Инженерная деятельность в современных условиях тесно связана с использованием персональных электронных вычислительных машин (ПЭВМ) и микропроцессоров. В последние годы в инженерной практике вычислительная техника широко применяется для выполнения расчетов, автоматизации проектирования, организации и планирования экспериментальных исследований, для обработки результатов испытания машин, механизмов, аппаратов и для многих других целей.
Различные возможности и границы применения вычислительной техники для автоматизации проектирования определяются уровнем формализации научно-технических знаний в конкретной отрасли. Чем глубже разработана теория того или иного класса технических систем, тем большие возможности объективно существуют для автоматизации процесса их проектирования.
Решение проблем автоматизации проектирования с помощью ЭВМ основывается на системном подходе, т. е. на создании и внедрении САПР — систем автоматизированного проектирования технических объектов, которые решают весь комплекс задач от анализа задания до разработки полного объема конструкторской и технологической документации. Это достигается за счет объединения современных технических средств и математического обеспечения, параметры и характеристики которых выбираются с максимальным учетом особенностей задач проектно-конструкторского процесса. САПР представляет собой крупные организационно-технические системы, состоящие из комплекса средств автоматизации проектирования, взаимосвязанного с подразделениями конкретной проектной организации.
Создания интеллектуальной надстройки над проблемно-ориентированной САПР для автоматизации построения интеллектуальных систем структурного проектирования сложных объектов. Надстройка позволит быстро, квалифицировано и эффективно, формировать базу знаний (БЗ) тем самым обеспечивает накопление и классификацию поступающих знаний об различных предметных областях для САПР.
Быстрое и качественное решение проблем конструкторской подготовки без применения компьютерных технологий и САПР практически не возможно, что делает актуальной задачу автоматизации построения САПР. Интеллектуальная надстройка над САПР является актуальной так как необходима локализация на определенной предметной области, и возможность ее надстройки над любым предложенным САПР. Данную проблему можно решить с помощью синтеза текстов на унифицированном языке спецификаций
Исследованими и разработоками по теме так же были рассмотрены с магистрами ДонНТУ такими как:
Темой промышленные САПР занимаются и рассматривают на многих научных конференциях так как:
Целью работы является создание такой интеллектуальной надстройки над проблемно-ориентированным САПР, которая бы работала на базе экспертных методик и позволяла создавать базу знаний (БЗ).
Задачам исследования является анализ существующих инструментальных средств построения САПР, усовершенствование и реализация существующих алгоритмов. А так же оценка их эффективности и построение с их помощью инструментария для автоматизации создания проблемно-ориентированных САПР.
Объектом исследования является набор средств для обработки текстовых данных, а также предметно ориентированных база знаний.
Предметом исследования являются алгоритмы и методы функционирования инструментальной оболочки, которые обеспечивают построение проблемно-ориентированной САПР, что имеет формальный язык представления данных.
В ходе исследования были применены методы теория множеств, теории искусственного интеллекта, теории построения САПР технических объектов и методы сборки модели: сборка «снизу вверх» и «сверху вниз». теории искусственного интеллекта, теории построения САПР технических объектов и САПР программного обеспечения.
Предложен новый подход к автоматизации формирования текстов моделей на формальном языке описания объектов проектирования, характерном для выбранного класса проблемно-ориентированных САПР с помощью модифицированной модели сложности САУ и основанного на грамматиках подхода.
Разработанная система позволит экспертам различной квалификации быстро и эффективно создавать специализированные САПР в рамках уже существующей более общей САПР, а пользователям – получать дешевые и качественные интеллектуальные экспертные системы для автоматизации проектирования.
Данная тема была рассмотрена на международную студенческую научно-техническую конференцию "Информатика и компьютерные технологии" 25-27 ноября 2008 и "Информатика и компьютерные технологии" 12 декабря 2008 состоявшихся в г. Донецке в стенах Донецкого Национального Технического Университета.
Цель автоматизации — повысить качество проектирования, снизить материальные затраты на него, сократить сроки проектирования и ликвидировать рост числа инженерно-технических работников, занятых проектированием и конструированием.[1]
Структурное единство подсистем САПР обеспечивается строгой регламентацией связей между различными видами обеспечения, объединенных общей для данной подсистемы целевой функцией. Различают следующие виды обеспечения:
На стадиях технического предложения, эскизного и рабочего проектирования выбираются и обосновываются варианты САПР, разрабатываются окончательные решения. При этом выполняются следующие основные виды работ:
Оформление всей документации, необходимой для создания и функционирования САПР, выполняют на стадии рабочего проектирования.[2]
На стадии изготовления, отладки и испытания производят монтаж, наладку и испытание комплекса технических средств автоматизации проектирования, на тестовых примерах доводят программное обеспечение и подготавливают проектную организацию к вводу в действие САПР.
Ввод в действие системы осуществляют после опытного функционирования и приемочных испытаний у заказчика.
Специфика информационного обеспечения САПР
Основные требования к информационному обеспечению САПР следующие:
Представление знаний - это множество соглашений по синтаксису и семантике, согласно которым описываются объекты. Хорошее правило при проектировании представления знаний - это организация знаний в такой форме, которая позволяет легко осуществлять доступ с помощью естественных и простых механизмов. "Чем проще, тем лучше" - правило, которое нужно помнить, при работе с представлением знаний.
Экспертные системы часто создаются "инженером по знаниям" (или проектировщиками экспертных систем), которые работают с человеком-экспертом, чтобы закодировать знания эксперта в базе знаний.[1]
Первый способ - это классификация и помещение фактов и чисел (фрагментов фактического знания) в правилах.
Это представление подходит для использования в экспертных системах, базирующихся на правилах. Другой способ - это организация фактов и числовой информации в утверждениях, которые образуют базу знаний на утверждениях.
Типы знаний: понятийные, конструктивные, процедурные, фактографические и метазнания.
Системы на правилах базирующаяся на логике, имеет множество правил, которые могут вызываться с помощью данных из входного потока. Система имеет также интерпретатор, который может выбирать и активизировать модули, включаемые в работу системы.
Интерпретатор выполняет различные функции внутри системы на основе следующей схемы:
Так же как и в системе, базирующейся на правилах, данный циклический процесс является процессом распознавание-действие.
Наиболее важным аспектом для базы знаний в системе, основанной на логике, является проектирование базы знаний, ее утверждений и их структуры. База знаний должна иметь недвусмысленную логическую организацию, и она должна содержать минимум избыточной информации. Так же как и в системе, базирующейся на правилах, минимально достаточное количество данных образуют наиболее эффективную систему.
Виды анализов знаний
Лексический анализ – разбор текстовой информации на абзацы, предложения, слова, определение языка изложения, типа предложения, выявление типа лексических выражений и т.д.
Морфологический анализ – распознавание частей речи (определяется соответствие лексико-грамматического класса). Развитая морфология русского языка позволяет автоматизировать процесс анализа с точностью до 100%. В то время как лексическая многозначность английского или немецкого языков усложняет процесс определения лексико-грамматического класса (синтаксической части речи), что существенно снижает точность определения.
Синтаксический анализ – выделение семантических элементов предложения - именных групп, терминологических целых, предикативных основ. Что позволяет повысить автономность процесса обработки информации на основе работы с обобщенными семантическими элементами, без вмешательства пользователя.
Семантический анализ – определение информативности информации и выделение логической основы текста. Автоматизированный семантический анализ текста предполагает выявление и оценку смыслового содержания текста, что является трудно формализуемой задачей (вследствие отсутствия идеального автоматизированного механизма оценки качества информации). Для выявления смыслового содержания информации, то есть реализации семантического анализа, предполагается комплексная работа с экспертными системами и системами искусственного интеллекта.
Интеллектуальная надстройка представляет собой создания и реконструкцию базы данных, и взаимосвязи ее с модулем знаний.
Интеллектуальная надстройка должна позволить проектировать специализированные САПР как людям, которые разбираются только в области решения прикладной задачи(то есть могут дать системе только ТЗ, сообразуясь с которым система строит нужный ему САПР), так и специалистам в формальном языке САПР, работа которых во много раз ускориться и облегчиться с использованием такого мощного инструмента как интеллектуальная надстройка над САПР, т.к. им не будет нужды вручную искать и «собирать» нужные части уже существующих программ, надстройка сделает всё за них.
Интеллектуальная надстройка должна представлять собой программный комплекс, состоящий из БД решений, связанной с ней БД технических заданий, совокупности правил вывода и запрещающих продукций, позволяющих контролировать семантику получаемых программ. Она также должна быть способна к обучению напрямую эксперта или же путем обработки, ведь нельзя предусмотреть проектные решения на все случаи жизни и рано или поздно понадобится добавить новые решения в БД ТЗ и решений.
На рисунке 3 приведен порядок решения задач реконструкции в среде САПР «СПРУТ».
Данная база знаний представляет собой набор продукции, оперирующих образцами. Предполагается наличие универсального, унифицированного языка описания объектов, не зависящего от предметной области. Данные описания имеют вид языка формальных спецификаций. Система СПРУТ работает с проблемно-ориентированным языком ЛИСП.
Язык Лисп (англ. LISP – аббревиатура от LISt Processing, «обработка списков») был создан американским ученым Джоном Маккарти в 1957 в Массачусетском технологическом институте как язык, способный в зависимости от набора исходных данных модифицировать алгоритм работы, т.е. "на ходу" менять программу. Первоначально предполагалось применять его для создания искусственного интеллекта, однако он нашел достаточно широкое применение и далеко за пределами области, для которой первоначально создавался.
Одним из наиболее удачных практических применений Лиспа оказался встроенный в САПР для автоматизации технического проектирования и чертежных работ AutoCAD интерпретатор языка AutoLISP (Автолисп).
Для этого взаимодействия «надстройка – САПР» создается интерфейс «ЛИСП - формальный язык спецификаций». Также существует и обратный механизм, который преобразует язык формальных спецификаций в язык ЛИСП. Формальным языком представления хранимых данных в САПР «СПРУТ» является ЛИСП. В системе данные (знания) хранятся в виде S-выражений ЛИСП.
Грамматика языка описания правил вывода имеет такие особенности. Каждое правило вывода имеет свое уникальное имя. В правой части правила описывается выражение, аргументами которого являются имена продукционных правил. Также, в правой части могут быть использованы скобки и отношения "и" и "или".
В выражении позволяется использовать все имена продукций, описанных в проекте. Правилом цели является вывод найденного образца. Правила перед отработкой переводятся в полиз, а далее по полизу строится “и-или” дерево вывода. В вершинах дерева находятся имена продукционных правил. [9]
База знаний обладает механизмом отслеживания зависимостей между предположениями и выявления их несовместимости. И будет использовать монотонный логический вывод.
Монотонный логический вывод — это вывод, при котором БЗ принимает информацию о новых фактах и вычисляет, как эти факты могут повлиять на имеющееся представление, чтобы оно перешло в результате в состояние удовлетворения все условий системы. При этом предполагается учитывать "важные" последствия, влияния имений представлений на БЗ и правдоподобность допущений в результате его применения по крайней мере не уменьшается. Монотонный логический вывод и используем для построения достоверного объекта.
Рассмотрим подход к построению достоверного объекта. Назовем текущий текст описания объекта на языке спецификаций «кучей». Одним из главных этапов построения объекта является проверка текста. База знаний представляет собой набор продукционных правил. Он несет в себе информацию о продукции и создаваемом объекте на языке формальных спецификаций. Выполнение теоретико-множественных операций над текстом позволяет проверить истинность образца, используемого в посылке. Образцы, используемые в выводе, позволяют добавлять и редактировать «кучу» за счет выполнения теоретико-множественных операций.
Посылка использует операции пересечения, а вывод – операции добавления или вычитания. Например:
Если множество А существует, то существует множество В.
Краткая запись продукции:
Если А то В
Интерпретация продукции с точки зрения теоретико-множественных выражений.
Т.е., если в множестве «куча» существует хоть один элемент множества А, то множество В существует, т.е. добавляется в кучу.
Верификация модуля знаний выполняется на известных проверенных задачах.
Верификация — это подтверждение соответствия конечного продукта предопределённым эталонным требованиям. Выбранный образец перед занесением в модуль знаний проверяется:
А полная верификация выполняется на полностью правильной построенной цепочке рассуждений и выборе и продукции с занесением ее в БЗ.
Предоставленные продукции проверяются на правильность построения предложения. И правильный выбор из «кучи».
Недостатком предложенного подхода является ориентация только на задачи реконструкции, без возможности решения задач синтеза объектов, т.е. построения их «с нуля». Предлагаемый новый подход к построению интеллектуальной надстройки реализует концепцию создания инструментальных средств построения интеллектуальных САПР для этапа структурного синтеза сложных объектов.
В этом случае необходимо обеспечить диалог с пользователем в процессе синтеза для ввода им требований к проектируемому объекту, т.е. – технического задания (ТЗ). ». На рис. 2 изображен новый порядок решения задач синтеза в среде САПР «СПРУТ».
Рассмотрим идеи и концепции создания промышленного интеллектуального САПР сложных объектов путем создания интеллектуальных надстроек над существующими САПР. Как показывает практика, не все САПР обладают одинаковыми возможностями. Одни системы обеспечивают высокоэффективное решение проблем, обладают комплексом совершенных средств и методов проектирования, в том числе и интеллектуальных. Применение таких САПР создает условия для развития и совершенствования производства. Другие САПР могут иметь недостаточно развитый аппарат проектирования и нуждаются в совершенствовании, например, в создании надстроек, улучшающих качество САПР.
Любая система автоматизированного проектирования представляет собой некую программу, на входе которой подаются исходные данные - техническое задание (ТЗ), а на выходе получаются результаты их обработки (готовый проект) в виде цифр, графиков или чертежей, как правило, оформленных в виде отдельных документов. Ни одна система автоматизированного проектирования не существует абстрактно [1], т.е. без связи с производством.
Данная работа посвящена обсуждению путей создания интеллектуальных средств автоматизации проектирования сложных объектов в приложении к задаче проектирования трубопроводов. В настоящее время существует большое количество САПР сложных объектов, работающих в этой предметной области. Выполним анализ возможностей существующих систем проектирования в области трубопроводов.
Рассмотрим наиболее типичные САПР данной предметной области, включая «СПРУТ-Технологии», «Autocad-based piping design and modeling projects», «Interactively route pipelines and place piping components in a 3D MicroStation or AutoCAD environment».
Характеристики представленных САПР.
Autocad-based piping design and modeling projects:
Данная САПР предоставляет возможность создания компонент и рисунков, управляемых данными, динамически связанных с внешне проектной базой данных. Информация базы данных может использоваться, чтобы произвести сообщения или глобально управлять и пересмотреть описательные составляющие данные. Так же система поддерживает создание схематических рисунков (планы, возвышения и секции), использование свободных портов представления и экспорт трехмерных образцов данных, чтобы произвести законченные рисунки. Предоставляется возможность производить плоские и двумерные рисунки, планы и секции, трехмерных моделей.[7]
Interactively route pipelines and place piping components in a 3D MicroStation or AutoCAD environment:
Данная САПР применяется для проектирования трубопровода и моделирования проектов на основе AutoCAD. Позволяет создавать изометрические представления объектов. Основной подход к проекту - максимизация качества, гарантируя согласие с применимыми критериями расчета. База данных гарантирует взаимодействие между графическими и описательными данными в модели. БД содержит набор стандартов промышленности и каталоги компонентов. Данная САПР является масштабируемой, т.е. покрывает возможно прочих известных САПР в данной предметной области.[7]
К недостаткам двух названных САПР можно отнести отсутствие баз знаний, описывающих методики проектирования. Т.о., к ним можно было бы создать соответствующие интеллектуальные надстройки.
СПРУТ-Технология:
В данной САПР выделяют два основных направления:
Основные характеристики СПРУТ:
Для определения структуры и характеристик объекта проектирования разработано соответствующее визуальное интерактивное средство описания объекта в виде графа «И/ИЛИ» с возможными заменами и описанием свойств каждой структурной единицы.
Она позволяет создавать интерфейсы усилиями самих пользователей, быстро визуально создавать любые окна с размещением на них всевозможных стандартных Windows-компонент.
При создании баз знаний или методик расчетов предметному специалисту предлагается инструмент, позволяющий в удобном для него виде непосредственно описывать методики расчета. При описании методик могут использоваться таблицы, графики, монограммы и др. Поддерживается естественная форма описания методик и алгоритмов выполнения всех этапов проектирования изделия. Все закладываемые методики документируются и при необходимости могут быть распечатаны для дополнительного контроля и анализа ошибок. [10]
Т.о., предлагаемый подход можно отнести к реализации метода параметризации, т.е. создания ряда параметров, связанных комплексом математических моделей позволяющих обеспечивать перерасчет параметров в заданном направлении, хотя параметризация в общем виде предполагает произвольные пути перерасчета параметров. Спецификой подхода является различные формы математических зависимостей (графики и т.д.). Следовательно, система СПРУТ имеет интеллектуальные методы проектирования, но не достаточно эффективные.[11]
Ранее в работе о «Создание интеллектуальной надстройки над проблемно-ориентированной САПР» был изложен подход создания баз знаний для методик проектирования (реконструкции), основанный на синтезе текстов на унифицированном языке спецификаций, не зависящем от особенностей предметных областей. Т.о., предметному специалисту так же предлагается инструмент, позволяющий в удобном для него виде непосредственно описывать методики проектирования.
После анализа выше рассмотренных САПР можно сделать вывод, что практически для всех них возможно построение интеллектуальной надстройки рассмотренного вида.
Данная надстройка позволит быстро, квалифицировано и эффективно, формировать базу знаний (БЗ) для проблемно-ориентированного САПР, создавать комплекс входных данных, составляющих ТЗ. Такая надстройка будет основана на базе экспертных методик, проектирования и будет давать возможность удобного использования САПР.
На современном этапе развития и проектирования можно сделать вывод, что любую систему можно оптимизировать и усовершенствовать так ив нашем случае почти над любым САПР можно сделать интеллектуальную надстройку и адаптировать ее на промышленный САПР.
Работа находится на стадии разработки, предполагаемое окончание её написания - декабрь 2009 года.