όπως LISP, PROLOG, C++ κ.ά. Αντίθετα, σε συστήματα Υπολογιστικής Νοημοσύνης τα δεδομένα καταχωρούνται αριθμητικά, για να επεξεργαστούν από προγράμματα γραμμένα σε οποιαδήποτε γλώσσα προγραμματισμού όπως C, FORTRAN, ακόμη και BASIC. Μετά την ανάπτυξη του, το έμπειρο σύστημα δεν εξετάζεται εντός-γραμμής αλλά εκτός-γραμμής ως συμβουλευτικό εργαλείο μέχρι να πειστούν οι χρήστες ότι λειτουργεί ορθά. Ευφυής Έλεγχος

14 Απόκτηση Γνώσης Η απόκτηση γνώσης (knowledge elicitation) γίνεται από μηχανικούς γνώσης (knowledge engineers) που αναπτύσσουν το έμπειρο σύστημα, και είναι μια χρονοβόρος διαδικασία που απαιτεί επανειλημμένες συνεντεύξεις με τους εμπειρογνώμονες. Συχνά παρατηρούμε ότι οι εμπειρογνώμονες διαφωνούν, γεγονός που δυσχεραίνει τη διαδικασία απόκτησης γνώσης. Στην περίπτωση αυτή ανατρέχουμε σε πιο προηγμένα εργαλεία μετα-γνώσης, ικανά να διαπιστώσουν ποιά εκδοχή είναι πιο πιθανή. Ευφυής Έλεγχος

15 Αναπαράσταση Γνώσης Η αναπαράσταση της γνώσης εξαρτάται από το λογισμικό που χρησιμοποιείται στο έμπειρο σύστημα. Στα πρώτα έμπειρα συστήματα που αναπτύχθηκαν στις αρχές τις δεκαετίας του 1980, χρησιμοποιήθηκαν μη-συμβατικοί υπολογιστές όπου η επεξεργασία γινόταν σε συμβολική μορφή. Η γλώσσα προγραμματισμού ήταν η LISP και οι υπολογιστές ήταν γνωστοί ως LISP MACHINES. Στις αρχές της δεκαετίας του 1980 οι εξειδικευμένοι υπολογιστές αυτοί χρησιμοποιήθηκαν για την ανάπτυξη των πρώτων εμπείρων συστημάτων αλλά επειδή ήταν εξειδικευμένοι δεν είχαν την αναμενόμενη αποδοχή και σύντομα έπαψαν να παράγονται. Ευφυής Έλεγχος

16 Αποδοχή Έμπειρων Συστημάτων στη Βιομηχανία
Οι λόγοι που οδήγησαν στην αυξημένη αποδοχή των έμπειρων συστημάτων στη βιομηχανία είναι οι εξής: η έλλειψη ποσοτικών προτύπων των υπό έλεγχο διαδικασιών και η δυσκολία στο σχεδιασμό αντίστοιχων συμβατικών ελεγκτών η ανεπαρκής γνώση της δυναμικής συμπεριφοράς των διαδικασιών. Χαρακτηριστικό του βιομηχανικού ελέγχου είναι ότι τα ποσοτικά πρότυπα (qualitative models) της υπό έλεγχο διαδικασίας, βάση των οποίων σχεδιάζονται οι ελεγκτές, δεν είναι πάντοτε πιστά εφόσον εξαρτώνται από τις συνθήκες λειτουργίας της διαδικασίας. Ευφυής Έλεγχος

17 Έμπειρα Συστήματα στη Βιομηχανία
Οι εφαρμογές των έμπειρων συστημάτων στη βιομηχανία έκαναν την εμφάνισή τους στις αρχές της δεκαετίας του 1980 για την πρόγνωση και διάγνωση βλαβών βιομηχανικού εξοπλισμού. Τα περισσότερα συστήματα ήταν διαλογικά και λειτουργούσαν εκτός-γραμμής και όχι σε πραγματικό χρόνο. Πολύ σύντομα ακολούθησαν και έμπειρα συστήματα για τον εποπτικό έλεγχο βιομηχανικών διαδικασιών, συστήματα σχεδιασμού κλπ. Στη χώρα μας, τα πρώτα βιομηχανικά έμπειρα συστήματα αναπτύχθηκαν και εγκαταστάθηκαν για τη διάγνωση βλαβών βιομηχανικού εξοπλισμού στις αρχές της δεκαετίας του 1980. Ευφυής Έλεγχος

18 Εφαρμογές Έμπειρων Συστ. στη Βιομηχανία
σχεδιασμός προϊόντων,  προγραμματισμός της παραγωγής,  διαχείριση πρώτων υλών,  έλεγχος και διαχείριση της παραγωγής,  διαχείριση ενέργειας,  πρόγνωση και διάγνωση βλαβών του εξοπλισμού,  πρόγνωση και διάγνωση δυσλειτουργιών και έκρυθμων καταστάσεων βέλτιστη διανομή του παραγόμενου προϊόντος. Ευφυής Έλεγχος

19 Διασύνδεση Έμπειρων Συστ. στη παραγωγική Διαδικασία
Ευφυής Έλεγχος

20 Σχεδιασμός προϊόντων Τα έμπειρα συστήματα σχεδιασμού προσφέρουν βοήθεια και πληροφορίες στο χρήστη ώστε να μπορέσει να δημιουργήσει ένα σωστό σχεδιασμό του προϊόντος με βάση τις προδιαγραφές. Παρόλο που τα συμβατικά προγράμματα σχεδιασμού με υπολογιστή απαιτούν κυρίως γεωμετρικά δεδομένα, οι σχεδιαστές πρέπει επίσης να υπολογίσουν τα χαρακτηριστικά των ιδιοτήτων των υλικών (π.χ. αντοχών, θερμικής κατανομής κ.ά.), τις ποσότητες των πρώτων υλών καθώς και το κόστος παραγωγής του προϊόντος. Ευφυής Έλεγχος

21 Συντονισμός Βιομηχανικών Ελεγκτών
Ο βιομηχανικός έλεγχος συνήθως στρέφεται σε εμπειρικές μεθόδους για τον συντονισμό των ελεγκτών τριών όρων (PID) που κυριαρχούν στην παραγωγή. Ο συντονισμός ενός ελεγκτή τριών όρων απαιτεί γνώση της σχέσης μεταξύ των τιμών των σταθερών του ελεγκτή και την παρατηρούμενη βηματική απόκριση της υπό έλεγχο διαδικασίας. Η γνώση αυτή μπορεί να αποτυπωθεί ως ένα σύνολο κανόνων που ενσωματώνεται σε αυτο-συντονιζόμενους ελεγκτές (auto-tuning controllers) νέας γενιάς. Ευφυής Έλεγχος

22 Πρόγνωση & Διάγνωση Βλαβών Εξοπλισμού
Τα έμπειρα συστήματα διάγνωσης βλαβών (fault diagnosis) είναι εξαιρετικά χρήσιμα όταν η μονάδα περιέχει πολύπλοκο και ακριβό εξοπλισμό, οι βλάβες του οποίου προκαλούν μείωση, ακόμη και στάση της παραγωγής μέχρι να εντοπιστούν και να αποκατα-σταθούν. Η μείωση του χρόνου ανίχνευσης και αποκατάστασης της βλάβης είναι ιδιαίτερα αποδοτική εφόσον αυξάνεται η διαθεσιμότητα του εξοπλισμού. Ευφυής Έλεγχος

23 Χαρακτηριστικά Έμπειρων Συστημάτων
Χαρακτηριστικά Συμβ. Προγραμμάτων Προσομοιώνουν τον τρόπο επίλυσης ενός προβλήματος Προσομοιώνουν το ίδιο το πρόβλημα Παράσταση & χειρισμός γνώσης σε επίπεδο συμβόλων Παράσταση & χειρισμός δεδομένων σε επίπεδο αριθμητικών υπολογισμών Χρήση ευρεστικών μεθόδων για περιορισμό του χώρου αναζήτησης Χρήση αλγορίθμων Χρήση γλωσσών που πλησιάζουν την ανθρώπινη Χρήση γλωσσών που βρίσκονται πλησιέ- στερα στον τρόπο λειτουργίας του Η/Υ Βάση γνώσσης (δεδομένα & εξαγωγή συμπερασμάτων) Βάση δεδομένων-η γνώση ενσωματώνεται στο πρόγραμμα Ευχέρεια στην επέκταση και αναθεώσηση της γνώσης Η αναθεώρηση της γνώσης επιβάλλει ευρείας κλίμακας μεταβολές στο πρόγραμμα Χειρισμός ασαφούς και μη πλήρους γνώσης Δυσχέρεια στο χειρισμό ασαφούς και μη πλήρους γνώσης Δυνατότητα μη μονότονης συλλογιστικής Δυσχέρεια στη χρήση μη μονότονης λογικής Επεξήγηση του δρόμου συλλογισμού Ανυπαρξία επεξήγησης

24 Πλεονεκτήματα-Μειονεκτήματα Έμπειρου Συστήματος σε Σχέση με Άνθρωπο-Ειδικό
ΑΝΘΡΩΠΟΣ-ΕΙΔΙΚΟΣ (Μειονεκτήματα) ΕΜΠΕΙΡΟ ΣΥΣΤΗΜΑ (Πλεονεκτήματα) Γνώση διαθέσιμη όταν ο ίδιος είναι παρών Γνώση πάντα διαθέσιμη Δυσκολία μεταφοράς-αποτύπωσης γνώσης Ευκολία μεταφοράς-αποτύπωσης γνώσης Η απόδοσή του επηρεάζεται από εξωγενείς παράγοντες Εργάζεται οπουδήποτε Συναισθηματικές παρορμήσεις Εργάζεται με συνέπεια Υψηλό κόστος Χαμηλό κόστος λειτουργίας/Υψηλό κόστος ανάπτυξης Υποκειμενικότητα Αντικειμενικότητα εαν η γνώση προέρχεται από πολλούς ειδικούς

25 Εφαρμογές των Εμπείρων Συστημάτων (1/2)
Διάγνωση Διάγνωση βλαβών ενός συστήματος βάσει παρατηρήσεων και μετρήσεων Πρόγνωση Πρόβλεψη πιθανών μελλοντικών επιπτώσεων με βάση δεδομένες καταστάσεις Εκπαίδευση Κατανόηση, αξιολόγηση και διόρθωση απάντησης μαθητών σε εκπαιδευτικά προβλήματα Παρακολούθηση καταστάσεων Σύγκριση παρατηρούμενων παραμέτρων με αναμενόμενες καταστάσεις Ευφυής Έλεγχος

26 Εφαρμογές των Εμπείρων Συστημάτων (2/2)
Επιδιόρθωση λαθών Ανάπτυξη και εκτέλεση σχεδίων (πλάνων) για τη διαχείρηση βλαβών. Ερμηνεία Περιγραφή αντικειμένων και καταστάσεων βάσει δεδομένων από παρατηρήσεις Διαμόρφωση Ικανοποίηση απαιτήσεων και περιορισμών για τη συναρμολόγηση εξαρτημάτων Έλεγχος Έλεγχος της συμπεριφοράς ενός συστήματος Ευφυής Έλεγχος