Systemy ekspertowe
| Systemy ekspertowe |
|---|
| Polecane artykuły |
Systemy ekspertowe (ES - Expert Systems) zaliczane są do czwartej generacji systemów informatycznych wspomagających zarządzanie przedsiębiorstwem. Ich rozwój datuje się na drugą połowę lat 80-tych i lata 90-te XX wieku (K.C. Laudon, J.P. Laudon, 2000, s. 32).
Systemy ekspertowe należą do grupy metod sztucznej inteligencji (należą tu również sieci neuronowe, algorytmy genetyczne). System informatyczny może być uznany za ekspertowy, jeśli w określonych warunkach i przy tych samych danych wejściowych jest w stanie naśladować człowieka eksperta i podejmować te same decyzje. Ważną cechą jest możliwość wyboru decyzji ze zbioru wcześniej określonego. Systemy te nie tworzą nowych rozwiązań. Jeśli nie ma człowieka eksperta, który potrafi zdefiniować sposób rozwiązania danego problemu, to system ekspertowy też go nie rozwiąże (J. Mulawka, 1996). Wysoki poziom komplikacji tych systemów i brak ich szerokiego zastosowania, nie wynikał z ograniczeń technologicznych, ale był związany z brakiem możliwości uwzględnienia odpowiedniej liczby czynników wpływających na sytuację decyzyjną w burzliwym i dynamicznym otoczeniu przedsiębiorstwa.
W budowie systemu ekspertowego można wyróżnić następujące elementy: baza wiedzy, baza danych i faktów, mechanizm wnioskowania, mechanizm objaśniania podjętych decyzji, interfejs użytkownika (K. Michalik, 2014, s. 60).
Wspólną cechą systemów wspomagania decyzji i systemów ekspertowych jest odciążenie kierownictwa od podejmowania rutynowych, powtarzalnych, łatwo dających się strukturalizować decyzji.
Podstawową cechą charakterystyczną tych systemów jest zastosowanie baz wiedzy i baz modeli, wykorzystywanych w rozwiązywaniu takich zadań decyzyjnych jak: rachunek optymalizacyjny, rozpoznanie problemów, analiza trendów, wnioskowanie, diagnoza, weryfikacja efektywności decyzji.
Współcześnie systemy eksperckie i systemy wspomagania decyzji stosuje się w tak hermetycznych dziedzinach jak wojskowość lub medycyna, lub do analizy wycinkowych zagadnień zarządczych, jak np.: analiza zdolności kredytowej, ocena atrakcyjności kontrahenta, podejmowanie decyzji inwestycyjnych na rynkach finansowych (J. Kisielnicki, H. Sroka, 1999, s. 55).
Najczęściej stosowane metody reprezentowania wiedzy
Do najważniejszych elementów systemu ekspertowego można zaliczyć bazę wiedzy. Możliwe są różne sposoby reprezentacji wiedzy (techniki organizowania baz wiedzy)(Z. Bubnicki, 1990)(W.P. Wagner, 2017):
- Metody bazujące na bezpośrednim zastosowaniu logiki: rachunek zdań, rachunek predykatów,
- Metody wykorzystujące zapis stwierdzeń,
- Metody wykorzystujące systemy regułowe (wektory wiedzy),
- Metody z wykorzystaniem sieci semantycznych,
- Metody oparte na ramach (klatki, fasety),
- Metody używające modeli obliczeniowych,
- Metody reprezentacji wiedzy niesymboliczne: sieci neuronowe.
Rodzaj wykorzystywanych zasobów informacyjnych
Strategiczne, pochodzące z różnorodnych źródeł. Informacje niepełne, często sprzeczne. Wiedza zdobywana jest od ekspertów w procesie akwizycji wiedzy. Dla zapisanych w bazie faktów można określać różne poziomy ufności (confidence factor). Możliwe jest również wnioskowanie w oparciu o informacje niepewne i rozmyte (tzw. fuzzy logic) (J.J. Mulawka, 1996).
Wykorzystywane środki techniczne
Komputery o bardzo dużej mocy, systemy zarządzania bazą wiedzy, języki zbliżone do naturalnych. System ekspertowy może być utworzony przy użyciu dowolnego języka programowania, jak np. Basic, Algol, Fortran, Pascal, C, C++ itp. Najczęściej jednak stosuje się albo dedykowane języki (tzw. języki programowania w logice): LISP (LISp Processing) i PROLOG (PROgrammation LOGique) oraz OPS5 (Oficial Production System), CLIPS (C Language Intergrated Production System), albo tzw. systemy szkieletowe (expert system shell), zawierające w sobie narzędzia programowe do tworzenia systemów ekspertowych, poza mechanizmem wnioskującym również: interfejs użytkownika, blok pozyskiwania wiedzy (ułatwiający wprowadzenie wiedzy do bazy wiedzy), blok wyjaśniania, itp. System szkieletowy można traktować jako system ekspertowy z pustą bazą wiedzy. Przykładami mogą być: Nexpert, Exsys Professional czy polski PCShell (K. Michalik, 2014, s. 152).
Wspomaganie decyzji
Systemy ekspertowe mogą być wykorzystane w zarządzaniu przedsiębiorstwem na każdym poziomie planowania. Wspomagają podejmowanie decyzji (E. Niedzielska, K. Perechudy, 2004):
- Operacyjnych - umożliwia podejmowanie decyzji w złożonych sytuacjach awaryjnych, w trakcie produkcji, na giełdzie papierów wartościowych.
- Taktycznych - pozwala na podejmowanie decyzji w zakresie planowania produkcji, jej wielkości oraz zakresu oraz analizy rynku.
- Strategicznych - daje pełne informacje o problemie, jego otoczeniu, pozwala na określenie skutków i niezbędnych środków na realizowanie różnych decyzji.
Przykłady zastosowań
Przykładowe zastosowania systemów ekspertowych w ekonomii to (K. Michalik, 2014):
- System do wspomagania negocjacji,
- System do oceny sytuacji finansowej przedsiębiorstwa,
- System do oceny umiejętności pracowników.
- System do oceny ryzyka ubezpieczeniowego,
Systemy ekspertowe znalazły również swoje zastosowanie w technice:
- Zadania identyfikacji, rozpoznawania i klasyfikacji,
- Diagnostyka stanu urządzeń i awarii,
- Analiza danych eksperymentalnych,
- Systemy sterowania oparte na wiedzy (regulacja adaptacyjna),
- Projektowanie konstrukcji i technologii,
- Systemy gromadzenia wiedzy (akwizycji wiedzy),
- Symulacji,
- Prognozowania zapotrzebowania,
- Określania stanu technicznego.
Bibliografia
- Bubnicki Z. (1990). Wstęp do systemów ekspertowych. PWN, Warszawa.
- Mulawka J.J. (1996). Systemy ekspertowe. WNT, Warszawa.
- Kisielnicki J., Sroka H. (1999). Systemy informacyjne biznesu, Agencja wydawnicza - Placet, Warszawa.
- Laudon K.C., Laudon J.P. (2000). Management Information Systems, sixth edition, Prentice Hall, Upper Saddle River, New Jersey.
- Niedzielska E., Perechudy K. (red.) (2004). Koncepcje i narzędzia zarządzania informacją i wiedzą, Wydawnictwo Akademii Ekonomicznej we Wrocławiu.
- Mansyur R., Rahmat R.A., Ismail A., Raduan Kabit M. (2011). Decision suport system for transport demand mangement: object oriented approach using Kappa PC 2.4 expert system shell. ARPN Journal of Engineering and Applied Sciences VOL. 6, NO. 2, pp.73-81.
- Michalik K. (2014). Systemy ekspertowe we wspomaganiu procesów zarządzania wiedzą w organizacji, Prace Naukowe/Uniwersytet Ekonomiczny w Katowicach, Katowice.
- Nofal M., Fouad K. M. (2014). Developing Web-Based Semantic Expert Systems. International Journal of Computer Science Issues (IJCSI), tom 11, str. 103-110.
- Wagner W.P. (2017). Trends in expert system development: A longitudinal content analysis of over thirty years of expert system case studies, Expert Systems with Applications, Volume 76, 15, Pages 85-96.
Autor: Krzysztof Woźniak Katarzyna Habel
