Діагностування комп’ютерних засобів на основі інтелектуальних методів та моделей опрацювання знань

Размещено на http://www.allbest.ru/

Тернопільський національний економічний університет

УДК 004.891.3

Автореферат

дисертації на здобуття наукового ступеня кандидата технічних наук

Діагностування комп'ютерних засобів на основі інтелектуальних методів та моделей опрацювання знань

05.13.05 - комп'ютерні системи та компоненти

Олар Оксана Яремівна

Тернопіль 2010

Загальна характеристика роботи

Актуальність теми. Динамічний розвиток та розширення сфер застосування комп'ютерних засобів (КЗ), зростання рівня складності їх апаратно-програмних складових ускладнюють процес діагностування КЗ в умовах зростаючих вимог до надійності їх функціонування. Це робить актуальною задачу розроблення та впровадження більш ефективних засобів діагностування КЗ, зокрема, програмних, апаратно-програмних або апаратних пристроїв і систем діагностування.

Вирішенням проблем та задач підвищення ефективності діагностування КЗ займається ряд відомих іноземних та вітчизняних вчених, зокрема, Мюллер С., Абрамович М., Кривуля Г.Ф., Тарасенко В.П., Хаханов В.І., Харченко В.С., Тоценко В.Г., Скобцов Ю.О., Локазюк В.М., Дрозд О.В.

На сьогодні у роботах Скобцова Ю.О. розв'язано ряд задач технічної діагностики з використанням еволюційних методів, Кривулі Г.Ф. - вбудованого самотестування мікропрограмно-керованих пристроїв, Хаханова В.І. - логічного моделювання та діагностування несправностей дедуктивно-паралельними методами, Дрозда О.В. - робочого діагностування у обробці наближених даних та ін.

Інтенсивний розвиток КЗ є причиною того, що на сьогодні відомі алгоритмічні системи діагностування КЗ вичерпують свої функціональні можливості, а їх використання у процесі діагностування не забезпечує відповідного рівня надійності КЗ.

Сучасним засобом підвищення ефективності процесу діагностування є використання інтелектуальних систем діагностування комп'ютерних засобів (ІСД КЗ). Одним із стимулюючих факторів для використання ІСД КЗ у технічній діагностиці є можливість збереження, накопичення та подальшого використання унікального досвіду учасників процесу діагностування КЗ. Основним компонентом таких систем є бази знань або інші модулі починаючи від окремих файлів зі знаннями і аж до сховищ знань, повнота яких визначає ефективність процесу діагностування КЗ.

Однак ролі учасників (експертів-діагностів) практично не враховуються у процесі інтелектуального діагностування КЗ, також поза увагою залишаються задачі створення та наповнення баз знань систем технічного діагностування. На сьогодні залишаються актуальними задачі розроблення моделей та методів діагностування КЗ на етапі експлуатації з використанням компонентів штучного інтелекту.

Отже, підвищення ефективності процесу діагностування КЗ на етапі експлуатації шляхом розроблення інтелектуальних методів та моделей подання і опрацювання знань у базах знань інтелектуальних систем діагностування є актуальною науковою задачею.

Зв'язок роботи з науковими програмами, планами, темами. Представлені в дисертаційній роботі дослідження проводились в рамках держбюджетної науково-дослідної роботи "Наукові основи створення, діагностики та підвищення надійності первинних перетворювачів сигналів автоматизованих систем керування, елементів і пристроїв обчислювальної техніки та захисту інформації в комп'ютерних засобах" (номер державної реєстрації 0105u007365) у Чернівецькому національному університеті імені Юрія Федьковича.

Мета і задачі дослідження. Метою дисертаційної роботи є підвищення ефективності процесу діагностування комп'ютерних засобів на етапі експлуатації шляхом розроблення інтелектуальних методів та моделей подання та опрацювання знань у базах знань систем діагностування.

Для досягнення поставленої мети необхідно розв'язати такі наукові задачі:

1) дослідити особливості діагностичної інформації про КЗ і їх складові, моделі та форми її подання у базах знань інтелектуальних систем діагностування;

2) розробити модель розподіленого опрацювання діагностичних знань щодо об'єктів діагностування та процесу інтелектуального діагностування;

3) розробити модель взаємозв'язку контексту та обґрунтування процесу інтелектуального діагностування;

4) розробити узагальнену формальну модель процесу інтелектуального діагностування КЗ з врахуванням ролей учасників процесу діагностування;

5) розробити метод формування таксономії класів предметної галузі "Інтелектуальне діагностування мікропроцесорних складових";

6) розробити метод структуризації узагальнюючих понять;

7) розробити метод очищення та підвищення якості знань у базах знань інтелектуальних систем діагностування;

8) розробити алгоритми та програмні засоби дослідження характеристик баз знань предметної галузі "Інтелектуальне діагностування мікропроцесорних складових".

Об'єкт дослідження - процес діагностування комп'ютерних засобів як складових комп'ютерних систем.

Предмет дослідження - моделі, методи та засоби діагностування КЗ на основі інтелектуального опрацювання знань.

Методи дослідження ґрунтуються на основних положеннях технічної діагностики та теорії штучного інтелекту. Узагальнена формальна модель процесу інтелектуального діагностування КЗ базується на теорії множин та процесі підтримки прийняття рішень. Інтелектуальний метод очищення та підвищення якості діагностичних знань у базах знань на теорії штучного інтелекту та теорії баз знань. Програмні засоби дослідження характеристик баз знань базуються на теорії алгоритмів та методах прикладного програмування.

Наукова новизна одержаних результатів. У результаті дисертаційного дослідження розв'язано актуальну наукову задачу підвищення ефективності процесу діагностування КЗ на етапі експлуатації шляхом розроблення та впровадження інтелектуальних методів та моделей опрацювання знань у базах знань систем діагностування. При цьому отримано такі наукові результати:

Вперше:

- розроблено узагальнену формальну модель процесу інтелектуального діагностування КЗ, суть якої полягає у формуванні множини альтернативних моделей реалізацій процесу інтелектуального діагностування КЗ. Новим є те, що на основі альтернативних моделей визначено масиви діагностичних знань, які відбираються з бази знань для використання інтелектуальними системами діагностування, що в результаті підвищує ефективність процесу діагностування КЗ;

- розроблено інтелектуальний метод очищення та підвищення якості знань у базах знань інтелектуальних систем діагностування, новизна якого полягає у виявленні на основі діаграми Хассе правил залежностей між підмножинами атрибутів, що відповідають властивостям об'єкта діагностування та ієрархічним залежностям між прикладами реалізації процесу діагностування, що дало можливість усувати недовизначеності у базах прикладів та здійснювати пошук прикладів, відповідних задачі діагностування.

Удосконалено:

- метод подання діагностичної інформації про процес інтелектуального діагностування КЗ, який відрізняється від відомих врахуванням особливостей окремих об'єктів діагностування та наявністю ресурсів, що дало можливість уніфікувати процес інтелектуального діагностування різними інтелектуальними системами діагностування КЗ.

Набули подальшого розвитку:

- метод побудови таксономії класів, який на відміну від відомих, формує абстрактну структуру класів шляхом автоматичної генерації таксономії для всієї предметної галузі, що дало можливість виявляти неповноту опису предметної галузі та уточнювати поняття при появі нової діагностичної інформації;

- метод структуризації узагальнюючих понять, відмінністю якого від відомих є здобуття правил-продукцій вищого рівня абстракції (метаправил) шляхом виявлення нових класів предметної галузі, структуризації залежностей їх понять та ієрархії відомих класів, що дало змогу генерувати правила для усунення недовизначеностей у базах знань.

Обґрунтованість і достовірність наукових положень, висновків і рекомендацій. Достовірність та обґрунтованість викладених в дисертації наукових положень, висновків та рекомендацій забезпечується правильністю постановки задачі, успішною програмною реалізацією інтелектуальних методів і моделей подання й опрацювання знань, ефективним практичним впровадженням результатів дисертаційних досліджень на підприємстві, яке підтверджує співпадання теоретичних досліджень з практичними результатами, апробацією на міжнародних та всеукраїнських наукових конференціях і семінарах.

Практичне значення одержаних результатів. Результати дисертаційної роботи, а саме: інтелектуальні методи та моделі використані при розробленні програмних засобів дослідження характеристик баз знань предметної галузі "Інтелектуальне діагностування мікропроцесорних складових" в рамках науково-дослідної роботи (номер державної реєстрації 0105u007365). Результати експериментальних досліджень підтвердили, що використання розроблених програмних засобів дозволяють підвищити ефективність процесу діагностування КЗ і їх складових на етапі експлуатації на 27,5 %.

Основні результати дисертаційної роботи у вигляді програмних засобів побудови сховища знань предметної галузі "Інтелектуальне діагностування мікропроцесорних складових" знайшли застосування в Чернівецькому ТОВ "Юнітрейд Про" та у навчальному процесі при викладанні дисциплін "Тестування комп'ютерних засобів", "Організація баз даних та знань" та "Комп'ютерні системи штучного інтелекту" за напрямком підготовки 6.0502 - комп'ютерна інженерія у Чернівецькому національному університеті імені Юрія Федьковича.

Особистий внесок здобувача. Усі основні результати дисертаційного дослідження, представлені до захисту, одержані автором особисто. У друкованих працях, опублікованих у співавторстві, автору належить: формалізація та метод подання знань у багатокомпонентних системах діагностування [1, 2]; узагальнена формальна модель процесу інтелектуального діагностування [3]; методи формування таксономії класів та структуризації узагальнюючих понять [4], дослідження ефективності програмних засобів діагностування [5], програмні засоби побудови баз знань систем діагностування [6, 7], метод очищення та підвищення якості знань у базах систем діагностування [8], принципи побудови баз знань систем діагностування [9, 10, 11].

Апробація результатів дисертації. Основні положення та результати проведених у дисертаційній роботі досліджень доповідалися та обговорювалися на 8 Міжнародних конференціях, а саме: Міжнародній науково-технічній конференції "Контроль і управління в складних системах" (м. Вінниця, 2005); Міжнародній науково-практичній конференції "Дні науки 2005" (м. Дніпропетровськ, 2005); Міжнародній науковій конференції студентів та молодих учених "ПОЛІТ" (м. Київ, 2006); Міжнародних науково-технічних конференціях "Гарантоспособные и безопасные системы, сервисы и технологии" (м. Полтава, 2006 та м. Кіровоград, 2008); Міжнародній конференції "Інтелектуальний аналіз інформації" (м. Київ, 2008); Міжнародній науково-технічній конференції "Комп'ютерні системи та мережні технології" (м. Київ, 2008); Міжнародній науково-технічній конференції ACSN-2009 (м. Львів, 2009), а також на міжкафедральних семінарах факультету комп'ютерних систем та програмування Хмельницького національного університету та факультету комп'ютерних наук Чернівецького національного університету імені Юрія Федьковича.

Публікації. Основні матеріали дисертації викладено у 11-ти наукових публікаціях, серед яких 6 статей у фахових виданнях, що входять до переліку фахових видань ВАК України та 5 тез у збірниках науково-технічних конференцій.

Структура дисертації. Дисертація складається зі вступу, чотирьох розділів та висновків, викладених на 122 сторінках основного тексту, списку використаних джерел (126 найменувань). Робота містить 53 рисунки, 13 таблиць та 6 додатків.

Основний зміст роботи

комп'ютерний засіб інтелектуальний метод

У вступі обґрунтовано актуальність теми, визначено об'єкт та предмет дослідження, сформульовані мета і задачі дослідження, визначена наукова новизна та практична цінність одержаних результатів, а також подані відомості про апробацію дисертаційної роботи.

У першому розділі досліджено особливості сучасних комп'ютерних засобів, як об'єктів діагностування (ОД), які пов'язані із підвищеними вимогами до надійності і впливають на ефективність процесу діагностування.

Досліджено основні етапи процесу діагностування КЗ і взаємозв'язки між ними, у зв'язку з використанням компонентів штучного інтелекту у складі систем діагностування. На основі проведених досліджень зроблено висновки про недосконалість систем діагностування, а саме: не дають змоги охопити усі можливі ситуації, які виникають у процесі діагностування; не задіюють учасників (експертів-діагностів), а їх кваліфікація (обов'язки, ролі) практично не враховується у процесі діагностування.

Досліджено особливості діагностичної інформації про КЗ і їх складові, моделі та форми її подання у базах знань інтелектуальних систем діагностування (ІСД). Наголошено на важливості діагностичної інформації, яка зберігається у базах знань ІСД КЗ, для проведення процесу діагностування. Виділено основні недоліки, які ускладнюють процеси розроблення та експлуатації баз знань, незалежно від використовуваних компонентів штучного інтелекту. Відзначено особливості діагностичної інформації, які визначають критерії при виборі моделей та форм її подання у базах знань ІСД.

Проведено аналіз особливостей моделей подання знань про КЗ та методів опрацювання їх у базах знань однокомпонентних та багатокомпонентних ІСД. Виділено їх основні недоліки: проблемність відображення складних ОД, ускладнення структур компонентів при збільшенні кількості ОД, складність організації процедур логічного висновку й опрацювання виключень про нові модифікації складових КЗ, системної залежності знань, неможливості виявлення невідомих типів несправностей, труднощі у коректності подання експертних знань. Опрацювання великих об'ємів діагностичної інформації стає утрудненим для процесу діагностування.

У першому розділі також виконана постановка задачі, яка вирішується в наступних розділах.

У другому розділі розроблено модель розподіленого опрацювання діагностичних знань щодо ОД та процесу інтелектуального діагностування (ІД) КЗ, яка забезпечила єдину форму подання діагностичної інформації і єдиний підхід до інформаційного наповнення та інтеграції існуючих і нових ресурсів у сховищі знань.

Визначення. 1. Управлінням діагностичними знаннями предметної галузі "Інтелектуальне діагностування мікропроцесорних складових" назвемо процеси створення, розповсюдження, опрацювання та використання діагностичних знань, необхідних для реалізації процесу інтелектуального діагностування КЗ.

До основних етапів управлінням діагностичними знаннями віднесено: пошук та відбір діагностичної інформації, здобуття діагностичних знань, структурування знань з можливістю подальшого доповнення та внесення змін, формалізацію знань у формі, прийнятній для різних ІСД, етап обслуговування, який передбачає можливості коригування, видалення та фільтрування діагностичних знань відповідно до вимог ІСД КЗ та користувачів.

Процес опрацювання діагностичних знань про КЗ здійснено у контексті процесу ІД на базі сховища знань шляхом побудови формальних моделей процесів ІД КЗ і відбору зі сховища знань, з їх допомогою, масивів діагностичних знань, унікальних для різних ІСД.

Удосконалено метод подання діагностичної інформації про процес інтелектуального діагностування КЗ з врахуванням особливостей окремих ОД та наявності ресурсів на основі аналізу особливостей діагностичної інформації, що дало можливість уніфікувати процес ІД для різних ІСД КЗ.

Суть методу полягає у розмежуванні інформації, що описує предметну галузь "Інтелектуальне діагностування мікропроцесорних складових", на алгоритмічні знання та знання про проблемне середовище.

Діагностичні знання розділено на рівні:

1) рівень мови подання знань, описує семантичні структури базової мови подання знань про предметну галузь та мови користувача, яка призначена для взаємодії модулів надбання знань з інженером зі знань;

2) рівень словників, що містять усі поняття предметної галузі для однозначного тлумачення термінів та понять;

3) рівень знань про проблемне середовище, на основі яких проводиться вирішення задач діагностування;

4) рівень опису правил кодування, які визначають правила трансформації знань з основної форми подання у форму, необхідну для функціонування інтелектуальних компонентів ІСД;

5) рівень алгоритмічного кодування знань на основі правил кодування;

6) рівень алгоритмічних знань про предметну галузь.

Кожен з модулів самостійно відбирає зі сховища знань необхідну йому інформацію, вирішує свою підзадачу та заносить результати своєї роботи назад у сховище знань. Тобто, на етапі опрацювання знань здійснюється їх "компіляція" на різних рівнях, і після цього вони поміщаються у сховище знань.

Вперше розроблено узагальнену формальну модель процесу ІД КЗ, що стала основою для формування множини альтернативних моделей реалізацій процесу ІД КЗ та на їх основі визначення масивів діагностичних знань, що відбираються з бази знань для використання різними ІСД КЗ.

Необхідність розроблення моделі зумовлена відсутністю узагальненого представлення процесу діагностування КЗ різними ІСД, котре б дало можливість відбирати релевантні цьому процесу діагностичні знання.

В процесі розроблення моделі необхідно врахувати те, що кожен, окремо взятий процес діагностування має свій контекст. Модель реалізації процесу ІД базується на його контексті, при цьому для одного і того ж процесу ІД може існувати декілька різних реалізацій, а відповідно, і декілька різних моделей. Для цього введено поняття контексту процесу ІД та визначено основні етапи обґрунтування, які розглядаємо як процес прийняття рішення.

Визначення 2. Контекстом процесу інтелектуального діагностування назвемо усю інформацію, котра використовується для характеристики цього процесу у кожен момент часу (від початку до кінця).

Контекст представлено у вигляді множини, де - елемент контексту, - кількість усіх елементів контексту.

Основні етапи обґрунтування:

1) визначення цілей процесу ІД, тобто для чого необхідне діагностування, який очікується результат та як його досягти;

2) аргументація - які засоби, методи, алгоритми, обладнання, спеціалісти потрібні для реалізації процесу ІД, орієнтовна вартість діагностування;

3) пропозиції і вибір рішення, тобто аналіз різних варіантів реалізації процесу діагностування та вибір оптимального варіанту;

4) підбір учасників процесу діагностування та опис ролі кожного з них, що дозволяє пов'язати етапи аргументації та пропозицій.

Обґрунтування процесу ІД визначено як множину, де - дії (відношення) по обґрунтуванню реалізації процесу діагностування мікропроцесорних складових на базі визначеного контексту .

Розроблення контексту процесу ІД та його обґрунтування здійснено паралельно у часі. Для реалізації процесу інтелектуального діагностування у контексті та обґрунтуванні процесу ІД шляхом опису усіх можливих ситуацій, задіяно учасників (експертів-діагностів), з врахуванням їх кваліфікації, обов'язків та ролей. Опис ситуацій складається з кроків, на основі яких обирається найбільш повний, на даний момент часу, варіант представлення:

1) формалізація концептуального представлення, що використовується на етапі моделювання процесу ІД для виділення ситуацій;

2) генерація множини представлень опису ситуацій.

У результаті дослідження контексту процесу ІД та його обґрунтування, отримано опис ситуацій, де .

На основі розглянутих ситуацій, що виникають в процесі ІД, розроблено нову модель взаємозв'язку контексту та обґрунтування процесу ІД, що стала основою для побудови узагальненої формальної моделі процесу ІД КЗ шляхом формального представлення опису ситуацій на базі словників предметної галузі.

Суть моделі: задача ІД породжує набір підзадач ( - підзадача), рішення яких визначаються пропозиціями. Пропозиції обираються на основі критеріїв оптимальності, аргументація яких або підтримує пропозицію, або відхиляє її. При цьому підзадача може спрощуватись шляхом розділення її на більш прості підзадачі.

У результаті аналізу пропозицій отримуємо множину альтернативних реалізацій процесу ІД КЗ у визначеному контексті:

,

- кількість альтернативних варіантів.

Визначення 3. Узагальненою формальною моделлю процесу ІД КЗ називатимемо набір, що визначає реалізацію процесу діагностування у деякому визначеному контексті.

Для опису моделі сформовано словники предметної галузі, котрі містять: - змінні, що представляють композицію об'єктів предметної галузі (ролі, вимоги, ресурси); - константи, що представляють значення змінних предметної галузі; - предикати, які відображають взаємозв'язки між об'єктами предметної галузі; - логічні дужки та зв'язувачі.

У результаті наповнення контексту і його обґрунтування, отримано множину альтернативних моделей реалізації процесу ІД КЗ:, де - кількість альтернативних моделей процесу ІД,.

Наприклад, для процесу ІД мікропроцесора AMD Athlon K-7 XP, найбільш ефективною моделлю, яку можна побудувати з врахуванням поточного наповнення сховища знань, є модель вирішення задачі ІД "перегрівання процесора", оскільки наповненість таблиць сховища знань складає 0,7. За таких умов 0,7 близьке до 1, а отримані 68 правил-продукцій дозволяють виявити несправності мікропроцесора на етапі експлуатації.

Проведені дослідження альтернативних моделей для різних ОД забезпечили: побудову бази знань; використання бази знань для вирішення задач ІД; самонавчання на основі вирішених задач ІД та поповнення бази знань в процесі експлуатації на вищому рівні узагальнення.

У третьому розділі набув подальшого розвитку метод побудови таксономії класів у частині формування абстрактної структури класів, яку можна доповнювати при появі нової діагностичної інформації. Метод дозволив автоматично формувати таксономію класів для всієї предметної галузі та забезпечив виявлення неповноти опису предметної галузі.

Знання про КЗ, одержані у процесі вирішення задач ІД, внесено до таблиць сформованих на основі методу таксономії класів. Суть методу описується наступним алгоритмом:

1) видалимо з таблиці усі "0" стовпці, оскільки це означає відсутність такої властивості у об'єктів предметної галузі;

2) якщо є "0" рядки - ввести новий стовпець з "абстрактною властивістю" та присвоїти йому значення "1" для цього рядка;

3) кількість отриманих стовпців-властивостей визначає кількість рівнів ієрархії у таксономії класів;

4) формуємо надклас з об'єктів, для яких значення стовпців рівні "1";

5) поки є стовпці, для цього класу формуємо підкласи з об'єктів, які мають на один нульовий стовпець більше.

Таксономію класів сформовано, окремо, для предметних галузей "Інтелектуальне діагностування мікропроцесорних складових" та "Штучний інтелект". У результаті опрацювання таблиць з діагностичною інформацією на основі методу здійснено класифікацію, агрегування та асоціювання об'єктів.

Набув подальшого розвитку також метод структуризації узагальнюючих понять у частині здобуття правил-продукцій вищого рівня абстракції (метаправил), який забезпечив можливість генерації правил для усунення недовизначеностей у базах знань. Інтелектуальний метод структуризації узагальнюючих понять розроблено на основі теорії решіток, зокрема методу аналізу формальних понять.

Діагностична інформація представлена таблицею виду "об'єкт - властивість" відповідає формальному контексту - таблиці, стовпцями якої є об'єкти, а рядками - атрибути, де. На основі методу аналізу формальних понять отримано решітку понять, яку візуалізуємо діаграмою Хассе. Відношення порядку на множині усіх понять формального контексту предметної галузі визначає структуру узагальнюючих понять "над" одержаною таксономією класів. Клас об'єктів визначається трійкою, де - об'єкт класу, - наслідувані та відмінні ознаки класу, - відмінні ознаки класу.

Ієрархія класів, побудована на основі діаграми Хассе має властивості:

- клас є надкласом класу якщо;

- множини відмінних ознак двох будь-яких класів:.

Отримана діаграма Хассе відповідає ієрархії класів-понять з механізмом наслідування ознак-атрибутів, а ієрархія класів-понять відображає множинне наслідування атрибутів.

Діаграма дає можливість виявити правила залежностей між підмножинами атрибутів. Наприклад:

Правило 1. Атрибути, що стоять у нижчих вузлах базуються на атрибутах, що знаходяться вище:, де.

Правило 2. Атрибути, що знаходяться у одному вузлі, є співатрибутами (характеристиками) усіх атрибутів для усіх випадків прикладу: AND, де.

Візуалізація діаграми Хассе забезпечує ілюстрацію достовірності діагностичної інформації та надання експертами інтервальних оцінок щодо достовірності діагностичної інформації, яка міститься у сховищі знань.

Суть методу полягає у наступному. Формальний контекст предметної галузі доповнимо деяким цільовим атрибутом , відносно якого множина об'єктів розділиться на три підмножини:

1) підмножина об'єктів, яким відповідає цей цільовий атрибут (на перетині стовпця і рядка стоїть "1");

2) підмножина об'єктів, яким не відповідає цей цільовий атрибут (на перетині стовпця і рядка стоїть "0");

3) недовизначені об'єкти , для яких недостатньо діагностичної інформації, щоб віднести їх до однієї з вищевказаних підмножин.

У результаті отримаємо множину підконтекстів:.

Визначення 3. Формальний вміст поняття контексту вважатимемо позитивною гіпотезою з забороною на контрприклад, якщо не є підмножиною вмісту ні одного негативного прикладу .

Правила одержання узагальнюючих понять:

Правило 1. Якщо недовизначений приклад містить у якості підмножини позитивну гіпотезу і не містить ні однієї негативної гіпотези, то він класифікується позитивно, тобто вважається , що він має ознаку .

Правило 2. Якщо недовизначений приклад містить у якості підмножини негативну гіпотезу і не містить ні однієї позитивної гіпотези, то він класифікується негативно, тобто вважається , що він не має ознаки .

Правило 3. Якщо недовизначений приклад містить у якості підмножини позитивну і негативну гіпотези, або не містить ні позитивної, ні негативної гіпотези, то його класифікація або містить протиріччя (помилка у експертних знаннях), або є недовизначеною - у формальному контексті недостатньо атрибутів класифікації, його необхідно доповнити експертними знаннями.

Вперше розроблено інтелектуальний метод очищення та підвищення якості знань у базах знань систем діагностування, який забезпечив усунення недовизначеностей у базах прикладів та пошук прикладів.

Залежності між знаннями представимо у формі правил залежності атрибутів, що описують ситуації (приклади). При цьому передбачено наявність внутрішніх залежностей між окремими елементами предметної галузі.

Основою інтелектуального методу очищення і підвищення якості знань у базах знань є також метод аналізу формальних понять. Доповнимо предметну галузь "Інтелектуальне діагностування мікропроцесорних складових" знаннями, представленими у формі прикладів вирішення задач діагностування. Приклади занесено у таблицю, стовпці якої є переліком атрибутів (властивостей ОД), а рядки є прикладами, що містяться у базі знань. Якщо атрибут присутній при описі прикладу, то на перетині рядка прикладу та стовпця з атрибутом ставиться "1", інакше "0".

Для відображення будуємо діаграму Хассе, що фактично є формалізованим представленням прикладів - контекстом процесу ІД. Висхідні частини лінії сегменту представляють відношення - підпоняття - суперпоняття.

Діаграма дає можливість виявити правила залежностей між підмножинами атрибутів та ієрархічні залежності між прикладами. Виявлення таких залежностей дозволяє визначити релевантність прикладів ситуаціям чи запитам користувача.

Ієрархія прикладів, побудована на основі діаграми Хассе, має властивості:

- приклад є більш загальним описом процесу вирішення задачі діагностування, ніж приклад , якщо ;

- множини відмінних ознак двох будь-яких прикладів: .

Залежності між прикладами представлено у формі правил залежностей атрибутів, що описують приклади і відповідають продукційним правилам, які формуються шляхом побудови діаграми Хассе.

У результаті одержано базу правил-продукцій, які описують усі відомі приклади, ієрархію відношень прикладів та залежності їх атрибутів.

Виявлені на основі діаграми Хассе правила залежностей між підмножинами атрибутів, що відповідають властивостям ОД та ієрархічним залежностям між прикладами реалізації процесу діагностування, забезпечили усунення недовизначеностей у базах прикладів і відповідно підвищили якість рішень задач діагностування на основі цих прикладів.

Суть інтелектуального методу полягає у наступному:

1) формуємо базу прикладів вирішення задачі діагностування КЗ;

2) складаємо перелік властивостей-атрибутів об'єктів діагностування, що згадуються у прикладах;

3) будуємо табличне подання прикладів вирішення задач діагностування КЗ і їх складових і відповідних їм властивостей ОД;

4) генеруємо відповідні табличному поданню бінарні послідовності опису прикладів;

5) будуємо діаграму Хассе, що відображає ієрархію прикладів вирішення задач діагностування КЗ з механізмом відповідності їм атрибутів;

6) на основі діаграми генеруємо множину правил залежностей атрибутів, що описують приклади;

7) правила переглядаються та коригуються експертами;

8) якщо виявлено невірне правило, то експерт створює контрприклад, який руйнує невірний зв'язок прикладу та відповідних йому атрибутів. Коригуються табличне подання прикладів та діаграма Хассе.

Пошук прикладу у базі знань здійснюємо наступним чином: запит користувача подаємо у вигляді назви ОД та списку тих його атрибутів, що цікавлять користувача; запит перетворюється у бінарну послідовність; відбираємо приклади, релевантні запиту на основі опрацювання отриманої від користувача бінарної послідовності та виявлення відповідних їй правил залежностей атрибутів.

У четвертому розділі проведено опис розроблених засобів дослідження характеристик баз знань предметної галузі "Інтелектуальне діагностування мікропроцесорних складових". Зокрема, описано сховище знань предметної галузі на основі дослідження інтелектуальних методів та моделей подання та опрацювання знань у базах знань шляхом побудови словників і таксономії класів предметних галузей, візуалізації діаграми Хассе, формування опису ситуацій та графа моделей реалізації процесу інтелектуального діагностування КЗ.

Отримані результати забезпечили використання сховища знань для вирішення задач діагностування, формування правил-продукцій, уточнення експертом недовизначених понять, самонавчання на основі вирішених задач, поповнення сховища знань у процесі експлуатації на вищому рівні узагальнення, формування масивів діагностичних знань та обсуговування запитів різних ІСД КЗ.

Проведено дослідження ефективності діагностичних програм загального призначення (Active SMART 2.42, CrystalMark 2004R2, PC Wizard 2007 та ін.). Знаходження експлуатаційної ефективності неінтелектуальних (алгоритмічних) систем діагностування здійснено на основі параметрів: експлуатаційної ефективності, конструктивних та вартісних параметрів.

Представлені результати дослідження ефективних моделей процесу ІД мікропроцесора AMD Athlon K-7 XP, використано для дослідження сховища знань. Дослідження проводилось, поетапно, із врахуванням вагових коефіцієнтів параметрів: цінності сховища знань (повноти, універсальності подання знань, вартості наповнення); об'єму даних необхідних для реалізації процесу ІД; експертних оцінок достовірності діагностичної інформації; відносної глибини діагностування.

Приріст ефективності виражено як відсоток використання сховища знань предметної галузі в процесі діагностування КЗ від алгоритмічних систем діагностування експлуатаційна ефективність яких становить 45 %.

Розроблені засоби побудови сховища знань предметної галузі "Інтелектуальне діагностування мікропроцесорних складових", забезпечили формування правила-продукцій, а їх використання у процесі ІД КЗ і їх складових на етапі експлуатації підвищили ефективність процесу діагностування на 27,5 %.

Висновки

У дисертаційній роботі вирішена актуальна наукова задача розроблення інтелектуальних методів та моделей подання та опрацювання знань у базах знань систем діагностування комп'ютерних засобів. Вирішення цієї задачі має важливе значення у всіх галузях народного господарства, де активно застосовуються КЗ.

Основні наукові і практичні результати роботи полягають у наступному.

1. У результаті дослідження особливостей діагностичної інформації про КЗ і їх складові удосконалено метод подання діагностичної інформації про процес інтелектуального діагностування КЗ із врахуванням особливостей окремих об'єктів діагностування та наявності ресурсів. Суть метода полягає у розмежуванні інформації, яка описує предметну галузь на алгоритмічні знання та знання про проблемне середовище, що дозволяє уніфікувати процес інтелектуального діагностування для різних інтелектуальних систем діагностування КЗ.

2. Розроблено модель розподіленого опрацювання діагностичних знань щодо об'єктів діагностування та процесу інтелектуального діагностування, суть якої полягає у розподіленому опрацюванні діагностичних знань, зокрема на етапі обслуговування, де використовується узагальнене представлення процесу діагностування КЗ різними інтелектуальними системами діагностування, що дало змогу представити єдину форму подання діагностичної інформації і єдиний підхід до інформаційного наповнення та інтеграції існуючих і нових ресурсів у сховищі знань.

3. Вперше розроблено узагальнену формальну модель процесу інтелектуального діагностування КЗ за результатами дослідження процесу діагностування КЗ і ролей його учасників. Модель є основою для реалізації етапу обслуговування при розподіленому опрацюванні діагностичних знань, що в результаті підвищує ефективність процесу діагностування шляхом формування множини альтернативних моделей реалізацій процесу інтелектуального діагностування КЗ. Альтернативні моделі є основою для визначення масивів діагностичних знань, які відбираються з бази знань для використання інтелектуальними системами діагностування КЗ.

4. Набув подальшого розвитку метод побудови таксономії класів у частині формування абстрактної структури класів шляхом автоматичної генерації таксономії для всієї предметної галузі. Метод забезпечив можливість виявлення неповноти опису предметної галузі й уточнення понять при появі нової діагностичної інформації.

5. Набув подальшого розвитку метод структуризації узагальнюючих понять у частині здобуття правил-продукцій вищого рівня абстракції (метаправил), який забезпечив можливість генерації правил для усунення недовизначеностей у базах знань. Окрім того, правила-продукцій виявляють нові класи предметної галузі, структуризації залежностей їх понять та ієрархії відомих класів. Оцінити достовірність діагностичної інформації в інтервальних оцінках забезпечує експерту отримана діаграма Хассе.

6. Вперше розроблено інтелектуальний метод очищення та підвищення якості знань у базах знань інтелектуальних систем діагностування, суть якого полягає у виявленні на основі діаграми Хассе правил залежностей між підмножинами атрибутів, які відповідають властивостям об'єкта діагностування та ієрархічним залежностям між прикладами реалізації процесу діагностування. Метод забезпечує усунення недовизначеностей у базах прикладів реалізації процесу діагностування, що підвищило якість рішень задач діагностування на основі цих прикладів.

7. Розроблені в дисертаційній роботі засоби дослідження характеристик баз знань підвищують ефективність процесу інтелектуального діагностування КЗ і їх складових на етапі експлуатації шляхом використання правил-продукцій на 27,5 %. Розроблені засоби побудови сховища знань предметної галузі "Інтелектуальне діагностування мікропроцесорних складових" впроваджені в Чернівецькому ТОВ "Юнітрейд Про", що займається діагностуванням КЗ, а також у навчальному процесі Чернівецького національного університету імені Юрія Федьковича.

Список опублікованих праць за темою дисертації

1. Поморова О.В. Метод представлення знань у багатокомпонентних інтелектуальних системах діагностування мікропроцесорних пристроїв / О.В. Поморова, О.Я. Олар // Радіоелектронні і комп'ютерні системи. - ХАІ. - 2006. - № 6 (18). - С. 110 - 114.

2. Поморова О.В. Формалізація представлення знань у багатокомпонентних системах діагностування мікропроцесорних пристроїв / О.В. Поморова, О.Я. Олар // Оптико-електронні інформаційно-енергетичні технології. - 2006. - № 1 (11). - С. 146 - 150.

3. Поморова О.В. Узагальнена формальна модель процесу інтелектуального діагностування мікропроцесорних пристроїв та систем / О.В. Поморова, О.Я. Олар // Радіоелектронні і комп'ютерні системи. - ХАІ. - 2008. - № 5 (32). - С. 133 - 138.

4. Поморова О.В. Побудова онтології предметної області "інтелектуальне діагностування комп'ютерних систем" на основі аналізу формальних понять / О.В. Поморова, О.Я. Олар // Вісник Хмельницького національного університету. -2008. - № 6 (123). - С. 98 - 101.

5. Олар О.Я. Експертна оцінка ефективності програмних засобів діагностування жорстких дисків / О.Я. Олар, М.Ю. Ляшкевич, В.Я. Ляшкевич // Науковий вісник Чернівецького університету: Збірник наукових праць. - № 423 : Фізика. Електроніка.: Тематичний випуск "Комп'ютерні системи та компоненти". - Ч.1. -Чернівці: ЧНУ, 2008. - С. 110 - 116.

6. Локазюк В.М. Метод здобуття знань для систем інтелектуального діагностування мікропроцесорних систем / В.М. Локазюк, О.В. Поморова, О.Я. Олар // Вісник Хмельницького національного університету. - 2009. - № 4 (137). - С. 153 - 159.

7. Lokazyuk V. Software for Creating Knowledge Base of Intelligent Systems of Diagnosing Process / V. Lokazyuk, O. Olar, V. Lyaskevych // Advanced Computer System and Networks: Design and Application: ACSN 2009. - Lviv, 2009. - P. 140 - 145.

8. Поморова О.В. Метод очищення та підвищення якості знань у базах знань систем діагностування мікропроцесорних пристроїв / О.В. Поморова, О.Я. Олар // VIII международная конференция "Интеллектуальный анализ информации ИАИ-2008", Киев, 14-17 мая 2008 г. - К. : Просвіта, 2008. - С. 376 - 387.

9. Поморова О.В. Проблеми представлення знань у багатокомпонентних системах діагностування мікропроцесорних пристроїв / О.В. Поморова, О.Я. Олар // Сучасні інформаційні технології "Дні науки'2005" : матеріали міжн. наук.-прак. конф., 15-27 квіт. 2005 р. - Т. 34. Дніпропетровськ: Наука і освіта, 2005. - С. 16 - 18.

10. Поморова О.В. Принципи побудови баз знань багатокомпонентних інтелектуальних систем діагностування мікропроцесорних пристроїв / О.В. Поморова, О.Я. Олар // ПОЛІТ: Матеріали VI Міжнародної наукової конференції студентів та молодих учених. - К. : НАУ, 2006. - С. 127.

11. Поморова О.В. Формалізація представлення знань у багатокомпонентних системах діагностування мікропроцесорних пристроїв / О.В. Поморова, О.Я. Олар // Контроль і управління в складних системах (КУСС-2005): восьма наук.-техн. конф., 24 - 27 жовт. 2005 р. : тези доп. - Вінниця: УНІВЕРСУМ-Вінниця, 2005. - С. 114.

Анотація

Олар О. Я. Діагностування комп'ютерних засобів на основі інтелектуальних методів та моделей опрацювання знань. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.05 - Комп'ютерні системи та компоненти. - Тернопільський національний економічний університет, Тернопіль, 2010.

Дисертація присвячена вирішенню актуальної наукової задачі - підвищення ефективності процесу діагностування КЗ на етапі експлуатації. В ході дослідження було виявлено недоліки систем, що здійснюють діагностування КЗ. Запропоновано узагальнену формальну модель процесу інтелектуального діагностування КЗ, яка за рахунок формування множини альтернативних моделей, дозволяє відбирати з бази знань масиви діагностичних знань для використання інтелектуальними системами діагностування. Розроблено інтелектуальні методи подання знань у єдиному формалізмі (моделі), які забезпечили повторне використання знань зі сховища знань. В якості прикладу було розроблено сховище знань предметної галузі "Інтелектуальне діагностування мікропроцесорних складових", що забезпечило формування правила-продукцій шляхом побудови діаграми Хассе та виявлення на їх основі несправностей КЗ на етапі експлуатації.

Ключові слова: комп'ютерні засоби, інтелектуальне діагностування, база знань, інтелектуальна система діагностування, формальна модель, продукційні правила, метод здобуття знань.

Аннотация

Олар О.Я. Диагностирование компьютерных средств на основе интеллектуальных методов и моделей обработки знаний. - Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.05 - Компьютерные системы и компоненты. - Тернопольский национальный экономический университет, Тернополь, 2010.

Диссертация посвящена решению актуальной научной задачи - повышению эффективности процесса диагностирования компьютерных средств (КС) за счет разработки интеллектуальных методов и моделей преставления и обработки знаний в базах знаний систем диагностирования. В ходе исследования были выявлены недостатки систем диагностирования КС. Проведен анализ особенностей компьютерных средств как объектов диагностирования, а также анализ объемов диагностической информации, необходимой для реализации процесса диагностирования КС.

С целью обеспечения единого формализма (модели) представления диагностической информации и интеграции существующих и новых ресурсов в хранилищах знаний, разработана модель распределенной обработки диагностических знаний. Процесс обработки диагностических знаний о КС осуществляется в контексте процесса интеллектуального диагностирования на базе хранилища знаний путем построения формальных моделей. Усовершенствованный метод представления диагностической информации о процессе интеллектуального диагностирования КС позволил учесть особенности объектов диагностирования и наличия ресурсов.

Предложена новая обобщенная формальная модель процесса интеллектуального диагностирования КС, которая за счет формирования множества альтернативных моделей определяет массивы диагностических знаний и отбирает их из базы знаний для использования интеллектуальными системами диагностирования КС. Модель процесса интеллектуального диагностирования КС использует информацию об участниках (экспертах-диагностах) с их обязанностями, ролями, ресурсами, которые направлены не только на правильность диагностирования составляющих КС, но и на пополнение базы знаний в процессе диагностирования.

Осуществлено построение таксономии классов для предметной области "Интеллектуальное диагностирования микропроцессорных компонентов". Сформирована абстрактная структура классов для двух предметных областей, которая пополняется новой диагностической информацией.

Разработанный метод структуризации обобщающих понятий позволил получить правила-продукций высшего уровня абстракции (метаправил). Кроме того, метод осуществляет выявления новых классов предметной области, структуризации зависимостей их понятий и иерархии известных классов.

Разработан новый интеллектуальный метод очистки и повышения качества знаний в базах знаний интеллектуальных систем диагностирования путем выявления правил зависимостей на основе диаграммы Хассе. Метод обеспечил возможность поиска и устранения недоопределенных понятий в базах примеров.

По результатам проведенных экспериментов использования хранилища знаний в процессе диагностирования проведены расчеты эффективности использования разработанных средств.

Ключевые слова: компьютерные средства, интеллектуальное диагностирование, база знаний, интеллектуальная система диагностирования, формальная модель, продукционные правила, метод поиска знаний.

Summary

Olar O.Ya. Diagnosis of computer means based on intelligent methods and models of knowledge processing. - Manuscript.

Thesis for the Candidate's degree of engineering science in specialty 05.13.05 - Computer systems and components. - Ternopil National Economic University, Ternopil, 2010.

The thesis is dedicated to actual scientific problems, namely the enhancement of the efficiency of the diagnosing processes of computer means (CM) on the operation stage. The study carried out revealed drawbacks of the existing CM diagnosing systems. A generalized formal model of intellectual diagnosing process of CM, which due to formation of the set of alternative models enables one to choose the arrays of diagnostic knowledge out of the knowledge base appropriate for intelligent diagnostic systems, has been proposed. The intelligent methods of knowledge presentation in a single formalism (model), which provided the reuse of the knowledge from the repository of knowledge, have been developed. As an example, a repository of knowledge for the “Intelligent diagnosing of microprocessor components” subject area, which provided the formation of production rules by Hasse diagrams and based on them identification of CM faults on the operation stage, has been developed .

Keywords: computer means, intelligent diagnostics, knowledge base, formal model, production rules, the method of competing for knowledge.

Размещено на Allbest.ru

...