Інженерна діяльність у сучасних умовах тісно пов'язана з використанням персональних електронних обчислювальних машин (ПЕОМ) і мікропроцесорів. В останні роки в інженерній практиці обчислювальна техніка широко застосовується для виконання розрахунків, автоматизації проектування, організації й планування експериментальних досліджень, для обробки результатів випробування машин, механізмів, апаратів і для багатьох інших цілей.
Різні можливості й межи застосування обчислювальної техніки для автоматизації проектування визначаються рівнем формалізації науково-технічних знань у конкретній галузі. Ніж глибше розроблена теорія того або іншого класу технічних систем, тим більші можливості об'єктивно існують для автоматизації процесу їхнього проектування.
Вирішення проблем автоматизації проектування за допомогою ЕОМ ґрунтується на системному підході, тобто на створенні й впровадженні САПР — систем автоматизованого проектування технічних об'єктів, які вирішують весь комплекс завдань від аналізу завдання до розробки повного обсягу конструкторської й технологічної документації. Це досягається за рахунок об'єднання сучасних технічних засобів і математичного забезпечення, параметри й характеристики яких вибираються з максимальним обліком особливостей завдань проектно-конструкторського процесу. САПР являє собою великі організаційно-технічні системи, що складаються з комплексу засобів автоматизації проектування, взаємозалежного з підрозділами конкретної проектної організації.
Створення інтелектуальної надбудови над проблемно-орієнтованої САПР для автоматизації побудови інтелектуальних систем структурного проектування складних об'єктів. Надбудова дозволить швидко, кваліфіковано й ефективно, формувати базу знань (БЗ) тим самим забезпечує нагромадження й класифікацію вступників знань про різні предметні області для САПР.
Швидке і якісне вирішення проблем конструкторської підготовки без застосування комп'ютерних технологій і САПР практично не можливо, що робить актуальної задачу автоматизації побудови САПР. Інтелектуальна надбудова над САПР є актуальною тому що необхідно локалізацію на певній предметній області, і можливість її надбудови над будь-яким запропонованим САПР. Дану проблему можна вирішити за допомогою синтезу текстів уніфікованою мовою специфікацій
Дослідженя й разробка по темі так само були розглянуті магістрами ДонНТУ такими як:
Темою промислові САПР займаються й розглядають на багатьох наукових конференціях тому що:
Метою роботи є створення такої інтелектуальної надбудови над проблемно-орієнтованим САПР, яка б працювала на базі експертних методик і дозволяла створювати базу знань (БЗ).
Завданням дослідження є аналіз існуючих інструментальних засобів побудови САПР, удосконалення й реалізація існуючих алгоритмів. А так само оцінка їхньої ефективності й побудова з їхньою допомогою інструментарію для автоматизації створення проблемно-орієнтованих САПР.
Об'єктом дослідження є набір засобів для обробки текстових даних, а також предметно орієнтованих база знань.
Предметом дослідження є алгоритми й методи функціонування інструментальної оболонки, які забезпечують побудову проблемно-орієнтованої САПР, що має формальну мову подання даних.
У ході дослідження були застосовані методи теорія множин, теорії штучного інтелекту, теорії побудови САПР технічних об'єктів і методи складання моделі: складання «знизу нагору» і «зверху долілиць». теорії штучного інтелекту, теорії побудови САПР технічних об'єктів і САПР програмного забезпечення.
Запропоновано новий підхід до автоматизації формування текстів моделей формальною мовою опису об'єктів проектування, характерному для обраного класу проблемно-орієнтованих САПР за допомогою модифікованої моделі складності САУ й заснованого на граматиках підходу.
Розроблена система дозволить експертам різної кваліфікації швидко й ефективно створювати спеціалізовані САПР у рамках уже існуючої більше загальної САПР, а користувачам - одержувати дешеві і якісні інтелектуальні експертні системи для автоматизації проектування.
Дана тема була розглянута на міжнародну студентську науково-технічну конференцію "Інформатика й комп'ютерні технології" 12-14 грудня 2008 і "Інформатика й комп'ютерні технології" 12 грудня 2008 відбулися в м. Донецьку в стінах Донецького Національного Технічного Університету.
Ціль автоматизації — підвищити якість проектування, знизити матеріальні витрати на нього, скоротити строки проектування й ліквідувати ріст числа інженерно-технічних працівників, зайнятих проектуванням і конструюванням.
Структурна єдність підсистем САПР забезпечується строгою регламентацією зв'язків між різними видами забезпечення, об'єднаних загальної для даної підсистеми цільовою функцією. Розрізняють наступні види забезпечення:
На стадіях технічної пропозиції, ескізного й робітника проектування вибираються й обґрунтовуються варіанти САПР, розробляються остаточні рішення. При цьому виконуються наступні основні види робіт:
Оформлення всієї документації, необхідної для створення й функціонування САПР, виконують на стадії робочого проектування.
На стадії виготовлення, налагодження й випробування роблять монтаж, налагодження й випробування комплексу технічних засобів автоматизації проектування, на тестових прикладах доводять програмне забезпечення й підготовляють проектну організацію до запровадження в дію САПР.
Запровадження в дію системи здійснюють після досвідченого функціонування й приймальних випробувань у замовника.
Специфіка інформаційного забезпечення САПР
Основні вимоги до інформаційного забезпечення САПР наступні:
Подання знань - це безліч угод по синтаксисі й семантиці, згідно яким описуються об'єкти. Гарне правило при проектуванні подання знань - це організація знань у такій формі, що дозволяє легко здійснювати доступ за допомогою природних і простих механізмів. "Чим простіше, тим краще" - правило, яких потрібно пам'ятати, при роботі з поданням знань.
Експертні системи часто створюються "інженером по знаннях" (або проектувальниками експертних систем), які працюють із людиною-експертом, щоб закодувати знання експерта в базі знань.
Перший спосіб - це класифікація й приміщення фактів і чисел (фрагментів фактичного знання) у правилах.
Це подання підходить для використання в експертних системах, що базуються на правилах. Інший спосіб - це організація фактів і числової інформації у твердженнях, які утворять базу знань на твердженнях.
Типи знань: понятійні, конструктивні, процедурні, фактографічні й метазнанння.
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.
Інтерпретатор виконує різні функції усередині системи на основі наступної схеми:
Так само як і в системі, що базується на правилах, даний циклічний процес є процесом розпізнавання-дія.
Найбільш важливим аспектом для бази знань у системі, заснованої на логіку, є проектування бази знань, її тверджень і їхньої структури. База знань повинна мати недвозначну логічну організацію, і вона повинна містити мінімум надлишкової інформації. Так само як і в системі, що базується на правилах, мінімально достатня кількість даних утворять найбільш ефективну систему. Види аналізів знань.
Лексичний аналіз - розбір текстової інформації на абзаци, пропозиції, слова, визначення мови викладу, типу пропозиції, виявлення типу лексичних виражень і т.д.
Морфологічний аналіз - розпізнавання частин мови (визначається відповідність лексико-граматичного класу). Розвинена морфологія російської мови дозволяє автоматизувати процес аналізу з точністю до 100%. У той час як лексична багатозначність англійської або німецької мов ускладнює процес визначення лексико-граматичного класу (синтаксичної частини мови), що істотно знижує точність визначення.
Синтаксичний аналіз - виділення семантичних елементів пропозиції - іменних груп, термінологічних цілих, предикативних основ. Що дозволяє підвищити автономність процесу обробки інформації на основі роботи з узагальненими семантичними елементами, без втручання користувача.
Семантичний аналіз - визначення інформативності інформації й виділення логічної основи тексту. Автоматизований семантичний аналіз тексту припускає виявлення й оцінку значеннєвого змісту тексту, що є важко формалізувати завданням (внаслідок відсутності ідеального автоматизованого механізму оцінки якості інформації). Для виявлення значеннєвого змісту інформації, тобто реалізації семантичного аналізу, передбачається комплексна робота з експертними системами й системами штучного інтелекту.
Інтелектуальна надбудова являє собою створення й реконструкцію бази даних, і взаємозв'язку її з модулем знань.
Інтелектуальна надбудова повинна дозволити проектувати спеціалізовані САПР як людям, які розбираються тільки в області рішення прикладного завдання(тобто можуть дати системі тільки ТЗ, що із яким система будує потрібний йому САПР), так і фахівцям у формальній мові САПР, робота яких у багато разів прискоритися й полегшитися з використанням такого потужного інструменту як інтелектуальна надбудова над САПР, тому що їм не будуть потреби вручну шукати й «збирати» потрібні частини уже існуючих програм, надбудова зробить усе за них.
Інтелектуальна надбудова повинна являти собою програмний комплекс, що складається із БД рішень, пов'язаної з нею БД технічних завдань, сукупності правил виводу й заборонних продукцій, що дозволяють контролювати семантику одержуваних програм. Вона також повинна бути здатна до навчання прямо експерта або ж шляхом обробки, адже не можна передбачити проектні рішення на всі випадки життя й рано або пізно знадобиться додати нові рішення в БД ТЗ і рішень.
На малюнку 3 наведений порядок рішення завдань реконструкції в середовищі САПР «СПРУТ».
Дана база знань являє собою набір продукції, що оперують зразками. Передбачається наявність універсальної, уніфікованої мови опису об'єктів, що не залежить від предметної області. Дані описи мають вигляд мови формальних специфікацій. Система СПРУТ працює із проблемно-орієнтованою мовою ЛИСП.
Мова Лисп (англ. LISP - абревіатура від LISt Processing, «обробка списків») був створений американським ученим Джоном Маккарти в 1957 у Массачусетском технологічному інституті як мова, здатний залежно від набору вихідних даних модифікувати алгоритм роботи, тобто "на ходу" міняти програму. Спочатку передбачалося застосовувати його для створення штучного інтелекту, однак він знайшов досить широке застосування й далеко за межами області, для якої спочатку створювався.
Одним з найбільш удалих практичних застосувань Лиспа виявився убудований у САПР для автоматизації технічного проектування й креслярських робіт AutoCAD інтерпретатор мови AutoLISP (Автолисп).
Для цієї взаємодії «надбудова - САПР» створюється інтерфейс «ЛИСП - формальна мова специфікацій». Також існує й зворотний механізм, що перетворить мову формальних специфікацій у мову ЛИСП. Формальною мовою подання збережених даних у САПР «СПРУТ» є ЛИСП. У системі дані (знання) зберігаються у вигляді S-Виражень ЛИСП.
Граматика мови опису правил виводу має такі особливості. Кожне правило виводу має своє унікальне ім'я. У правій частині правила описується вираження, аргументами якого є імена продукционных правил. Також, у правій частині можуть бути використані дужки й відносини "И" і "ИЛИ".
У вираженні дозволяється використовувати все імена продукций, описаних у проекті. Правилом мети є вивід знайденого зразка. Правила перед відпрацьовуванням переводяться в полиз, а далі по полизу будується “ И - ИЛИ” дерево виводу. У вершинах дерева перебувають імена продукционных правил.
База знань має механізм відстеження залежностей між припущеннями й виявлення їхньої несумісності. І буде використовувати монотонний логічний вивід.
Монотонний логічний вивід - це вивід, при якому БЗ приймає інформацію про нові факти й обчислює, як ці факти можуть вплинути на наявне подання, щоб воно перейшло в результаті в стан задоволення все умов системи. При цьому передбачається враховувати "важливі" наслідки, впливи маєтків подань на БЗ і правдоподібність допущень у результаті його застосування принаймні не зменшується. Монотонний логічний вивід і використовуємо для побудови достовірного об'єкта.
Розглянемо підхід до побудови достовірного об'єкта. Назвемо поточний текст опису об'єкта мовою специфікацій «купою». Одним з головних етапів побудови об'єкта є перевірка тексту. База знань являє собою набір продукционных правил. Він несе в собі інформацію про продукцію й створюваний об'єкт мовою формальних специфікацій. Виконання теоретико-множинних операцій над текстом дозволяє перевірити істинність зразка, використовуваного в посилці. Зразки, використовувані у виводі, дозволяють додавати й редагувати «купу» за рахунок виконання теоретико-множинних операцій.
Посилка використовує операції перетинання, а вивід - операції додавання або вирахування. Наприклад:
Якщо безліч А існує, то існує безліч В.
Короткий запис продукції:
Якщо А то В
Інтерпретація продукції з погляду теоретико-множинних виражень.
Т.е., якщо в безлічі «купа» існує хоч один елемент безлічі А, та безліч В існує, тобто додається в купу.
Верифікація модуля знань виконується на відомих перевірених завданнях.
Верифікація - це підтвердження відповідності кінцевого продукту визначеним еталонним вимогам. Обраний зразок перед занесенням у модуль знань перевіряється:
А повна верифікація виконується на повністю правильному побудованому ланцюжку міркувань і виборі й продукції із занесенням її в БЗ.
Надані продукції перевіряються на правильність побудови пропозиції. І правильний вибір з «купи».
Недоліком запропонованого підходу є орієнтація тільки на завдання реконструкції, без можливості рішення завдань синтезу об'єктів, тобто побудови їх «з нуля». Пропонований новий підхід до побудови інтелектуальної надбудови реалізує концепцію створення інструментальних засобів побудови інтелектуальних САПР для етапу структурного синтезу складних об'єктів.
У цьому випадку необхідно забезпечити діалог з користувачем у процесі синтезу для уведення їм вимог до проектованого об'єкта, тобто - технічного завдання (ТЗ). ». На мал. 2 зображений новий порядок рішення завдань синтезу в середовищі САПР «СПРУТ».
Розглянемо ідеї й концепції створення промислового інтелектуального САПР складних об'єктів шляхом створення інтелектуальних надбудов над існуючими САПР. Як показує практика, не всі САПР мають однакові можливості. Одні системи забезпечують високоефективне рішення проблем, мають комплекс зроблених засобів і методів проектування, у тому числі й інтелектуальних. Застосування таких САПР створює умови для розвитку й удосконалювання виробництва. Інші САПР можуть мати недостатньо розвитий апарат проектування й мають потребу в удосконалюванні, наприклад, у створенні надбудов, що поліпшують якість САПР.
Будь-яка система автоматизованого проектування являє собою якусь програму, на вході якої подаються вихідні дані - технічне завдання (ТЗ), а на виході виходять результати їхньої обробки (готовий проект) у вигляді цифр, графіків або креслень, як правило, оформлених у вигляді окремих документів. Жодна система автоматизованого проектування не існує абстрактно [1], тобто без зв'язку з виробництвом.
Дана робота присвячена обговоренню шляхів створення інтелектуальних засобів автоматизації проектування складних об'єктів у додатку до завдання проектування трубопроводів. У цей час існує велику кількість САПР складних об'єктів, що працюють у цій предметній області. Виконаємо аналіз можливостей існуючих систем проектування в області трубопроводів.
Розглянемо найбільш типові САПР даної предметної області, включаючи « Спрут-Технології», « Autocad-based piping design and modeling projects», «Interactively route pipelines and place piping components in a 3D MicroStation or AutoCAD environment».
Характеристики представлених САПР.
Autocad-based piping design and modeling projects:
Дана САПР надає можливість створення компонент і малюнків, керованих даними, динамічно пов'язаних із зовні проектною базою даних. Інформація бази даних може використовуватися, щоб зробити повідомлення або глобально управляти й переглянути описові складові дані. Так само система підтримує створення схематичних малюнків (плани, піднесення й секції), використання вільних портів подання й експорт тривимірних зразків даних, щоб зробити закінчені малюнки. Надається можливість робити плоскі й двовимірні малюнки, плани й секції, тривимірних моделей.[7]
Interactively route pipelines and place piping components in a 3D MicroStation or AutoCAD environment:
Дана САПР застосовується для проектування трубопроводу й моделювання проектів на основі AutoCAD. Дозволяє створювати ізометричні подання об'єктів. Основний підхід до проекту - максимізація якості, гарантуючи згоду із застосовними критеріями розрахунку. База даних гарантує взаємодію між графічними й описовими даними в моделі. БД містить набір стандартів промисловості й каталоги компонентів. Дана САПР є масштабованої, тобто покриває можливо інших відомих САПР у даній предметній області.[7]
До недоліків двох названих САПР можна віднести відсутність баз знань, що описують методики проектування. Т.о., до них можна було б створити відповідні інтелектуальні надбудови.
СПРУТ-Технологія:
У даної САПР виділяють два основних напрямки:
Основні характеристики СПРУТ:
Для визначення структури й характеристик об'єкта проектування розроблений відповідний візуальний інтерактивний засіб опису об'єкта у вигляді графа «И/АБО» з можливими замінами й описом властивостей кожної структурної одиниці.
Вона дозволяє створювати інтерфейси зусиллями самих користувачів, швидко візуально створювати будь-які вікна з розміщенням на них усіляких стандартних Windows-Компонент.
При створенні баз знань або методик розрахунків предметному фахівцеві пропонується інструмент, що дозволяє в зручному для нього виді безпосередньо описувати методики розрахунку. При описі методик можуть використовуватися таблиці, графіки, монограми й ін. Підтримується природна форма опису методик і алгоритмів виконання всіх етапів проектування виробу. Всі закладати^ся методики, що, документуються й при необхідності можуть бути роздруковані для додаткового контролю й аналізу помилок.[10]
Т.о., пропонований підхід можна віднести до реалізації методу параметризації, тобто створення ряду параметрів, зв'язаних комплексом математичних моделей що дозволяють забезпечувати перерахунок параметрів у заданому напрямку, хоча параметризація в загальному виді припускає довільні шляхи перерахунку параметрів. Специфікою підходу є різні форми математичних залежностей (графіки й т.д.). Отже, система СПРУТ має інтелектуальні методи проектування, але не досить ефективні.[11]
Раніше в роботі об «Створення інтелектуальної надбудови над проблемно-орієнтованої САПР» був викладений підхід створення баз знань для методик проектування (реконструкції), заснований на синтезі текстів уніфікованою мовою специфікацій, що не залежить від особливостей предметних областей. Т.о., предметному фахівцеві так само пропонується інструмент, що дозволяє в зручному для нього виді безпосередньо описувати методики проектування.
Після аналізу вище розглянутих САПР можна зробити вивід, що практично для всіх їх можливе побудова інтелектуальної надбудови розглянутого виду.
На сучасному етапі розвитку й проектування можна зробити вивід, що будь-яку систему можна оптимізувати й удосконалити так верб нашім випадку майже над будь-яким САПР можна зробити інтелектуальну надбудову й адаптувати її на промисловий САПР.
Робота перебуває в стадії розробки, передбачуване закінчення її написання - грудень 2009 року.