XI Международная студенческая научная конференция Студенческий научный форум - 2019

Одним из многообещающих направлений в использовании ЭВМ в литейном производстве является автоматизированное проектирование технологических процессов производства отливок и предупреждение брака.

Решение прикладной задачи с помощью ЭС - это всегда итеративный процесс, имеющий целью поиск наиболее оптимального решения.

В большинстве экспертных систем сейчас используются поверхностные знания. Ввод глубинных представлений даст возможность создать базу знаний (БЗ) большей мощности, так как глубинные знания более гибки и адаптивны, чем поверхностные.

Экспертные системы (ЭС) – это одна из форм искусственного интеллекта и ее построение является актуальной задачей.

Простой пример экспертной системы это Акинатор. Джинн - главный герой игры, который должен отгадать героя игрока. Он задает ряд вопросов и с каждым вопросов он отсекает ненужных героев и более ближе к правильному варианту. Акинатор, если не смог узнать персонажа, то он предлагает ввести имя, после запоминает его и все ответы, которые давал данный игрок на вопросы об этом персонаже, таким образом пополняется его база.

Примеры ЭС в отрасляx: MYСIN (диагностика инфекционныx заболеваний) и РRОSРЕСTОR (разведка полезных ископаемых). В разработке данной системы занимались 10 экспертов, в результате эта она нашла источник полезных ископаемых, которое ни один из этих экспертов найти самостоятельно не смог.

ЭС разрабатывают:

Эксперт – грамотный специалист, который обладает знаниями и опытом в какой-либо области, помогая определить базу знаний (данные и правила) инженеру по знаниям.

Инженер знаний – человек, который опрашивает экспертов и организует правильно базу знаний в ЭС.

Программист – разрабатывает программу.

Экспертная система - это программа для решения задачи в узкой предметной области, использующая знания эксперта, заложенные в базу знаний.

Аккумуляция и организация знаний – важнейшее свойство всех ЭС.

Структура ЭС:

База данных используется для хранения исходных и промежуточных данных решаемой задачи.

Базы знаний необходимы для хранения долгосрочных данных, которые описывают рассматриваемую предметную область, а также правил, представленных таким образом, чтобы на их основе можно было осуществлять рассуждения. Факты в базе знаний характеризуют объекты и явления, которые в данной предметной области являются постоянными.

Решатель, используя исходные данные из баз знаний формирует последовательность правил, которые помогают решить задачу.

Компонент приобретения знаний служит для автоматизации наполнения ЭС знаниями, осуществляемым пользователем-экспертом.

Объяснительный компонент аргументирует как система получила решение задачи (или не смогла получить решение) и какие знания она при этом использовала, что облегчает тестирование и повышает доверие к результату.

Диалоговый компонент нужен для удобного общения с пользователем в ходе решения задач, в процессе приобретения знаний и объяснения результатов работы.

Прогнозирование дефектов в отливках

Качество детали, получаемой литьем, закладывается в процессе получения отливки. Экономический эффект производства возрастает с уменьшением дефектов и брака в отливках.

Основные причины брака:

- нетехнологичность конструкции деталей

- несовершенство тп

Современное литье допускает отливку весьма сложной формы. В предупреждении брака невозможно обойтись без экспертной оценки технологии ее получения. После корректировки тп должна быть полная уверенность в том, что он безошибочно дает изготовление качественных отливок и что каждый случай брака является следствием нарушения технологии.

Вследствие затруднительности учета всех факторов, оказывающих воздействие на возникновение дефектов, рационально возложить эту обязанность с человека-эксперта на ЭС.

В экспертную систему вводятся дефекты и причины.

D = F (р₁, р₂ ... р_n),

где D - дефект,

(р₁,р₂ ... р_n) - причина возникновения данного дефекта.

При исследовании влияния на дефект двух или более факторов, применен метод многофакторного дисперсионного анализа.

Для решения какой-либо задачи применяются зависимости «причины-дефект» в комплексе с прикладной статистикой. То есть используются совместно и детерминированные и вероятностные методы описания данных. Анализ основан на жестко детерминированной факторной модели, позволяющей идентифицировать и дать сравнительную характеристику основных причин, влияющих на изменение того или иного дефекта в отливке. При помощи детерминированных методов можно проанализировать только те данные, которые имеются в распоряжении.

В общем случае статистикой называют измеримую функцию наблюдений

T(х₁x₂ ... x_n),

где x₁, x₂,., x_n - выборка.

Механизм самообучения этого модуля экспертной системы реализован на получении новых статистических данных и их анализе, а также при надобности через диалог с экспертом, из-за невозможности учета всех причин появления дефектов, к примеру «человеческого фактора».

Проектирование и экплуатация ЭС в литейной промышленности позволяет в значительной степени ускорить и облегчить процесс технологического проектирования.

Код для цитирования: Скопировать