Ситуационная модель представления процессных знаний
Проблема представления темпоральных знаний о гибких процессах преобразования ресурсов. Описание ситуационной модели представления процессных знаний. Виды ограничений, влияющие на выбор конкретной ситуации. Альтернативные варианты реализации модели.
Рубрика | Программирование, компьютеры и кибернетика |
Вид | статья |
Язык | русский |
Дата добавления | 19.06.2018 |
Размер файла | 29,6 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
УДК 007.5
Ситуационная модель представления процессных знаний
С.Ф. Чалый
И.Б. Буцукина
В статье рассматривается проблема представления темпоральных знаний о гибких процессах преобразования ресурсов. Предложена ситуационная модель представления знаний о таких процессах. Модель описывает процесс в виде набора ситуаций, задающих последовательность действий процесса в конкретных условиях предметной области. Выбор конкретной ситуации осуществляется с использованием ограничений двух типов: структурных и условий выполнения. Первые определяют знания о базовой, типовой структуре процесса, а вторые знаний об альтернативных вариантах реализации. Ограничения в предложенной модели могут быть получены на основе анализа логов событий процесса, что обеспечивает возможность его непрерывной адаптации в условиях эволюции внешней среды, возникновения нештатных ситуаций, применения неявных знаний.
Представление знаний, ограничения, темпоральные знания, декларативные знания, процедурные знания
Проблема представления темпоральных знаний - знаний о процессах и явлениях, которые изменяются во времени, является ключевой во многих сферах человеческой деятельности, включая медицину, биологию, психологию, лингвистику, компьютерные науки. Темпоральные знания обладают рядом особенностей, требующих применения специальных подходов: относительность во времени; ограниченность; необходимость выделения уровней детализации; отражение статической и динамической составляющих[1]. С учетом указанных особенностей таких знаний разработан ряд базовых подходов к их представлению и использованию на основе темпоральных логик, ситуационного и событийного исчисления, удовлетворения временных ограничений [2-7].
Рассматриваемая проблема обладает рядом особенностей в сфере представления знаний о гибких дискретных процессах преобразования ресурсов, выполняющихся в рамках информационных систем. Указанные процессы представляются в виде нескольких возможных вариантов реализации, из которых выбирается тот вариант, который учитывает ограничения предметной области. Существующие процедурные подходы к представлению знаний о таких процессах основаны на явном представлении альтернативных вариантов реализации. В то же время необходимость адаптации процесса в условиях эволюции предметной области, возникновения нештатных ситуаций, учета неявных знаний требует построения декларативного описания процесса, в котором указанные факторы были бы представлены в формате ограничений. Уточнение таких ограничений может быть выполнено путем сравнения модельного и реального поведения процесса. Последнее может быть получено на основе анализа последовательности событий, представляющих собой «след» его выполнения.
Таким образом, для построения адаптируемой модели гибкого процесса необходимо сформировать представление процессных знаний, которое бы содержало как типовые последовательности действий, так и ограничения, учитывающие возможные варианты реализации процесса. Изложенные соображения и определяют актуальность темы данной работы.
1. Постановка задачи
Задача заключается в построении декларативного представления знаний о гибких изменяющихся во времени процессах преобразования ресурсов, которое бы обеспечивало сочетание декларативного и процедурного подходов. Такое представление должно включать в себя: знания о текущем состоянии предметной области; типовые последовательности действий процесса; явные ограничения, задающие структурные взаимосвязи между типовыми последовательностями действий; неявные ограничения, задающие условия использования типовых последовательностей действий процесса.
2. Требования к модели представления знаний
Дискретные процессы преобразования ресурсов подразделяются на два основных типа: процессы, у которых последовательность действий задана жестко на этапе их построения и не изменяется в дальнейшем при их выполнении; гибкие процессы, которые могут быть сконфигурированы с учетом особенностей предметной области, а затем адаптированы во время выполнения с учетом изменений внешней среды.
Процессы первого типа конфигурируются один раз и далее не изменяются в течение всего жизненного цикла. Для того, чтобы изменить такой процесс, необходимо повторить весь цикл его проектирования.
В то же время, при длительном использовании такого неизменяемого процесса, внешняя по отношению к нему среда обычно эволюционирует, что меняет выдвигаемые к процессу требования. В результате возникает необходимость адаптации (а значит, и перепроектирования процесса). Потребуется выполнить все (или большинство) этапов разработки процесса.
Вторая проблема, связанная с использованием жестко определенного процесса, возникает при появлении нештатных ситуаций (например, исключений в программном обеспечении). Стандартная последовательность действий в этом случае должна быть прервана и запущен алгоритм обработки нештатной ситуации. Поэтому знания о процессе должны быть дополнены, а сам процесс - изменен.
Третья проблема связана с необходимость адаптации процесса решения новых задач, отражающих различные аспекты предметной области. Рассмотрим возникновение данной проблемы на примере бизнес-процесса сервисного обслуживания мультинациональной компании. Проектировании бизнес-процесса формализуется последовательность действий для решения задач сервисного обслуживания работающих на предприятии программных средств. Реализация процесса в различных странах показала большие отличия в производительности, вызванные личными качествами исполнителей, в частности стремлением перебросить ответственность на другие подразделения. Поэтому параллельно с задачей сервисного обслуживания необходимо решать задачу контроля работников и выявления исполнителей с недостаточной мотивацией и недостаточным уровнем квалификации. Появление новой задачи не связано с изменением внешней среды, поскольку исполнителей можно рассматривать как часть процесса, один из видов его ресурсов. Однако же изменение процесса требуется и в этом случае - необходимо добавить действия анализу и контролю работы исполнителей.
Четвертая проблема использования неизменяемых процессов связана с использований неявных (недокументированных, неформализованных) знаний при выполнении процесса. Применение таких знаний исполнителями либо пользователями процесса может изменить как последовательность действий, так и временные параметры процесса. Например, в процессах документооборота неявные основанные на личных контактах знания позволяют изменить маршрут документов и сократить время их оформления.
Последняя, пятая проблема возникает при разовом (ad-hoc) изменении процесса. В отличие от нештатных ситуаций, разовое изменение процесса может быть связано с эффективной реализацией процесса в конкретных сложившихся условиях, однократным решением дополнительных задач и т.п.
Процессы второго типа не обладают приведенным выше недостатками, поскольку они формируются на основе знаний и объединяют набор альтернативных решений (вариантов поведения). Выбор между альтернативными вариантами реализации осуществляется на основе знаний об особенностях предметной области.
Гибкость таких процессов задается как на этапе проектирования, так и при их адаптации во время выполнения[]. При проектировании в модель процесса закладывается набор допустимых вариантов поведения. Непосредственно перед реализацией процесса выполняется конфигурирование, при котором отбирается набор действий, допустимый для данной предметной области. Альтернативно, необходимые наборы действий могут выбираться во время выполнения процесса. При этом каждая выбираемая (или отклоняемая) последовательность действий рассматривается как единое целое и выбирается (отбрасывается) полностью.
В работе[8] рассмотрен и формализован поход представлению темпоральных знаний в форме ситуаций. Каждая из ситуаций отражает состояние предметной области в конкретный момент времени[9] и возникает в результате выполнения конечной последовательности действий, начиная с исходной ситуации[10]. Данный подход обеспечивает гибкость в представлении темпоральных знаний, а также позволяет сочетать предопределенные и изменяющиеся компоненты. Поэтому представляется целесообразным применить его для представления знаний о гибких дискретных процессах преобразования ресурсов. В соответствии с концепцией ситуационного представления знаний для каждой ситуации задаются: условия (либо ограничения на) появления; набор действий, приводящий к конкретной ситуации; результат выполнения последовательности действий.
При настройке процесса отбираются только пригодные для данной конкретной области ситуации.
Исходя из изложенной проблематики, а также с учетом особенностей гибких процессов [11-13], уточним требования к модели представления знаний о гибких процессах в части их настройки и адаптации:
конфигурирование процесса непосредственно перед его исполнением путем выбора одной из возможных альтернатив, заложенных при создании процесса; в данном случае заранее известна все возможные варианты поведения процесса;
выбор необходимых подмножеств действий процесса непосредственно во время выполнения; необходимость такой настройки обычно связана с изменением внешней среды для процесса;
обеспечение возможности частичного представления знаний, при котором часть «ветвей» не задается при создании процесса и может быть специфицирована на основе дополнительных знаний, полученных во время его выполнения; позволяет выявить использовать неявных знаний, тем самым решается последняя из рассмотренных проблем;
создание условий для модификации знаний о процессе во время выполнения, когда модель дополняется с учетом новых возникающих задач и уже выполняющиеся процессы преобразуются на основе дополненной модели;
модификация процесса во время выполнения при необходимости реализации разовых отклонений, без изменения базовой модели; в данном случае меняются правила, связывающие последовательности действий процесса и, тем самым, реализуется однократной отклонение от базовой модели.
3. Модель представления знаний о гибких процессах преобразования ресурсов
Предлагаемая модель основана на сочетании процедурного и декларативного подходов к представлению знаний, что требует объединить: набор предопределенных последовательностей действий (процедурная часть); набор ограничений, определяющих выбор альтернатив из последовательностей действий (декларативная часть).
Общая идея предлагаемого подхода состоит в формировании представления знаний на основе формального описании реализованных ситуаций (или ситуаций, которые должны быть выполнены в будущем), а также взаимосвязей между ними. Такие ситуации отражают знания о состоянии предметной области в результате выполнившихся действий (или выполнения действий в будущем). В принципе мы можем описать ситуацию на основе набора значений переменных, характеризующих состояние предметной области. Однако текущие значения переменных являются результатом предварительно выполненных действий. При этом не имеет значения, выполнены ли эти операции исполнителями рассматриваемого процесса, либо они представляют собой результат выполнения внешних процессов (внешней среды). Важен лишь факт их выполнения, приводящий к изменению состояния предметной области. О выполнении действий свидетельствуют произошедшие в предметной области события . Следовательно, при описании темпоральных знаний мы можем исключить рассмотрение переменных, отражающих текущее состояние предметной области и учитывать события, которые свидетельствуют об изменении значений переменных. Поэтому формализация набора событий, описывающих ситуацию, дает статическую составляющую темпоральных знаний. Указанные события обладают атрибутом времени (временной меткой), что позволяет задать отношения между ними на временной шкале. При формализации статической компоненты темпоральных знаний важен не только факт наступления неких событий, а также их упорядоченность на временной шкале. При составлении отношений порядка между событиями могут учитываться не только конкретные моменты времени, но и интервалы между событиями[1,2]
Для описания динамической составляющей темпоральных знаний необходимо определить последовательности действий , которые влияют на состояние предметной области и приводят к возникновению той или иной ситуации. В то же время в каждой конкретной ситуации допустимы далеко не все действия. Однако представление полного набора взаимодействий между предопределенными последовательностями в явной форме вызывает трудности в силу многовариантности гибкого процесса. Это и свидетельствует о необходимости формирования системы ограничений для представления темпоральных знаний о гибких процессах.
Набор последовательностей действий состоит из подмножеств базовых и опциональных операций, формирующих рассмотренные выше ситуации процесса. Каждое из этих подмножеств включает в себя шаблон, отражающий возможные схемы действий. Такой шаблон задает структуру взаимодействия между активностями процесса. Иными словами, шаблон задается на основе структурных ограничений, явно задающих взаимосвязь действий в последовательности. Поэтому формула , отражающая указанный шаблон в ситуации представляет собой знание в сценарии действий в указанной ситуации. Выбор тех или иных наборов действий выполняется на основе соответствующих ограничений, определяющих условия их выполнения. Сформируем минимальный набор базовых ограничений, определяющих схему взаимодействия операций процесса. Состав такого набора определятся возможными отношениями между операциями процесса: следование для пары действий, когда вторая операция обязательно во времени следует за первой; при этом между ними могут быть промежуточные операции; циклическое выполнение, являющееся неоднократным повторением предшествующего ограничения; ветвление, когда за текущей операцией следуют две, но при реализации выполняется лишь одна из них; распараллеливание, когда две операции могут выполняться во времени в произвольном порядке; иерархия, позволяющие наряду с последовательностью действий процесса отразить их иерархию, группируя наборы действий.
Структурные ограничения задают взаимосвязи как между отдельными действиями процесса, так и между ситуациями в целом. Ограничения, задающие условия выполнения, задают отношения между ситуациями и подразделяются на включающие и исключающие. Ограничение включения показывает, что соответствующий фрагмент (ситуацию) необходимо включить в состав процесса. Ограничение исключения позволяет отсечь отдельные возможности (варианты реализации) процесса в его конкретной конфигурации.
Ситуационная модель процессных знаний в соответствии с рассмотренным подходов включает в себя набор ситуаций , ограничений и связей , указывающих условия применения ситуаций (т.е. ограничений на ситуации):
Ограничения объединяют структурные и условия выполнения Появление ситуации описывается набором упорядоченных во времени событий . Для получения набора событий, необходимо, чтобы логическая функция на наборе действий ситуации стала истинной (т.е. действия выполнились), а также был удовлетворен весь набор ограничений , связанных с ситуацией. Критерием получения набора событий ситуации является наличие временных меток у каждого из событий .
В статье предложена ситуационная модель представления знаний о гибких процессах преобразования ресурсов, которая описывает процесс в виде набора ситуации, задающих последовательность действий процесса в конкретных условиях предметной области. Реализация ситуации задается логическими связями между элементами подмножества событий, отражающих выполнение набора связанных с ситуацией действий. В модели присутствуют ограничения двух типов: структурных и условий выполнения. Первые задают допустимые взаимосвязи между последовательностями действий процесса, в вторые - условия возникновения ситуаций. Иными словами первые определяют знания об элементах базовой, типовой структуры процесса, а вторые знаний об альтернативных вариантах реализации гибкого процесса. Реализация процесса при предлагаемом представлении знаний может быть представлена в виде двухуровневого логического вывода на правилах, задающих ограничения. На первом, структурном уровне определяется набор допустимых в каждом случае ситуаций. На втором осуществляется выбор конкретной ситуации из набора допустимых с учетом текущих свойств предметной области. Практическое преимущество предложенной модели состоит в том, что как ситуации, так и ограничения могут быть получены (в случае отсутствия модели) и уточнены методами process mining на основе анализа логов событий, отражающих выполнение процесса. Важно также отметить, что разбиение процесса на ситуации позволяет выполнять анализ на фрагментах последовательностей событий и, тем самым снизить влияние ошибок в логе событий.
ситуационный модель процессный
Список литературы
1. J.F. Allen. Towards a general theory of action and time. Arti?cial Intelligence, 23(2):123-154, July 1984
2. J.F. Allen. Maintaining knowledge about temporal intervals. ACM Communications, 26(11):832-843, November 1983.
3. R. Alur and T.A. Henzinger. Real-time logics: complexity and expressiveness. Information and Computation, 104(1):35-77, 1993.
4. E.A. Emerson. In Handbook of Theoretical Computer Science, pages 997-1071.Elsevier Science Publishers B.V., 1990 (chapter Temporal Modal Logic).
5. J. McCarthy and P. Hayes. Some philosophical problems from the standpoint ofartificial intelligence. In B. Meltzer and D. Michie, editors. Machine Intelligence,vol. 4, pages 463-502. Edinburgh University Press, Edinburgh, 1969.
6. R. Reiter. Knowledge in Action: Logical Foundations for Specifying and Implementing Dynamical Systems. The MIT Press, 2001.
7. R.A. Kowalski and M.J. Sergot. A logic-based calculus of events. New Generation Computing, 4(1):67-95, 1986.
8. W.M.P. van der Aalst, M. Weske, and D. GrЁunbauer. Case Handling: A New Paradigmfor Business Process Support. Data and Knowledge Engineering, 53(2):129-162, 2005.
9. J. McCarthy and P. Hayes. Some philosophical problems from the standpoint of artificial intelligence. In B. Meltzer and D. Michie, editors. Machine Intelligence, vol. 4, pages 463-502. Edinburgh University Press, Edinburgh, 1969.
10. R. Reiter. Knowledge in Action: Logical Foundations for Specifying and Implementing Dynamical Systems. The MIT Press, 2001.
11. M.H. Schonenberg, R.S. Mans, N.C. Russell, N. Mulyar, and W.M.P. van der Aalst. Taxonomyof process flexibility. Technical Report BPM Center Report BPM-06-22, BPMcenter.org, 2007.
12. H. Schonenberg, R. Mans, N. Russell, N. Mulyar, and W.M.P. van der Aalst. Process Flexibility: A Survey of Contemporary Approaches. In J. Dietz, A. Albani, and J. Barjis, editors, Advances in Enterprise Engineering I, volume 10 of Lecture Notes in Business Information Processing, pages 16-30. Springer-Verlag, Berlin, 2008.
13. H. Schonenberg, R. Mans, N. Russell, N. Mulyar, and W.M.P. van der Aalst. Towards a Taxonomy of Process Flexibility. In Z. Bellahsene, C. Woo, and E. Hunt, editors, Proceedings of the Forum at the CAiSE'08 conference, volume 344 of CEUR Workshop Proceedings, pages 81-84. CEUR-WS.org, 2008.
Размещено на Allbest.ru
...Подобные документы
Классы и группы моделей представления знаний. Состав продукционной системы. Классификация моделей представления знаний. Программные средства для реализации семантических сетей. Участок сети причинно-следственных связей. Достоинства продукционной модели.
презентация [380,4 K], добавлен 14.08.2013Проблема представления знаний в компьютерных системах – одна из основных проблем в области искусственного интеллекта. Исследование различных моделей представления знаний. Определения их понятия. Разработка операции над знаниями в логической модели.
курсовая работа [51,9 K], добавлен 18.02.2011Преимущества и недостатки моделей представления знаний. Модель, основанная на правилах, фреймовая модель. Семантическая сеть. Структура экспертных систем и этапы их разработки. Механизмы логического вывода. Стратегия "вверх-снизу", "от цели к ситуации").
презентация [195,3 K], добавлен 29.10.2013Представление знаний в когнитологии, информатике и искусственном интеллекте. Связи и структуры, язык и нотация. Формальные и неформальные модели представления знаний: в виде правил, с использованием фреймов, семантических сетей и нечетких высказываний.
контрольная работа [29,9 K], добавлен 18.05.2009Сущность данных и информации. Особенности представления знаний внутри ИС. Изучение моделей представления знаний: продукционная, логическая, сетевая, формальные грамматики, фреймовые модели, комбинаторные, ленемы. Нейронные сети, генетические алгоритмы.
реферат [203,3 K], добавлен 19.06.2010Фреймовые модели представления знаний. Разработка структуры фреймов для реализации экспертной системы. Разработка экспертной системы с фреймовой моделью представления знаний. Редактирование базы фактов кандидатов и описание режима консультации.
курсовая работа [1,3 M], добавлен 13.10.2012Изучение фреймового способа представления знаний, его специфики и основных характеристик. Обзор других методов представления знаний, их плюсы и минусы. Иерархическая структура данных фрейма. Механизм управления выводом с помощью присоединенной процедуры.
реферат [2,6 M], добавлен 22.12.2014Проблема представления знаний. Представление декларативных знаний как данных, наделенных семантикой. Представление процедурных знаний как отношений между элементами модели, в том числе в виде процедур и функций. Представление правил обработки фактов.
курсовая работа [33,1 K], добавлен 21.07.2012Анализ процессов диагностики повреждений трубопровода. Разработка модели продукционной базы знаний: обзор методов представления знаний, описание создания базы знаний и разработки механизма логического вывода. Экономическое обоснование концепции проекта.
дипломная работа [3,0 M], добавлен 16.04.2017Потребность отражения человеческих знаний в памяти компьютера. Модели представления знаний. Продукционные и формально-логические модели. Исчисление предикатов первого порядка. Основные свойства теории фреймов. Аналитическая платформа Deductor.
курсовая работа [538,2 K], добавлен 09.04.2015Определения знаний и приобретения знаний человеком. Виды знаний и способы их представления. Приобретение и извлечение знаний. Визуальное проектирование баз знаний как инструмент обучения. Программное обеспечение для проведения лабораторных работ.
дипломная работа [960,9 K], добавлен 12.12.2008База знаний - структурированная информация из области знаний для использования кибернетическим устройством (человеком). Классификация, структура, формат представления знаний, интеллектуальные системы поиска информации. Базы знаний на примере языка Пролог.
презентация [51,3 K], добавлен 17.10.2013Изучение в реальных условиях способов представления знаний во Всемирной сети. Представления данных в интернет и способы эффективной публикации данных. Конфигурация Web-сервера на виртуальном хостинге. Настройка и отладка работы сайтов на разных CMS.
отчет по практике [947,2 K], добавлен 09.02.2012Фреймы как один из распространенных формализмов представления знаний в электронных системах, их классификация и типы, структура и элементы. Иерархические фреймовые структуры и принципы их построения. Код программы Интерфейс. Разработка программного кода.
лабораторная работа [524,2 K], добавлен 02.11.2013Основные модели представления знаний. Системы поддержки принятия решений. Диаграмма UseCase. Разработка базы данных на основе трех моделей: продукционные правила, семантическая сеть, фреймовая модель. Программная реализация системы принятия решений.
курсовая работа [715,1 K], добавлен 14.05.2014Понятия, классификация и структура экспертных систем. Базы знаний и модели представления знаний. Механизмы логического вывода. Инструментальные средства проектирования и разработки экспертных систем. Предметная область ЭС "Выбор мобильного телефона".
курсовая работа [2,2 M], добавлен 05.11.2014Построение баз знаний для семантической сети. Цели создания и язык представления онтологий. Структура исследований в области многоагентных интеллектуальных информационных систем, архитектура агента. Экономическое обоснование разработки базы знаний.
дипломная работа [1,6 M], добавлен 29.09.2013Понятие искусственного интеллекта и интеллектуальной системы. Этапы развития интеллектуальных систем. Модели представления знаний, процедурный (алгоритмический) и декларативный способы их формализации. Построение концептуальной модели предметной области.
презентация [80,5 K], добавлен 29.10.2013Определение понятия знания, модели его представления – фреймовая, продукционная, семантическая. Разбор аналитической платформы Deductor. Описание демо-примера программы Deductor– прогнозирование с помощью линейной регрессии, использование визуализатора.
курсовая работа [1,1 M], добавлен 07.06.2011Понятие и сущность экспертной системы, ее внутренняя структура и назначение, этапы и принципы разработки. Продукционная и фреймовая модель представления знаний, порядок построения семантической сети. Разработка алгоритма программы, создание интерфейса.
курсовая работа [1,2 M], добавлен 22.01.2015