Design of the knowledge base of expert system for management scientific projects.pdf С организационной и технологической точки зрения процесс оценки потенциала новых проектов сегодня остается еще достаточно трудоемким и слабоформализованным в рамках производственной деятельности предприятия. При выборе конкретного проекта имеет место совокупность научных, коммерческих, организационных, ресурсных и других составляющих успешного развития проекта, предопределенных спецификой его развития и определяющих качество описания проекта, и изменение любого из слагаемых в значительной мере сказывается на степени реализуемости проекта. Необходимость переоценки внешних и внутренних факторов влияния на развитие проекта требует частого обращения к экспертам соответствующей области, что значительно осложняет процесс оценки и анализа научных и инновационных проектов, а следовательно, и принятия решений. Эффективное решение задачи прогнозирования изменения экономического и социального эффекта научных проектов на этапах НИР и ОКР заключается в использовании экспертных систем, построенных на совокупности формализованных и описанных знаний эксперта конкретной предметной области, структурированных в определенном порядке для построения процесса принятия решения. В свою очередь, для успешного функционирования экспертной системы необходимо не только учитывать имеющиеся данные, но и иметь возможность преобразовать информацию в форму, позволяющую эффективно оценить описанные условия и ситуацию и выдать рекомендательные решения. 1. Формирование поля знаний Исходным понятием на стадии проектирования экспертной системы (ЭС) является получение и структурирование знаний эксперта, именуемое полем знаний, определяемое как заданное в различных форматах неформальное описание основных понятий предметной области и взаимосвязей между ними [1. С. 59]. Поле знаний задается описанием состояния среды (ситуации) и совокупностью всех возможных шагов решения задачи - пространством состояний. Поиск решений основывается на формализованном, удобном для работы алгоритме представления задач и описании последовательности смены состояний, ведущих к достижению поставленной цели. Процесс поиска решения задачи также носит название вывода цели. Посредством заданных действий алгоритм переводит задачу из одного состояния в другое. Для описания указанного процесса воспользуемся деревом поиска [2. С. 50-51]. Исходя из вариантов представления результатов принятия решений и заданной многомерной модели [3. С. 59], построим поле знаний нашей предметной области, определяемой концептами - основными элементами системы СППР, и их атрибутами - допустимыми значениями, таким образом формируя концептуальную структуру поля знаний (рис. 1). Рис. 1. Концептуальная составляющая поля знаний Рис. 2. Функциональная составляющая поля знаний Структура функциональной составляющей поля знаний моделирует основные связи или отношения между концептами и их атрибутами, образующими поле знаний. Эти связи отражают стратегию принятия решений экспертом (рис. 2). С целью подробного представления рассуждений ЭС выдаваемые рекомендации целесообразно представить в виде промежуточных выводов и подведения итогового решения, представляющих собой отдельные блоки информации. Таким образом, накопление и организация специальных знаний - одна из самых важных задач ЭС, целям их расширения и накопления служит база знаний, которая, по сути, является ядром ЭС. При этом знания должны быть выражены в явном виде и организованы так, чтобы упростить принятие решений [4]. Это требование заставляет экспертные системы оперировать не только данными, но и понятийными концептуальными знаниями, выраженными на естественном языке и в терминах предметной области. Правила, содержащиеся в базе знаний, соответствуют заданной прикладной программе и могут быть различными по формату представления. 2. Формирование базы правил Описание концептов и их атрибутов позволяет перейти к построению базы фактов и правил, для этого применяются формальные языки, обычно напоминающие естественный язык, но гораздо более строгие и ограниченные. Существует несколько базовых специализированных машинных языков представления знаний, сегодня наибольшее распространение в ЭС получил язык продукционных правил, имеющих форму ЕСЛИ «Условие» - ТО «Событие». Продукционные правила обеспечивают естественный способ описания процессов, управляемых сложной и изменяющейся средой. Правила дают возможность описать ход решения задачи, не имея заранее алгоритма этого решения, а также корректировать способ решения путем добавления новых правил, не изменяя существующих, что обеспечивает высокую модульность базы знаний [2. С. 45]. В общем продукционная модель имеет следующий вид (1): 1 = < T;L;A ^ B;Q >, (1) где T - описание ситуации; L - условие, при котором продукция активизируется; A^B - ядро продукции, представляющее собой условие: если А, то В; Q - постусловие продукционного правила, описывает действия, совершаемые после реализации В. В разработанной информационно-аналитической системе (ИАС) [3. С. 60] в качестве исходной информации для формирования списка рекомендуемых действий используются: - значения оценок проекта, полученных при введении проекта в базу данных; - данные предыдущих результатов подачи заявок по проекту; - описание ситуации, в условиях которой реализуется проект. Конструирование вывода в ЭС обычно подразумевает следующие операции: хранение значений всех атрибутов и проверка на истинность в процессе решения задачи - истинным считается факт, если он может быть выведен по законам формальной логики из имеющейся базы фактов и правил. При обращении к правилам согласно заданной ситуации обновляется содержимое рабочей памяти, при нахождении правила (В), сопоставимого факту (А), правило срабатывает и выводится соответствующее решение. Пусть y - конкурс; D(y) - условия конкурса; (х) - проект, отображаемый в списке подходящих для участия в конкурсе (у); 8(х) - состояние проекта; F(x) - ситуация, в которую заключен проект; T(x) - результаты участия в предыдущих конкурсах и R(x) - окончательное решение об участии в конкурсе. При этом наличие и отсутствие каких-либо данных задаются понятиями «истина» (true) и «ложь» (false) соответственно. Источником данных для оценки проекта служит специально разработанная база данных научных сотрудников, проектов и конкурсов, реализованная на платформе SQL Microsoft SQL Server [5. С. 34]. На основе введенных переменных опишем правила БЗ и условия их срабатывания. Начальным условием актуализации базы правил является выполнение условия соответствия проекта заданным параметрам отбора: х = D(y). Далее срабатывают остальные правила. Блок «Решение» выводит итоговые рекомендации исходя из заданных условий, состояния проекта и оценки активности по проекту. Обозначим ее функцией (2): R(x) = {< S(x),F(x),T(x), >}, (2) где R^) - решение по участию проекта (х) в выбранном конкурсе, V^)BR^) = {решение}; S(x) - вывод о состоянии проекта (х), V^)BS(x) = {вывод}; F(x) - рекомендации по работе с проектом (х) в случае участия в выбранном конкурсе, V^)BF(x) = {рекомендация}; T(x) - рекомендации по подготовке заявки по проекту (х) на выбранный конкурс, V^BT^^ {рекомендация}. Правило базы знаний для формирования окончательного решения по проекту представляется в следующем виде: «Выдача решения» = . В случае необходимости получения дополнительной информации аналитиком для выбора проекта на конкурс он обращается к многомерному анализу (см. рис. 2), обозначим его как M(x) - результаты многомерного анализа проекта (х), V^)BM(x)e {false; true}. Тогда правило базы знаний для формирования окончательного решения по проекту представляется в следующем виде: «Выдача решения» = . Далее в таблице приведен пример записи правил с учетом концептуального представления знаний эксперта. Пример записи правил Блок Условия Промежуточный вывод / решение If and or 1 Проект соответствует условиям конкурса ОО ={201;300}a ИКП = {0;0,5}a ОЗ ={81;100} ОО ={301;400}a ИКП ={0,51;0,8}a ОЗ ={21;40} Проект имеет высокий научный потенциал, подходит для участия в выбранном конкурсе 2 Не имеет действующего гранта Ранее подготовлено 3 и более заявок Руководитель активно участвует в конкурсах. Проект готов к участию 3 Имеется заполненная заявка Имеется шаблон заявки В системе имеется шаблон заявки для данного конкурса, есть возможность автоматически заполнить заявку 4 «Высокий научный потенциал» «Готов к участию» «В системе есть шаблон» Сформировать и подать заявку Примечания. ОО - общая оценка проекта, ИКП - индекс коммерческой привлекательности, ОЗ - оценка завершенности проекта. Таким образом, процесс получения решения в разработанной ЭС имеет прямую цепочку вывода: поиск ведется на основе данных (data-driven search), процесс решения задачи начинается с исходных фактов, затем, применяя допустимые правила изменения состояний, осуществляется переход к новым фактам, и так до тех пор, пока цель не будет достигнута, в нашем случае это формирование эффективной рекомендации специалисту по работе с проектами. Заключение Разработанная база знаний ЭС повышает эффективность анализа и обработки данных о научных проектах, способствуя снижению информационной нагрузки, а значит, и временных затрат соответствующих специалистов и, как следствие, повышается объем выполненной ими работы, что в силу ускорения процесса накопления опыта и автоматизации работы с проектами, несомненно, положительно скажется на результатах реализации научных проектов, а также их коммерциализации. А повышение эффектности обработки информации о состоянии проекта на определенный момент времени в условиях заданной ситуации и выбор форм ее представления лицу, принимающему решение, приводят к росту определенности выбора управленческого решения.

Скачать электронную версию публикации