Розмір шрифту: 

Разработка эффективных методов технического диагностирования грузоподъемных машин (грузоподъемных кранов, лифтов, подъемников, промышленных роботов и т.п.), которые являются объектами машиностроения повышенной опасности, чрезвычайно важна для Украины. В первую очередь это актуально для грузоподъемных машин (ГПМ), отработавших нормативный срок эксплуатации, количество которых в настоящее время превышает 80%. При этом, с каждым годом вопросы безопасной эксплуатации ГПМ обостряются, поскольку темпы обновления их парка значительно ниже роста числа машин с истекшим нормативным сроком. Несмотря на это, в настоящее время отсутствуют эффективные компьютеризированные системы диагностики ГПМ, а публикации по данной теме часто носят эмпирический характер.

Для оценки технического состояния ГПМ необходимы специализированные системы поддержки принятия решений (СППР). Сложность решения данной задачи обусловлена слабой формализацией сведений об отказах, которые имеют описательный характер, отсутствием систематизированной информации о характере и изменениях внешних воздействующих факторов, большим количеством контролируемых параметров, недостаточными статистическими данными по эксплуатации ГПМ. Поэтому, только специалист с большим опытом в области диагностики ГПМ может обосновать принятие решения по конкретному отказу, находя выход, как правило, «по аналогии с предыдущим», т.е. адаптируя принятое ранее решение к текущей ситуации.

Следовательно, перспективным является решение задачи диагностики ГПМ путем создания СППР, имитирующей процесс анализа специалистом и основанной на эффективном использовании существующего опыта, представленного в виде прецедентов [1]. Такая система позволяет обобщать информацию, адаптировать ее к возможным изменениям, общаться с пользователем на естественном языке, принимать решение в условиях неполной, ненадежной и противоречивой информации. Наличие механизма рассуждений на основе прецедентов в системе экспертного диагностирования позволяет своевременно и более качественно осуществлять диагностирование ГПМ, дает возможность принимать адекватные и экономически выгодные решения с целью решения проблемной ситуации [2].

Прецедент (case) диагностики ГПМ представлен в виде набора параметров и решения, т.е. является описанием текущего технического состояния ГПМ в совокупности с указанием работ, которые проводятся по результатам диагностики и включает следующие основные компоненты: диагностические параметры ГПМ [3], диагноз, рекомендации по применению решения. База прецедентов (БП) СППР содержит информацию о каждом диагностическом параметре, который используется для описания прецедентов.

Применение онтологии прецедентов позволяет производить автоматизированную обработку информации и повысить качество решений благодаря использованию знаний, накопленных многими специалистами, позволяет решать плохо формализованные задачи диагностики ГПМ, упростить приобретение знаний от экспертов, сократить время поиска решения [4].

На основе прецедентов составлена структурная схема СППР технической диагностики ГПМ, в соответствии с которой была разработана СППР диагностирования ГПМ. В качестве начального набора прецедентов используется каталог ситуаций, составленный по данным из отчетов экспертно-диагностической научно-исследовательской лаборатории "Грузоподъемные машины и промышленные сооружения" ВНУ им. В. Даля.

СППР позволяет задавать локальные метрики подобия для отбора каждого диагностического параметра, веса параметров и глобальную метрику подобия для прецедента в целом. После уточнения всех необходимых метрик подобия осуществляется поиск прецедентов и их вывод в порядке уменьшения релевантности с указанием степени подобия каждого прецедента.

Выводы: установлено, что техническая диагностика на основе прецедентов позволяет решать не достаточно формализованные задачи диагностики ГПМ, упростить получение знаний от экспертов, сократить время поиска решения и реализовать самообучение; применение онтологии прецедентов позволяет повысить качество решений, которые принимаются, благодаря использованию знаний, накопленных многими специалистами; предложена структурная схема СППР технической диагностики ГПМ; применение разработанной СППР диагностики ГПМ способствует уменьшению информационной нагрузки на эксперта в процессе принятия решений, снижению влияния факторов субъективности при анализе текущей ситуации, сокращению времени, необходимого для принятия решения.

Литература

1. Aamodt A. Case-based reasoning: Foundational issues, methodological variations, and system approaches / A. Aamodt, E. Plaza // AI Communications, Vol. 7, Issue 1, 1994. - p. 39-59.

2. Варшавский П.Р. Моделирование рассуждений на основе прецедентов в интеллектуальных системах поддержки принятия решений / П.Р. Варшавский, А.П. Еремеев // Искусствен. интеллект и принятие решений, № 1, 2009, с. 45-57.

3. Ульшин В.А. Модель диагностики кранов мостового типа / В.А. Ульшин, С.А. Климчук // Труды Луганского отделения Международной Академии информатизации. - 2009. - №2(20). - с. 61-71.

4. Рогушина Ю.В. Використання методу індуктивного виведення для вдосконалення онтології предметної області пошуку / Ю.В. Рогушина, І.Ю. Гришанова // Систем. дослідж. та інформ. технології. - 2007. - № 1. - c. 62-70.

диагностика грузоподъемных машин; модель прецедента; базы прецедентов; онтология прецедентов; система поддержки принятия решений