О нас | Наши проекты | Публикации | Контакты

Договор с АО «ИркутскНИИхиммаш» № 052013 НИР

Personal Knowledge Base Designer использовался при выполнении работ по договору с АО «ИркутскНИИхиммаш» № 052013 НИР «Разработка проблемно-ориентированного редактора продукционных БЗ для задач оценки технического состояния и остаточного ресурса».

В ходе выполенния проекта была расширена функциональность PKBD в части поддержки режима функционирования в форме проблемно-ориентированного редактора, а также разработана база знаний для прогнозирования развития деградационных процессов в нефтехимии. В качестве источника информации использовались предметные концептуальные модели, разработанные в сотрудничестве с экспертами АО «ИркутскНИИхиммаш».

Данные модели были подвергнуты содержательному анализу и трансформации с использованием PKBD. Из моделей выделялись фрагменты, содержащие причино-следственные и иные зависимости, достаточные для построения элементов базы знаний. В общей сложности было построено и проанализировано 26 conceptual models containing 256 concepts and 208 relationships. В результате анализа была разработана база знаний содержащая: 18 шаблонов фактов, 18 шаблонов правил, 4 начальных (initial) факта и 30 конкретных правил описывающих деградационные процессы коррозионной усталости, коррозионного растрескивания и водородного охрупчивания. На основе созданной продукционной модели сгенерирован код БЗ в формате CLIPS. Детальное описание применения приведено в работе:
Yurin A.Yu., Dorodnykh N.O., Nikolaychuk O.A., Grishenko M.A. Prototyping Rule-Based Expert Systems with the Aid of Model Transformations // Journal of Computer Science, 2018, 14 (5): 680-698.

Процесс разработки баз знаний на основе анализа рассмотренных концептуальных моделей может быть представлен в виде схемы (Рис.1).

Рис.1 Схема разработки баз знаний на основе анализа концептуальных моделей с использованием PKBD

Далее рассмотрим пример разработки фрагмента базы знаний согласно данной схеме на примере анализа одной концептуальной модели.

Этап 1. В результате анализа концептуальной модели (Рис.2, модель переведена на английский) были выделены основные сущности: механические нагрузки, метариал, технологическая среда, объект инцидента, наблюдаемое событие и наблюдаемый механизм. Каждая сущность характеризуется набором свойств. Между сущностями также определены отношения. Выделенные сущности преобразованы в шаблоны-фактов со слотами, а отношения – в шаблоны правил.

Рис.2 Пример анализируемой модели в форме UML диаграмм классов (IBM Rational Rose)

Этап 2. Полученные шаблоны были отредактированы с использованием мастеров PKBD (Рис.3). При этом каждому шаблону соотвествует RVML схема (Рис.4), обеспечивающая визуализацию представления.

Рис.3 Пример мастера редактирования описания шаблона

Рис.4 RVML представление шаблона правила

Этап 3. На основе уточненных шаблонов созданы факты и правила-экземпляры (Рис.5-6).

Рис.5 Пример мастера ввода факта

Рис.6 RVML представление правила

Этап 4. Тестирование базы знаний осуществлялось с помощью специального мастера, который на основе начальных фактов (Рис.7) обеспечивает построение цепочки рассуждений с детализацией каждого шага (Рис.8).

Рис.7 Форма тестирования базы знаний: просмотр начальных фактов

Рис.8 Форма тестирования базы знаний: просмотр активированных правил

Этап 5. По результатам тестирования возможно создание прототипа экспертной системы (Рис.9-10). При этом PKBD используется в качестве интерпретатора.

Рис.9 ЭС: ввод начальных фактов

Рис.10 ЭС: просмотр активированных правил

Также был получен CLIPS код (фрагмент):

CFM спецификации (фрагмент):