Характерной чертой постиндустриального общества на современном этапе является его глубокая информатизация -- внедрение во все сферы жизни средств вычислительной техники и коммуникаций. Одним из основных направлений развития IT являются информационные системы. Информационные системы применяются для автоматизации и упрощения передачи данных и их анализа.

Последнее время становится все больше автоматизированных экспертных систем, которые помогают принимать различные решения. Однако нельзя забывать о тех ученых, в трудах которых заложены фундаментальные знания исследуемой области. Несмотря на то, что прошло пару десятков лет с момента выпуска основополагающих работ по экспертным системам, их актуальность не иссякла. Ученых в данной области достаточно много, поэтому перечислим лишь некоторых из них: Попов Э. В.[19], Нейлор К.[9], Джексон П.[10], Брукинг А.[18], Нильсон Н.[16], Хейес-Рот[17] и т.д. Р. Левин, Д. Дранг, Б. Эделсон в своей книге[15] изложили ключевые концепции искусственного интеллекта и экспертных систем. Важной особенностью их работы является описание перехода от теории к практике на примитивном языке программирования. Кук Н. М. и Макдональд Дж. в своей книге[20] раскрывают такое понятие, как формальная методология приобретения и представления экспертных знаний.

Следующий объект исследования, на котором стоит остановиться, является теория принятия решений. Учеными, которые заложили фундаментальные знания в данной области, являются: Кини Р.[21], Райфа Х.[21], Айзерман М.А.[22], Алескеров Ф.Т.[22], Орловский С. А.[23] и т.д. Также стоит упомянуть ученых, занимавшихся внедрением теории принятия решений в информационные системы: Трахтенгерц Э. А.[24] и т.д.

Немаловажное значение имеет место хранения данных. От этого зависит структура всего проекта, его функциональность, область распространения, а также быстродействие. База данных является отличным хранилищем данных, которое отвечает на ряд важных требований при разработке (хранение большого объема данных, поиск по запросу, скорость обработки запроса и т.д.). Одними из ученых, занимавшихся вопросом изучения базы данных и которые были основоположниками данной области, являются: Дейт К. Дж.[25], Крёнке Д.[26] и т.д.

Данная работа посвящена разработке автоматизированной экспертной системы помощи в диагностике и устранении неисправностей в автомобиле. О необходимости создания такой системы писал еще в 1997 году Дворянкин А. М. [1]. Также Эри Рикардо Нурсаль написал научную статью [13] по этой же проблеме. И предложил свою структуру экспертной системы, включающую в себя несколько модулей (машина вывода, база знаний, база данных, система взаимодействия с пользователем, адаптивная система). Данная система могла бы увеличить производительность станций технического обслуживания автомобилей за счет уменьшения количества клиентов, которые были вынуждены уехать из-за недостатка знаний механика данного предприятия. Схожей проблемой занимался Ахмад Т. Аль-Таани и подробно описал весь этап создания экспертной системы для диагностики автомобильных неисправностей в своей научной статье[14]. Здесь приводится анализ данной области и методы проектирования таких систем. Немаловажным является тот факт, что в статье приведены примеры работы системы с определенными неисправностями, которые могут возникнуть в процессе эксплуатации автомобиля.

Результаты анализа существующих технических решений. На данный момент существует ряд систем, базирующихся на схожих принципах построения и работы. Но стоит отметить, что нет аналогов в данной предметной области. Рассмотрим несколько аналогов из других областей знаний.

Первая экспертная система, которую мы рассмотрим далее, будет из области управления персоналом.

Компьютерный комплекс «Служба персонала + Консалтинг персонала» произведенный отечественной компанией НПО «Эталон»[2] представляет собой двухуровневую экспертную систему шестого поколения с искусственным интеллектом.

Для понимания всего комплекса в целом, рассмотрим подробнее отдельные позиции системы.

Структура программы:

Как говорилось ранее, экспертная система является двухуровневой (Служба персонала + Консалтинг персонала). Каждый из этих структурных элементов имеет в себе модули, которые выполняют какие-либо функции, например, подбор персонала, отбор, аттестация и т.д. Каждые из них тесно связаны друг с другом посредством искусственного интеллекта, но для простоты использования пользователями идет разделение по направлению работы на отдельные модули.

Интерфейс:

Разработан в традиционном стиле. В пользования программой, складывается впечатление некоторой бедности интерфейса. Однако, проведя некоторое время в работе, убеждаешься в том, что именно подобное решения наиболее подходит для данного программного обеспечения, в связи с обилием функционала.

Сетевые возможности:

Как и многие продукты НПО «Эталон» данная разработка имеет полнофункциональный доступ к сети, а также есть возможность передачи информации с одной станции на другую в закодированном формате на переносном носителе.

Вывод:

Рассмотренный комплекс, безусловно, является одним из лучших отечественных решений в данной области. В связи с тем, что система выдалась весьма громоздкой, она требовательна к вычислительным ресурсам. Это можно отнести к минусам, однако, учитывая ее возможности, он не столь велик, чтобы полностью отказываться. Также к минусам можно отнеси то, что наряду с современными технологиями работы с персоналом, имеются «классические» решения из далекого прошлого.

Причины, которыми был вызван интерес к данной теме:

- недостаточный уровень развития науки;

- низкая степень оснащенности лечебных учреждений;

- большой объем практической нагрузки врача;

- атипичное течение или редкость заболевания;

- низкий уровень подготовки врачебных кадров;

- ошибки лабораторно-инструментальных исследований.

Данная система предназначена для противостояния вышеприведенным проблемам, которые существуют на данный момент.

Одним из примеров экспертных систем реального времени является экспертная система G2 [3].

Основные компоненты данной системы:

- База знаний

- Лексический анализатор

- Подсистема моделирования

- Планировщик

База знаний разбита на две части: базу знаний и библиотеку знаний. Принципиальное различие в том, что библиотека знаний предназначена для более широкого использования, то есть в нескольких приложениях. В ней описаны некоторые стандарты, которые подходят к той или иной системе. База знаний в свою очередь содержит определения всех объектов, объекты, правила, процедуры.

Структурно данная система реализована таким образом, что существуют «модули» и «рабочие пространства». В случае если приложение построено на основе нескольких баз знаний, оно представляется в виде структуры (иерархии) модулей. Если «модули» разделяют приложение на отдельные базы знаний, которые могут быть использованы одновременно в нескольких приложениях и полезны при разработке, то «рабочие пространства» разбивают приложение на несколько небольших частей, которые легче понять и обрабатывать, то есть используются при исполнении приложения.

При создании G2 использовались такие универсальные технологии разработки современных информационных систем как:

- Стандарты открытых систем

- Архитектура клиент/сервер

- Объектно-ориентированное программирование

- ОС, позволяющие выполнять несколько процессов параллельно в реальном времени

Также используются знания традиционного программирования, которые включают в себя работу:

- С пакетами программ

- С СУБД

- С контроллерами и концентраторами данных

Следующая рассмотренная система написана для медицинских нужд, но на практике она не была использована, т.к. влекла за собой целый список этических и правовых вопросов, таких как «кто ответственен за неправильное определение диагноза» [4].

MYCIN - пример одной из ранних экспертных систем. Она была разработана в 70-х годах прошлого века в Стэнфордском университете в качестве диссертации Эдварда Ханса Шортлифа. При создании данной системы использовались знания, полученные во время написания другой экспертной системы - Dendral, но с акцентом на использования правил в условиях наличия элементов неопределённости. MYCIN был спроектирован для диагностирования бактерий, вызывающих тяжелые инфекции, и для рекомендации необходимого количества антибиотиков в зависимости от массы тела.Система работала по принципу множественных вопросов, на основании которых она выдавала список вероятных бактерий и диагнозов с возможным курсом лечения. Программа запускалась на сервере с разделением времени, доступному по раннему Интернету (ARPANet), когда еще не было персональных компьютеров.

Теперь рассмотрим другую систему - TMYCIN. Она основана на MYCIN [5].

TMYCIN («Tiny EMYCIN») является простой экспертной системой, разработанной на базе EMYCIN. TMYCIN не выполняет все задачи EMYCIN, она предназначена для реализации наиболее часто используемых функций в виде малого и простого модуля. Внутренняя реализация TMYCIN было написано с нуля и поэтому отличается от аналога в EMYCIN.

Принцип работы TMYCIN прост. Функция верхнего уровня doconsult создает новый символ из context-name для использования его в качестве context-name консультации. После этого, система просит у пользователя ввести параметры, которые определены как исходные данные. Далее вызывается bc-goal для каждого из целевых параметров и в завершении выводит результаты.

Аналогом экспертной системы в области медицины является компьютерная программа CaDet [6]. На основе анализа эпидемиологических и клинических признаков отдельных пациентов CaDet предоставляет врачам информацию, показывающую необходимость особого внимания относительно ранней диагностики рака соответствующим пациентам. Исследования показали, что рабочие возможности данного инструмента позволяют использовать его для помощи врачам. Работа программы заключается в том, что по каждому пациенту вводятся данные о состоянии его здоровья и после обработки данных предоставляется отчет. Он состоит из нескольких секций:

- Данные, которые были выявлены в процессе диагностирования пациента;

- Предупреждения рака, которые формируются после обработки введенных данных.

Предупреждения состоят из гипотез болезни, идентифицированных компьютером, как являющимся достаточно важным, чтобы оправдать особое внимание врача. Каждой из этих гипотез назначают два различных типа:

- Высокий критический фактор (HCF) - эвристическая мера потребности у некоторых пациентов, для дальнейшего диагностического действия на основе присутствия потенциально сигнализирующих результатов. Измеряется от 1 до 10.

- Формализованный фактор рака (FCF)--обозначает степень внимания, которое должно получить к соответствующему раку врачом. Этот счет эвристическим образом вычисляется путем взвешивания результатов диагностирования пациента. Его величины могут находиться в диапазоне от 1 до 6.

Исходя из отчета программы, пациенты, рекомендованные к дополнительной консультации по диагностированию ранней степени рака, направляются к специалистам, которые в свою очередь предупреждают дальнее развитие заболевания.

Далее будут описаны две простых системы, которые можно найти в открытом доступе на GitHub, что позволит понять принципы их работы более подробно.

Описанная ниже система - MovieRecommendationSystem [7] - представляет собой написанную на языке CLIPS систему, которая помогает пользователю в выборе фильма. Данная система достаточно простоя в реализации. Для разработки интерфейса используется Java. MovieRecommendationSystem позволяет подобрать фильм по заданным пользователем критериям, таким как жанр, возрастное ограничение, страна происхождения и другим.

Вторая открытая система - Menu-Classification [8] - используется в ресторанном деле.

Данная система была разработана для облегчения классификации меню ресторанов по типам, использую базу знаний и наивный байесовский классификатор (основанный на применении Теоремы Байеса со строгими (наивными) предположениями о независимости) с 95%-й точностью Идея для этого проекта была позаимствована из музыкальной рекомендации Pandora, в которой каждая музыка классифицирована в различные общие категории, а в них более мелкие подкатегории. Классификация идет в два этапа. В начале идет классификация по наивному байесовскому классификатору. Далее используя экспертную систему и фиксированные правила классификации для определенного меню, которое позволяет пользователям делать свои подкатегории по набору ключевых слов.

Из вышеприведенного анализа, было принято решение об использование некоторых особенностей данных систем. В связи с тем, что методы проектирования разработок, которые были рассмотрены выше, весьма схожи по своей структуре, и состоит она из основных модулей (база знаний, система взаимодействия с пользователем, система обучения), было принято решение об использовании схожей структуры проектирования экспертной системы. Также, исходя из того, что практически во всех рассмотренных аналогах применялась предикатная форма представления, которая требовательна к машинным ресурсам и сложна в реализации, решено применять лексический анализ текста.

Актуальность. На данный момент нет открытых систем, которые могли бы помочь в диагностике автомобиля без специализированного оборудования, на основании одних лишь признаков неисправности. Однако существует огромное количество разрозненной технической информации, которая может помочь человеку выявить и устранить неисправность. Проблема этой документации в том, что зачастую она труднодоступна либо написана тяжелым для понимания обычным человеком языком, что сильно снижает ее эффективность, зачастую даже высококлассные мастера тратят не один час на понимание написанного текста.