sisteme expert de marketing

Gheorghe Orzan Mihai Orzan

SISTEME EXPERT DE MARKETING

Editura URANUS

Bucureşti

1

© 2005 Editura Uranus Bucureşti, CP 7-62

Reproducerea acestei lucrări, chiar şi parţială, prin orice procedeu – fotocopiere, microfilmare, scanare, bandă magnetică, etc. este strict interzisă

şi intră sub incidenţa Legii nr.8/1996 privind drepturile de autor.

2

CUPRINS CAPITOLUL 1: ELEMENTE FUNDAMENTALE ALE SISTEMELOR EXPERT................................................5

1.1 CONCEPTUL DE SISTEM EXPERT ................................................................................................................................5 1.2 FUNCŢIILE SISTEMELOR EXPERT ...............................................................................................................................9 1.3 ARHITECTURA SISTEMELOR EXPERT........................................................................................................................11 1.4 METODE DE REPREZENTARE A CUNOŞTINŢELOR.....................................................................................................15

1.4.1 Reprezentări bazate pe logica formală .........................................................................................................16 1.4.2 Elemente de logica propoziţiilor ...................................................................................................................17 1.4.3 Elemente de logica predicatelor....................................................................................................................20 1.4.4 Regulile de producţie.....................................................................................................................................21 1.4.5 Reguli de producţie cu variabile.....................................................................................................................23 1.4.6 Tipologia regulilor de producţie ...................................................................................................................24 1.4.7 Metareguli .....................................................................................................................................................27 1.4.8 Cunoştinţe incerte..........................................................................................................................................28 1.4.9 Reprezentarea cunoştinţelor şi limbajele de programare..............................................................................31

CAPITOLUL 2: PREZENTAREA SISTEMELOR EXPERT DE MARKETING .................................................32 2.1 SISTEMELE EXPERT ŞI DECIZIA ÎN MARKETING........................................................................................................32 2.2 DOMENIILE DE UTILIZARE A SISTEMELOR EXPERT ÎN MARKETING ..........................................................................34 2.3 UTILIZAREA SISTEMELOR EXPERT ÎN DOMENIUL POLITICII DE PREŢ ........................................................................37 2.4 STRUCTURAREA CUNOŞTINŢELOR DE MARKETING PE BAZA METODEI ....................................................................40 ANALIZEI IERARHICE ....................................................................................................................................................40

2.4.1 Prezentarea metodei analizei ierarhice.........................................................................................................40 2.4.2 Validarea modelului conceptual...................................................................................................................43 2.4.3 Metoda analizei ierarhice în cadrul sistemelor expert ..................................................................................44

CAPITOLUL 3: PROIECTAREA SISTEMELOR EXPERT...................................................................................45 3.1 SISTEME EXPERT BAZATE PE REGULI DE PRODUCŢIE...............................................................................................45

3.1.1 Etapele ciclului de bază ale motorului de inferenţe ......................................................................................45 3.1.2 Strategiile de control în sistemele expert.......................................................................................................47 3.1.3 Modurile de raţionament specifice motorului de inferenţe...........................................................................49 3.1.4 Unificarea......................................................................................................................................................52

3.2 ETAPELE DE PROIECTARE A SISTEMELOR EXPERT ...................................................................................................53 3.2.1 Studiul de fezabilitate privind realizarea unui sistem expert.........................................................................53 3.2.2 Ciclul de viaţă al unui sistem expert .............................................................................................................54 3.2.3 Analiza preliminară ......................................................................................................................................56 3.2.4 Modelarea conceptuală.................................................................................................................................57 3.2.5 Colectarea cunoştinţelor ...............................................................................................................................61 3.2.6 Reprezentarea cunoştinţelor..........................................................................................................................62 3.2.7 Validarea sistemului ......................................................................................................................................63 3.2.8 Introducerea în exploatare şi menţinerea în funcţiune..................................................................................64

CAPITOLUL 4: GENERATOARE DE SISTEME EXPERT ...................................................................................65 4.1 ARHITECTURA GENERATOARELOR DE SISTEME EXPERT..........................................................................................65 4.2 PRINCIPALELE COMPONENTE SPECIFICE UNUI GSE.................................................................................................67

4.2.1 Editorul...........................................................................................................................................................67 4.2.2 Trasorul .........................................................................................................................................................67 4.2.3 Motorul de elaborare.....................................................................................................................................68 4.2.4 Invăţare ..........................................................................................................................................................69

4.3 PROGRAMAREA ÎN STIL “SISTEM EXPERT” ..............................................................................................................70 4.4 TIPURI DE GENERATOARE DE SISTEME EXPERT .......................................................................................................71

4.4.1 Generatorul de sisteme Argument-Decidex...................................................................................................71 4.4.2 Generatorul de sisteme expert H-Expert .......................................................................................................73 4.4.3 Generatorul de sisteme expert M.4................................................................................................................74 4.4.4 Generatorul de sisteme expert Clips..............................................................................................................75 4.4.5 Generatorul de sisteme expert Acquire .........................................................................................................76

3

CAPITOLUL 5: PREZENTAREA GENERATORULUI DE SISTEME EXPERT VP-EXPERT ....................... 77 5.1 STRUCTURA BAZEI DE CUNOŞTINŢE ....................................................................................................................... 78

5.1.1 Blocul de acţiuni ........................................................................................................................................... 79 5.1.2 Regulile ......................................................................................................................................................... 83 5.1.3 Declaraţiile ................................................................................................................................................... 84 5.1.4 Variabile VP-Expert ..................................................................................................................................... 85

5.2 COMENZI VP-EXPERT............................................................................................................................................ 86 CAPITOLUL 6: PROIECTAREA SISTEMULUI EXPERT DE MARKETING UTILIZÂND PACHETUL VP-EXPERT.......................................................................................................................................................................... 89

6.1 ANALIZA PROCESULUI DE LANSARE PE PIAŢĂ A UNUI NOU PRODUS......................................................................... 89 6.1.1 Elementele procesului de creaţie şi lansare a noilor produse ...................................................................... 89 6.1.2 Aplicarea metodei analizei ierarhice în studiul lansării noilor produse...................................................... 93 6.1.3 Descompunerea procesului de lansare a produsului.................................................................................... 94

6.2 MODELAREA CONCEPTUALĂ A PROCESULUI DE LANSARE A UNUI NOU PRODUS .................................................... 96 6.2.1 Crearea arborelui de decizie ......................................................................................................................... 96 6.2.2 Ponderarea arborelui de decizie................................................................................................................. 100

6.3 IMPLEMENTAREA SISTEMULUI EXPERT DE EVALUARE A LANSĂRII PE PIAŢĂ ................................................. 105 A UNUI NOU PRODUS................................................................................................................................................... 105 6.4 CREAREA GRILEI DE EVALUARE........................................................................................................................... 107

4

1 Elemente fundamentale ale sistemelor expert 1.1 Conceptul de sistem expert Sistemele expert sunt sisteme de programe bazate pe tehnicile inteligenţei

artificiale care înglobează cunoştinţele experţilor umani dintr-un domeniu bine definit şi

apoi le folosesc pentru rezolvarea problemelor dificile din acest domeniu.

In esenţă acestă tehnologie permite reproducerea pe cale artificială a

raţionamentului uman, conturându-se trei curente principale de abordare metodologică a

raţionamentului artificial1:

Abordarea cognitivă în care raţionamentul natural este privit ca o suită de stări şi

procese mentale care transformă datele de intrare în date de ieşire iar raţionamentul

artificial încearcă să reproducă aceste stări mentale şi procese. In cadrul realizărilor

inteligenţei artificiale cognitive există metode de modelare ce au servit ca suport pentru

implementarea unor sisteme software de tipul sistemelor de gestiune a colecţiilor de date

numite sisteme de gestiune a bazelor de cunoştinţe.

Modul de abordare cognitiv conduce la următoarea definiţie a inteligenţei

artificiale: Inteligenţa artificială este o tehnologie informatică care s-a dezvoltat pe baza

studiului raţionamentului uman fiind un ansamblu de tehnici şi metode care permit

captarea cunoştinţelor umane şi prelucrarea lor simbolică.

Abordarea pragmatică în care raţionamentul uman este privit tot ca o suită de

stări şi procese mentale care transformă datele de intrare în date de ieşire dar

raţionamentul artificial încearcă doar să simuleze simptomele de inteligenţă adică să

producă aceleaşi date de ieşire pentru aceleaşi date de intrare (conceptul de “cutie

neagră”). In această abordare au fost concepute primele sisteme de inteligenţă artificială

cu un înalt grad de utilitate denumite sisteme expert.

Sistemele expert din primele generaţii au implementat conceptul de cutie neagră

încercând să facă abstracţie de orice model al cunoaşterii. Noile generaţii sunt mai

flexibile însuşindu-şi metode ale orientării cognitive.

Modul de abordare pragmatic stă la baza unei alte definiţii a inteligenţei artificiale:

Inteligenţa artificială este acea parte a informaticii care are drept scop executarea

pe calculator a unor sarcini pe care omul într-un context dat le poate face mai bine decât

maşina.

5

Abordarea conexionistă în care raţionamentul natural este privit ca o suită de

stări şi procese neuronale iar raţionamentul artificial încearcă să reproducă mecanic

acestă activitate neurologică a creierului uman. In acest mod de abordare se includ

reţelele neuronale, sisteme care imită organizarea şi funcţionarea materiei cenuşii.

In timp ce informatica clasică este definită ca fiind ştiinţa prelucrării automate a

datelor, informatica inteligentă este ştiinţa prelucrării automate a cunoştinţelor.

Informatica clasică are la bază noţiunea de prelucrare algoritmică iar informatica

inteligentă are la bază noţiunea de prelucrare simbolică in care dispare distincţia dintre

date şi programe. Văzută din acestă perspectivă inteligenţa artificială este acea parte a

informaticii care se ocupă cu rezolvarea unor probleme prin prelucrare simbolică,

nealgoritmică a informaţiilor.

Sistemele expert fac parte din clasa sistemelor cu inteligenţă artificială

pragmatică, deţinând un număr mare de cunoştinţe care să acopere în principiu toate

situaţiile posibile care pot apare în funcţionarea unui sistem social, tehnic sau economic.

Dacă sistemele expert au fost dezvoltate la început în domeniul tehnic şi medical,

în ultimul timp se asistă la o extindere acestora în domeniul economic. După preluarea

cunoştinţelor expertului uman, sistemele expert multiplică şi explicitează experienţa

acestuia, fapt foarte important ştiut fiind că un expert uman într-un domeniu se formează

greu şi necesită pe lângă pregătirea şi experienţa profesională şi calităţi native.

Sistemele expert fac parte dintr-o gam\ de instrumente indispensabile pentru

realizarea de sisteme automate sau interactive capabile s\ efectueze sarcini complexe. Nu

se pot ignora toate raţionamentele calitative şi simbolice care formeaz\ baza

managementului unei întreprinderi. Inc\ de la început sistemele expert au avut asociate

instrumente de cercetare operaţional\ care au facilitat construirea de sisteme de asistare

foarte complexe pentru diagnostic financiar, asistarea concepţiei produselor în

întreprinderi şi în organizarea producţiei.

Pentru definirea sistemelor expert este necesară o partajare a cunoştinţelor

expertului uman dintr-un anumit domeniu. Astfel un expert uman recunoaşte şi rezolvă

probleme din domeniul său de expertiză având o capacitate crescută de a se orienta în

aspecte precum: complexitatea, incertitudinea, inconsistenţa şi aprecierile vagi. Pornind de

aici, expertul uman trebuie să aducă problema în stadiul în care lucrurile sunt cât mai

simple, complete, precise, consistente şi clare. Problema este trecută din sfera expertizei

în sfera cunoştinţelor comune de specialitate. In general, expertul uman acţioneză într-o

clasă de probleme slab structurate pentru care nu se pot defini algoritmi de rezolvare.

1 Năstase P., Zaharie D., Sisteme expert: teorie şi aplicaţii, Dual Tech, Bucureşti, 1999

6

Sistemul expert, încercând să imite expertul uman, prezintă caracteristicile:

- cunoştinţele sunt independente de mecanismul de raţionament, nu depind unele

de altele iar modificarea unui element nu influenţează raţionamentul;

- sistemul expert trebuie să fie capabil să explice raţionamentele făcute şi să

argumenteze soluţiile obţinute;

- cunoştinţele folosite de sistemele expert sunt în principal de natură simbolică;

- sistemul expert trebuie să poată gestiona baze de cunoştinţe de volum mare şi

să trateze cunoştinţe inexacte şi incomplete;

- sistemul expert utilizează metode empirice, bazate pe experienţă, care conduc la

soluţiile cele mai bune;

- sistemul expert este specializat într-un anumit domeniu şi nu în rezolvarea unei

singure probleme.

Sistemele expert sunt total dependente de calitatea şi volumul cunoştinţelor

înmagazinate pe care apoi le folosesc pentru a simula raţionamentul uman şi de a realiza

procese deductive. Se impune astfel formalizarea cunoştinţelor prin diferite metode de

reprezentare a acestora pe baza fenomenului de cunoaştere.

Cunoaşterea este sinteza următoarelor concepte fundamentale proprii:

• fapte;

• reguli;

• strategii de raţionament.

Faptele sunt structuri de date complexe cu o semantică şi o semnificaţie proprie

derivată din sfera domeniului abordat.

Regulile sunt modalităţi de reprezentare şi utilizare a faptelor în procesul de

prelucrare a cunoştinţelor.

Distincţia dintre fapte şi reguli este evidenţiat\ de reprezentarea cunoştinţelor.

Strategiile de raţionament denumite şi metode euristice, exprimă sintetic

modalitatea de utilizare a regulilor, prin intermediul unui anumit tip de raţionament:

deductiv, inductiv sau mixt.

Prelucrarea cunoştinţelor necesită un sistem de stocare şi manipulare a

cunoştinţelor de natură să permită declanşarea şi emiterea de raţionamente. La nivelul

sistemelor expert se folosesc structuri de cunoştinţe cu funcţii similare structurilor de date

utilizate în stocarea şi prelucrarea de date.

7

Particularităţile cunoştinţelor referitoare la un domeniu dat sunt:

- cunoştinţele exprimă informaţii specifice pentru anumite clase de obiecte de

natură materială sau conceptuală;

- cunoştinţele sunt valabile şi dependente strict de starea şi evoluţia domeniului de

referinţă;

- cunoştinţele pot fi incomplete datorită caracterului lor implicit pentru expertul

uman şi dificil de formulat şi transmis calculatorului;

- cunoştinţele sunt integrabile în anumite limite deoarece acestea pot fi fixe sau

variabile, certe sau incerte, exacte sau inexacte.

8

1.2 Funcţiile sistemelor expert Principalele funcţii pe care le poate avea un sistem expert sunt1:

- interpretare: traducerea de semnale provenite din captarea de exemple sau de

date brute în expresii simbolice care pot fi folosite în raţionamente;

- diagnostic: stabilirea unei corelaţii între caracteristici sau simptome şi situaţii tip;

- formare: transmiterea de cunoştinţe unei persoane al cărei nivel şi caracteristici

fac obiectul unui diagnostic de învăţare foarte bine adaptată. Această transmitere de

cunoştinţe sau de a şti ce trebuie făcut se poate baza pe diagnostic, întreţinere, etc;

- supraveghere: declanşarea unei alarme în condiţii determinate care pot evolua

cu contextul sau trimiterea unei dări de seamă plecând de la semnale interpretate şi

folosite într-un diagnostic;

- previziune: descrierea unei situaţii prin anticipare, plecând de la o situaţie

curentă prin intermediul unui model construit pe o bază istorică sau prin învăţare;

- simulare: deducţia, plecând de la un model al consecinţelor acţiunilor sau

evenimente declanşate de către sistemul aflat în curs de derulare a simulării;

- planificare: definirea în timp şi în spaţiu a acţiunilor care permit atingerea unei

stări finale prin compararea stării curente cu starea dorită prevând consecinţele de

acţiune într-o manieră care să permită respectarea restricţiilor impuse de mediu, nivelul

resurselor disponibile şi consecinţele previzibile ale interacţiunilor dintre stări şi acţiuni sau

dintre stări succesive;

- întreţinere: planul de acţiune particular care decurge dintr-un diagnostic ce

evidenţiază punctele slabe ale unui sistem indicând şi cauzele. Planul de acţiune constă în

furnizarea instrucţiunilor necesare pentru remediere;

- concepţie: mulţimea de alegeri şi de decizii care permit, plecând de la

performanţele fixate prin diagnosticare, să se determine caietul de sarcini pentru un scop

ce trebuie îndeplinit în funcţie de nevoile exprimate la un moment dat. De asemenea se

are în vedere furnizarea unor mijloace pentru a se atinge acest obiectiv definind

caracteristicile unui produs sau ai unui proces care respectă caietul de sarcini;

- controlul şi pilotajul: mulţimea de acţiuni aplicate unui sistem după informaţiile

care rezultă din supravegherea sistemului şi din anticiparea situaţiilor care asigură, printr-

o întreţinere permanentă şi un răspuns adaptat la diverse situaţii, o funcţionare a

1 Benchimol G., Levine P., Pomerol J. C., Sisteme expert în întreprindere, Editura tehnică, Bucureşti, 1993

9

sistemului cât mai apropiată de cea normală definită prin valorile posibile şi programul

care rezultă dintr-o planificare adecvată;

- bibliotecă: ajută la accesarea, organizarea şi interpretarea informaţiilor necesare

îndeplinirii unei anumite sarcini;

- consiliere: sintetizează şi distribuie informaţia aferentă unei expertize de

specialitate care este solicitată de către utilizator;

- asistenţă generală: preia anumite sarcini de rutină pentru a permite persoanei să

se ocupe doar de aspectele importante ale muncii.

Intr-un sistem real aceste funcţiuni de bază sunt adesea combinate între ele.

Astfel funcţiile cele mai utilizate sunt: diagnostic/întreţinere (circa 45% din aplicaţii),

concepţie şi planificare (20%), interpretare (20%) şi control/pilotaj/supraveghere (15%).

Ultima funcţiune se află în creştere constantă, ea fiind frecvent asociată cu aceea de

diagnostic şi de planificare.

Plecând de la aceste funcţiuni se pot defini domeniile de aplicare ale sistemelor

expert. Referitor la numărul de aplicaţii, din punct de vedere cronologic, primele au apărut

în domeniul medicinei şi biologiei. Funcţiile utilizate sunt de diagnostic şi de prescripţii

terapeutice. Diagnosticul tehnic şi de întreţinere (cercetări privind cauzele penelor,

incidentelor) a făcut obiectul a numeroase sisteme expert în domeniul informaticii,

electronicii, geologiei şi ingineriei.

In domeniul economic funcţiile de diagnostic şi de formare a vânzătorilor sunt în

centrul preocupărilor elaboratorilor. In realizarea aplicaţiilor în domeniul asistării deciziilor,

funcţiile de planificare, diagnostic şi de simulare se pot combina. In domeniile planificării şi

evaluării deciziilor strategice astfel de sisteme s-au elaborat deja.

Funcţia de interpretare a fost utilizată în chimie, biochimie iar în aplicaţiile militare

s-a folosit o combinaţie a acesteia cu funcţia de planificare. In domeniul învăţării aplicaţiile

se află încă într-o fază incipientă. In ceea ce priveşte controlul şi conducerea sistemelor

complexe există tot mai multe aplicaţii mai ales în informatică şi în inginerie. Referitor la

concepţia sau configurarea sistemelor complexe există deja sisteme operaţionale în

electronică şi chimie şi mai puţin în informatică.

In final se poate constata că în domeniul industriei funcţiile de diagnostic şi de

întreţinere ocupă primul loc. Ele sunt urmate de cele de control şi conducerea proceselor,

asistarea concepţiei şi a deciziei.

10

1.3 Arhitectura sistemelor expert Infrastructura generală a unui sistem expert cuprinde următoarele elemente

fundamentale (prezentate în figura 1.1):

1) Domeniul de activitate: sursa de furnizare a cunoştinţelor expertizate de către

expertul uman fiind locul de unde provin problemele supuse spre rezolvare unui sistem

expert.

2) Expertul uman: persoana, grupul de persoane capabile să transforme problema

de rezolvat din zona expertizei în zona cunoştinţelor generale şi de specialitate. Acest

expert formalizează cunoştinţele într-o formă înţeleasă şi acceptabilă din punctul său de

vedere.

3) Cogniticianul (inginerul de cunoştinţe): are rolul analistului din sfera proiectării

sistemelor informatice, deci în particular îndeplineşte sarcina de preluare şi modelare

conceptuală a cunoştinţelor furnizate de către expertul uman, de o manieră compatibilă cu

metodele de reprezentare a cunoştinţelor de către baza de cunoştinţe a sistemului expert.

4) Modulul de transformare a cunoştinţelor: are rolul de conversie a cunoştinţelor

din formatul de exprimare al cogniticianului în formatul intern de memorare specific

suportului tehnic pe care va fi memorată baza de cunoştinţe. Totodată acest modul

asigură şi interfaţa de comunicare cu baza de date sau cu alte sisteme. Pe viitor,

calculatoarele din generaţia a cincea vor permite achiziţia de cunoştinţe în limbaj natural,

ceea ce va duce la o dezvoltare rapidă a sistemelor expert.

5) Baza de cunoştinţe: conţine “obiectele” lumii reale şi relaţiile dintre acestea

selectate din domeniul abordat şi transmise pe itinerariul expert-cogntician-modul de

transformare a cunoştinţelor. Sunt mai multe metode de reprezentare a cunoştinţelor

dintre care cele mai importante sunt: regulile de producţie, reţelele semantice şi cadrele.

Procesul de creare a bazei de cunoştinţe care constă în preluarea acestora de la

expertul uman, modelarea de către cognitician în conformitate cu cerinţele metodei de

reprezentare, introducerea în bază şi validare este destul de laborios şi necesită o

conlucrare permanentă între cognitician şi expert. Acest proces presupune foarte multe

iteraţii şi teste în cursul cărora însuşi expertul uman poate fi pus în dificultate pentru

argumentarea unor opţiuni.

Baza de cunoştinţe este structural formată din baza de fapte şi baza de reguli.

11

6) Baza de fapte: conţine datele unei probleme concrete care urmează să fie

rezolvată (formularea problemei) precum şi faptele rezultate în urma raţionamentelor

efectuate de motorul de inferenţă asupra bazei de cunoştinţe.

7) Baza de reguli: conţine regulile prin aplicarea cărora, pornind de la faptele

cunoscute, pot fi incluse în baza de fapte informaţii noi denumite fapte deduse. In

continuare se pot aplica din nou regulile rezultând alte fapte noi până în momentul în care

se va formula concluzia sau scopul final.

8) Motorul de inferenţe: este elementul efectiv de prelucrare în sistemul expert

care pornind de la fapte (datele de intrare ale problemei) activează cunoştinţele

corespunzătoare din baza de cunoştinţe construind astfel raţionamente care conduc la

fapte noi. Acesta construieşte un plan de rezolvare în funcţie de specificul problemei,

utilizând cunoştinţele din domeniul respectiv.

In urma acţiunii motorului de inferenţe, baza de cunoştinţe se îmbogăţeşte fie prin

adăugarea unor elemente noi, fie prin modificarea celor existente. Motorul de inferenţe

este un program care implementează algoritmii de raţionament (deductiv, inductiv sau

mixt) dar care este independent de baza de cunoştinţe.

9) Modulul de verificare-explicare: are rolul de a prezenta într-o formă larg

accesibilă (limbaj natural) justificarea raţionamentelor efectuate de motorul de inferenţe şi

totodată întrebările la care trebuie să răspundă utilizatorul. Acest modul este util şi

expertului uman pentru verificarea coerenţei bazei de cunoştinţe.

10) Interfaţa cu utilizatorul: realizează dialogul utilizatorului cu sistemul expert în

sensul specificării datelor de intrare şi al furnizării rezultatelor problemei de rezolvat

printr-un sistem de ferestre, imagini, meniuri.

Toate elementele componente ale unui sistem expert (mai puţin baza de

cunoştinţe) formează aşa numitul “sistem esenţial”. Acest sistem permite dezvoltarea

rapidă de sisteme expert prin crearea unor noi baze de cunoştinţe, operaţie cunoscută sub

numele de “instanţiere a unui sistem esenţial”. Acest lucru este posibil deoarece algoritmii

de raţionament implementaţi în motorul de inferenţă sunt aceeaşi. Cu toate acestea nu se

poate construi un mecanism universal de inferenţă pentru toate domeniile de expertiză.

12

Toate elementele prezentate mai sus pot fi structurate în patru componente după

cum este prezentat în tabelul 1.1:

Componentele sistemului expert Conţinut

A) Furnizarea cunoştinţelor 1) domeniul de activitate

2) expertul uman

3) cogniticianul

4) modul de transformare a cunoştinţelor

B) Reprezentarea cunoştinţelor 5) baza de cunoştinţe

6) baza de fapte

7) baza de reguli

C) Prelucrarea cunoştinţelor 8) motorul de inferenţe

9) modul de verificare-explicare

D) Utilizarea cunoştinţelor 10) interfaţa cu utilizatorul

11) utilizatorul

Tabelul 1.1: Componentele sistemelor expert Sursa: Davidescu N.D., Arhitectura sistemelor expert, Editura didactică şi pedagogică, Bucureşti, 1997

13

EXPERT

COGNITICIAN

MODUL DE TRANSFORMARE A CUNO{TIN}ELOR

MOTOR DE INFERENŢE MODUL DE VERIFICARE - EXPLICARE

INTERFAŢA UTILIZATOR

UTILIZATOR

BAZA DE FAPTE BAZA DE REGULI

BAZA DE CUNO{TIN}E

Fig. 1.1: Arhitectura unui sistem expert

DOMENIU DE ACTIVITATE

Sursa: Năstase P., Zaharie D., Sisteme expert: teorie şi aplicaţii, Dual Tech, Bucureşti, 1999

14

1.4 Metode de reprezentare a cunoştinţelor Capacitatea sistemelor expert de a furniza rezultate utile depinde de calitatea şi

volumul cunoştinţelor de care acesta dispune şi pe care le poate folosi pentru efectuarea

de raţionamente. Simularea raţionamentului uman de către sistemele expert prin

raţionamente artificiale este posibilă datorită a doi factori esenţiali:

• reprezentarea cunoştinţelor;

• desfăşurarea de procese deductive.

Cunoaşterea se întemeiază pe 3 concepte fundamentale1:

• Faptele: informaţii elementare prin care se surprind şi se descriu elementele

domeniului de referinţă;

• Regulile: legi prin care se activează şi se utilizează faptele;

• Strategiile de raţionament (metode euristice): metode de utilizare a regulilor pentru

obţinerea scopului urmărit.

Memorarea şi utilizarea cunoştinţelor este posibilă datorită dezvoltării conceptului

de structuri de cunoştinţe similare cu structurile de date utilizate în sistemele informatice.

Surprinderea exactă a cunoştinţelor într-un format de reprezentare este condiţionată de o

serie de particularităţi specifice cunoştinţelor precum:

• Cunoştinţele pot fi certe sau incerte, fixe sau modificabile, complete sau

incomplete, diferenţiere la care formalismul de reprezentare trebuie să răspundă cât mai

bine. Cunoştinţele referitoare la un anumit domeniu sunt în general incomplete deoarece

fiind implicite pentru expertul uman sunt omise în reprezentarea pe calculator fiind dificil de

transmis şi formulat. Se impune astfel găsirea unor modalităţi de reprezentare şi de

raţionament în condiţii de incertitudine.

• Cunoştinţele sunt referitoare la clase sau grupuri de “obiecte” de natură

materială sau conceptuală. Nu este exclus ca în cadrul acestora să existe elemente care

fac excepţie sau sunt chiar în contradicţie cu proprietăţile clasei din care fac parte.

• Cunoştinţele sunt variabile datorită modificărilor intervenite în domeniul

referenţiat. Cum multe dintre ele sunt în strânsă interdependenţă, schimbarea anumitor

informaţii poate antrena indirect actualizarea altor informaţii devenite perimate prin

modificarea celor dintâi. Aceste schimbări pot fi extrem de diverse, începând cu conţinutul

şi terminând cu însăşi tipul informaţiilor.

1 Davidescu N.D., Arhitectura sistemelor expert, Editura didactică şi pedagogică, Bucureşti, 1997

15

Cunoştinţele utilizate de către sistemele expert pot fi1:

1) Cunoştinţe afirmative: date primare structurate într-o bază de fapte.

Ex: vânzări medii zilnice = X lei;

2) Cunoştinţe operatorii: sunt utilizate în interiorul regulilor pentru a se simula un

raţionament sau un mod de acţiune.

Ex: dacă “aprovizionarea este ritmică” şi “consumul este constant”

atunci “mărimea stocurilor de siguranţă rămâne nemodificată” 3) Cunoştinţe strategii de control: indică ordinea de aplicare a regulilor şi modul de

rezolvare al problemei.

Deosebirea dintre aceste tipuri de cunoştinţe depinde de modelarea situaţiei

concrete şi de specificul problemei de rezolvat. De multe ori regulile pot deveni fapte.

Reprezentarea cunoştinţelor adaptată practic la nivelul sistemului expert depinde în mare

parte de rezolvarea inteligentă şi eficientă a problemei propuse.

1.4.1 Reprezentări bazate pe logica formală Deşi logica a fost concepută pentru a putea modela raţionamentul, ea este

deosebit de utilizată şi pentru reprezentarea cunoştinţelor. Formalismul logic este lipsit de

ambiguitate şi permite descrierea realităţii prin formulări concise. Referitor la deducerea

de noi informaţii, ea se bazează pe reguli de inferenţă care pot fi tratate sintactic în

calculator prin procese de unificare şi filtraj.

Formalismul logic permite reprezentarea cunoştinţelor sub formă de2:

• propoziţii;

• predicate;

• expresii de calcul logic.

In felul acesta se dispune de un formalism care poate fi utilizat atât pentru reprezentarea

cunoştinţelor cât şi pentru efectuarea raţionamentelor. Metodele de reprezentare specifice

acestui tip sunt regulile de producţie, cu sau fără variabile. Ele sunt frecvent utilizate în

realizarea de sisteme expert încât au devenit aproape sinonime cu acest termen.

1 Davidescu N.D., Arhitectura sistemelor expert, Editura didactică şi pedagogică, Bucureşti, 1997 2 Năstase P., Zaharie D., Sisteme expert: teorie şi aplicaţii, Dual Tech, Bucureşti, 1999

16

1.4.2 Elemente de logica propoziţiilor Logica propoziţiilor este definită ca un limbaj formal compus din1: alfabet, sintaxă,

axiome şi reguli de deducţie.

Alfabetul este constituit din următoarele simboluri:

• propoziţii: notate A, B, C;

• simboluri (conectori): ^(Şi), v(SAU),¬(NU),⇔(echivalenţa),⇒(implicaţia);

• paranteze: (,).

Propoziţiile reprezintă în logică aserţiuni care pot fi adevărate sau false.

Ex: O acţiune are o valoare nominală. – adevărat;

Cota de piaţă este o mărime absolută. – fals.

Propoziţiile pot fi elementare sau compuse. Propoziţiile elementare sunt aserţiuni

simple ce descriu o parte a domeniului de referinţă. Propoziţiile compuse se realizează

prin îmbinarea propoziţilor simple prin intermediul conectorilor logici: Şi, SAU, NU.

Conjuncţia este propoziţia compusă prin intermediul conectorului Şi, în timp ce disjuncţia

este o propoziţie compusă prin intermediul conectorului SAU.

Adevărul propoziţiilor compuse depinde numai de adevărul sau falsitatea

propoziţiilor care le compun, oricare ar fi conţinutul concret al acestora.

Ex: Dacă A şi B sunt 2 propoziţii elementare, atunci adevărul propoziţiilor compuse

obţinute pe baza lor se stabileşte conform regulilor:

• A Şi B este adevărată dacă atât A cât şi B sunt adevărate;

• A SAU B este adevărată dacă fie A, fie B, fie amândouă sunt adevărate;

• NU (A) este adevărată dacă A este falsă.

In cazul folosirii mai multor conectori, evaluarea se face în ordinea:

• prioritate absolută are conectorul NU;

• Şi are prioritate faţă de SAU.

Ordinea de evaluare într-o propoziţie poate fi modificată cu ajutorul parantezelor.

Parantezele pot fi suprimate când nu există ambiguităţi. De exemplu (A⇒B) se

mai poate scrie A⇒B.

Alături de conectorii logici, propoziţiile mai pot fi legate prin relaţii de implicaţie şi

echivalenţă.

• implicaţia are sensul “dacă A atunci B” (A⇒B)

• echivalenţa are sensul “A dacă şi numai dacă B” (A⇔B)


17

Sintaxa defineşte formule bine formate (f.b.f). Se spune că o formulă este bine

formată dacă ea este construită în conformitate cu regulile următoare:

- propoziţiile sunt formule bine formate;

- dacă A şi B sunt formule bine formate, atunci expresiile următoare sunt de

asemenea formule bine formate:

(A Şi B), (A SAU B), NU (A), (A ⇒ B).

Ex: “(A ⇒ B) ⇒ C” este o f.b.f, însă “(A ⇒ B) ⇒” nu este o f.b.f.

Axiomele care fixează regulile de demonstrare a teoremelor din acest limbaj sunt1:

(1) A ⇒ (B ⇒ A)

(2) (A⇒B) ((A ⇒ (B ⇒ C)) ⇒ (A ⇒ C))

(3) A ⇒ (B ⇒ (A ^ B))

(4) A ^ B ⇒ A ; A ^ B ⇒ B

(5) A ⇒ A v B ; B ⇒ A v B

(6) (A⇒C) ⇒ ((B ⇒ C) ⇒ ((A v B) ⇒C))

(7) (A⇒B) ⇒ ((A⇒¬B) ⇒¬A)

(8) (¬¬A) ⇒ A

O formulă a limbajului formal de mai jos este adevărată dacă ea coincide cu o

axiomă sau sau dacă ea poate fi demonstrată plecând de la axiome cu ajutorul unei reguli

de deducţie care este unică, numită modus ponens sau regulă de separare:

Dacă A este adevărat şi dacă (A ⇒ B) este adevărată, atunci B este adevărat.

In logica formală calea cea mai importantă de a deduce noi propoziţii o constituie

silogismele. Un silogism utilizează implicaţia (⇒) pentru a deduce o concluzie. Acest tip

de silogism se aplică în sistemele expert, într-o variantă mai restrictivă, sub forma regulilor

de producţie. Sistemele expert comercializate funcţionează numai pe principiile “modus

ponens”. Modus ponens este orientat de concluzia pe care vrem să o obţinem. Aceasta ne

trimite la expertul sau utilizatorul care trebuie să ştie ce vrea. Altfel spus, un sistem expert

este totdeauna specializat şi orientat.

Raţionamentul prin absurd se exprimă prin egalitatea:

(A ⇒ B) = ((NU B) ⇒ (NU A)), care arată că NU(B) şi A trebuie să conducă la o

contradicţie. Altfel exprimat, aceasta revine la a spune că dacă (A ⇒ B) este adevărat şi

dacă B este fals, atunci A este fals. Acest mod de raţionament se numeşte modus tollens.


18

O formulă care s-a obţinut plecând de la axiome şi de la regula de deducţie este o

formulă adevărată. Nu este uşor de arătat cu ajutorul acestei metode că o formulă este

adevărată.

Se poate construi pentru toate cazurile o tabelă de adevăr pentru fiecare conector.

Tabelul 1.2 conţine toate valorile de adevărat sau fals ale propoziţiilor NU(A), A SI B, A

SAU B, A ⇒ B corespunzătoare valorilor de adevărat sau fals atribuite propoziţiilor A şi B.

Propoziţia

A

Propoziţia

B

Negaţia

NU(A)

Conjuncţia

A SI B

Disjuncţia

A SAU B

Inferenţa

A ⇒ B

adevărat adevărat fals adevărat adevărat adevărat

adevărat fals fals fals adevărat fals

fals adevărat adevărat fals adevărat adevărat

fals fals adevărat fals fals adevărat

Tabelul 1.2: Tabela de adevăr

Utilizând principiul tabelei de adevăr se poate verifica uşor că o formulă este

adevărată. Aceasta se face mult mai uşor prin utilizarea algebrei Boole care traduce în

limbaj algebric operaţiile care corespund conectorilor amintiţi mai sus.

Alături de silogism ca instrument fundamental de inferenţă, logica propoziţiilor

oferă şi o serie de relaţii de echivalenţă (⇔), utile pentru a transforma propoziţiile în

scopul simplificării evaluării lor (tabelul 1.3).

Relaţia de echivalenţă Conţinutul relaţiei

simetria A SAU B = B SAU A

A SAU B = B SAU A

reversibilitatea NU (NU A) = A

asociativitatea (A SAU B) SAU C = A SAU (B SAU C)

(A Şi B) Şi C = A Şi (B Şi C)

distributivitatea A SAU (B Şi C) = (A SAU B) Şi (A SAU C)

A Şi (B SAU C) = (A Şi B) SAU (A Şi C)

legile lui Morgan NU (A SAU B) = (NU A) Şi (NU B)

NU (A Şi B) = (NU A) SAU (NU B)

Tabelul 1.3: Conţinutul relaţiilor de echivalenţ\

19

1.4.3 Elemente de logica predicatelor Logica predicatelor asigură descompunerea propoziţiilor elementare în

componentele sale. De exemplu din propoziţia “Cota de piaţă este în scădere”, prin

ignorarea subiectului se deduce formula “… este în scădere”. Prin utilizarea spaţiului liber

cu alte valori se pot obţine propoziţii adevărate sau false. Aceste expresii cu un singur

element sunt predicate. Expresiile în care 2 sau mai multe elemente sunt libere se numesc relaţii.

Ex: A – este reprezentat de – B

A – este în relaţie contractuală cu – B

A – este în cooperare tehnologică cu – B

Se poate scrie într-o formă sintetică că A este în relaţia R cu B, adică: A R B în

care predicatele “este reprezentat de”, “este în relaţie contractuală cu”, “este în cooperare

tehnologică cu” sunt substituite prin variabila R.

Reprezentarea cunoştinţelor se poate face în două feluri:

• prin logica propoziţiilor de ordinul întâi : utilizarea variabilelor în declararea

faptelor şi regulilor este admisă numai pentru subiecte;

• prin logica propoziţiilor de ordinul doi: utilizarea variabilelor pentru declararea

faptelor şi regulilor este admisă pentru subiecte şi predicate.

Logica propoziţiilor de ordinul întâi poate fi considerată un limbaj la fel ca logica

propoziţiilor. Prin extensia logicii propoziţiilor se poate defini domeniul de calcul al

predicatelor.

Astfel pornind de la limbajul definit în paragraful precedent se mai pot adăuga la

alfabet următoarele elemente:

- constante: a, b, c, . . .

- variabile: x, y, z, . . .

- predicatele: P, Q, R, . . .

- simbolurile: ∀ (universalitate: pentru orice valori),

∃ (existenţă: pentru cel puţin o valoare)

- virgula (care se adaugă la paranteze).

Fiecărui simbol al predicatului i se asociază o pondere n (ce poate fi un număr

întreg pozitiv sau nul).

Pentru a interpreta calculul predicatelor trebuie să considerăm că constantele sunt

elementele unui domeniu de interpretare D. Vom numi asignarea variabilei x ca fiind orice

valoare pe care aceasta o poate lua în domeniul D.

20

Un predicat de pondere n (n>0) este o funcţie definită în domeniul Dn cu valori în

mulţimea {adevărat, fals}. Un predicat este deci adevărat sau fals în funcţie de valorile

argumentelor sale. Un predicat de pondere 0 este o propoziţie adevărată sau falsă.

Sintaxa acestui limbaj este definită prin aplicarea următoarelor reguli:

• Constantele şi variabilele sunt argumente.

• Formulele bine formate ale acestui limbaj (închise) sunt definite inductiv astfel:

- Dacă P este un predicat de pondere n şi dacă t1, . . ., tn sunt n argumente

Atunci P(t1, . . ., tn) este o formulă (atomică sau atom).

- Dacă A şi B sunt formule bine formate

Atunci (A Şi B), (A SAU B), NU (A), (A ⇒ B) sunt formule bine formate.

• La axiomele logicii propoziţiilor se mai adaugă axiomele:

- Axioma de specializare universală: (∀x, P(x)) ⇒ P(a) care afirmă că dacă pentru

toţi x proprietatea P(x) este adevărată, atunci P(a) este adevărată pentru toţi cei care

aparţin lui D.

- Axioma de generalizare existenţială: P(a) ⇒ (∃x, P(x)) care exprimă faptul că

dacă există un element a din domeniul de interpretare astfel ca P(a) să fie adevărat,

atunci există x astfel ca P(x) să fie adevărat.

1.4.4 Regulile de producţie Regulile de producţie constituie una dintre primele modalităţi de reprezentare a

cunoştinţelor utilizate în realizarea de sisteme expert fiind bazate pe logica propoziţiilor în

care faptele şi regulile sunt entităţi constante (invariabile).

Datorită limitărilor inerente unei asemenea soluţii s-a trecut la o altă modalitate de

reprezentare bazată pe logica predicatelor în care faptele şi regulile pot include entităţi

generice, ceea ce le conferă un grad mult mai ridicat de generalitate. Deoarece entităţile

generice sunt specificate prin intermediul variabilelor, acestă metodă de reprezentare este

denumită reguli de producţie cu variabile.

Un sistem de producţie este un sistem în care regulile de producţie sunt predefinite

şi permit generarea de elemente noi. De exemplu regulile gramaticale dintr-un limbaj indic\

modul cum pot fi construite corect frazele plecând de la cuvinte. Regulile de producţie

care vor fi analizate sunt reguli de acţiune ele permiţând fie s\ se acţioneze, fie s\ se

îmbog\ţeasc\ informaţia înainte de a se acţiona.

21

Reprezentarea cunoştinţelor prin reguli de producţie se face prin două tipuri de

structuri: faptele şi regulile.

Faptele constituie informaţii elementare prin care se asigură descrierea unor

detalii privitoare la un domeniu de referinţă. Totalitatea faptelor reprezentate într-un sistem

expert constituie baza de fapte. Faptele sunt reprezentate practic prin propoziţii:

Ex: Rata inflaţiei este ridicată.

Stocurile de materiale cresc.

Spre deosebire de aplicaţiile informatice tradiţionale, un sistem expert construieşte

soluţia unei probleme printr-o înlănţuire de procese deductive. Faptele singure nu permit

însă deducerea de noi cunoştinţe.

Regulile specifică acele legături dintre fapte, pornind de la care se pot face

deducţii. Regulile asigură utilizarea unor cunoştinţe operatorii prin intermediul cărora se

simulează un raţionament sau un mod de acţiune.

Regula este interpretată la nivelul unui sistem expert astfel:

Dacă faptele specificate drept premise sunt verificate prin intermediul bazei de

fapte, atunci şi faptele conţinute în concluzia regulii sunt adevărate şi vor fi adăugate în

baza de fapte. Formatul general al regulii este:

Dacă (condiţie) premise, atunci concluzie (acţiuni).

Ex: R1: Dacă rata inflaţiei este ridicată, atunci preţul produselor finite creşte.

Premisele unei reguli pot fi formate şi din mai multe fapte diferite, legate prin

conectorii logici Şi, SAU, NU:

Ex: R2: Dacă concurenţa este slabă

Şi Cifra de afaceri creşte

Atunci stocurile de materiale cresc

Concurenţa este slabă Rata inflaţiei este ridicată Cifra de afaceri creşte

Dacă Concurenţa este slabă

Si Cifra de afaceri creşte Atunci stocurile de materiale cresc

stocurile de materiale cresc

Fapte cunoscute

Fapt dedus

Fig. 1.2: Deducerea de noi fapte cu ajutorul regulilor

Regula 2

22

Regulile sunt înregistrate într-o ordine aleatoare în baza de reguli. Regulile

înmagazinează cunoştinţe cu aplicabilitate relativ generală. Rolul de a descrie problema

de rezolvat revine faptelor. Cum regulile sunt activate pe baza faptelor cunoscute, calitatea

procesului de raţionament este nemijlocit influenţată de măsura în care sunt disponibile

toate faptele relevante. Aşadar una din cerinţele esenţiale la care trebuie să răspundă

baza de fapte este de a reflecta cât mai fidel realitatea şi de a urmări promt modificările

intervenite în acesta.

In funcţie de domeniul concret în care se utilizează şi de condiţiile de exploatare,

faptele pot fi introduse într-un sistem expert prin una din căile următoare:

- prin tastare de la terminal, înaintea declanşării procesului deductiv;

- în cursul procesului deductiv, prin chestionarea utilizatorului;

- prin consultarea unei baze de date proprii;

- prin preluare directă de la diverşi senzori.

Nu toate faptele sunt la fel de stabile. Unele dintre ele pot reflecta concepte mai

generale, trăsături sau configuraţii structurale definitorii şi rămân neschimbate sau suferă

foarte rar modificări. Aceste fapte care descriu fondul general (comun) de cunoştinţe

aferente domeniului de expertiză, sunt denumite permanente.

Faptele ce definesc problema de rezolvat şi contextul specific al acesteia au

caracter temporar, fiind păstrate în sistem numai până la terminarea tratării acesteia. In

aceeaşi situaţie se află şi faptele noi, deduse în cursul proceselor de inferenţă prin

activarea regulilor, care constituie cunoştinţe aferente contextului specific al problemei de

rezolvat. Şi într-un caz şi în celălalt, acestea sunt fapte temporare.

1.4.5 Reguli de producţie cu variabile Regulile de producţie cu variabile asigură o formă generală de exprimare, o

manieră de a putea aplica aceste reguli asupra unui grup de fapte. Acest caracter de

generalitate este asigurat prin utilizarea variabilelor la descrierea regulilor de producţie.

Considerând un grup de asemenea expresii şi un ansamblu de elemente care

formează un domeniu de interpretare, fiecare expresie în care variabilele au fost

substituite cu valori aparţinând domeniului de interpretare devine o propoziţie care poate fi

evaluată ca adevărată sau falsă. Fiecare variabilă are caracter local, fiind operantă

numai în cadrul regulei în care este prezentată.

23

Ex:

Dacă persoana_1 lucrează la loc_de_muncă Şi persoana_2 conduce loc_de_muncă Atunci persoana_2 este şeful persoanei_1

Dacă Y lucrează la compartimentul marketing Şi Z conduce compartimentul marketing Atunci Z este şeful lui Y

Fig. 1.3: Generalizarea regulilor cu ajutorul variabilelor

Dacă X lucrează la compartimentul marketing Şi Z conduce compartimentul marketing Atunci Z este şeful lui X

Variabilele care apar într-o regulă sau într-un fapt iniţial sunt considerate implicit

universal cuantificate, iar variabilele care apar în faptele de stabilit (obiectiv sau scop) sunt

considerate implicit existenţial cuantificate. Acesta înseamnă că pentru fiecare variabilă,

faptele de stabilit nu trebuie deduse pentru toate elementele din domeniul de interpretare,

ci pentru cel puţin unul dintre ele.

Rezolvarea problemelor de deducţie implicând variabile trece întotdeauna prin

căutarea de substituţii adecvate. Una din modalităţile de identificare a substituţiilor o

reprezintă unificarea ce aparţine clasei metodelor de filtraj .

1.4.6 Tipologia regulilor de producţie Regulile de producţie se formează conectând împreună două sau mai multe fapte

prin implicaţie logică. Ele pot fi declarate prin specificarea premiselor în baza cărora se

emit concluziile, fie invers, prin stabilirea concluziei pe baza unor premise confirmate sau

infirmate. Prin urmare regulile de producţie sunt de două feluri:

Reguli deductive: DACA <premise> ATUNCI <concluzie>

Reguli inductive: <concluzie> DACA <premize>

Modul de furnizare într-un sistem expert a regulilor în format deductiv sau inductiv

este în raport de specificul problemei de rezolvat sau de modul particular de abstractizare

care se corelează cel mai potrivit la termenii prin care se declară faptele cu sau fără

24

implicaţie logică. Din punct de vedere logic regulile deductive sau inductive sunt formulări

echivalente.

Regulile deductive se interpretează astfel:

Dacă faptele f1,f2, . . . , fm sunt adevărate, atunci şi faptul fn este adevărat.

Structura abstractă a regulii:

Dacă f1 este adevărat

Şi f2 este adevărat

. . . . . . . . .

Şi fm este adevărat

Atunci fn este adevărat.

Pe baza acestui raţionament faptul fn este luat şi el în considerare, procesul

deductiv se reia până în momentul în care nu mai pot fi deduse fapte noi, deci se atinge o

stare finală.

Ex: Dacă persoana_1 lucrează la loc_de_muncă Şi persoana_2 conduce loc_de_muncă

Atunci persoana_2 este şeful persoanei_1

Regulile inductive se interpretează astfel:

Pentru a stabili faptul fn, scopul procesului inductiv, trebuie stabilite faptele f1,…, fm Structura abstractă a regulei:

fn este adevărat Dacă f1 este adevărat

Şi f2 este adevărat

. . . . . . . . .

Şi fm este adevărat

Regulile de producţie inductive declanşează deducţii succesive până când scopul

stabilit este confirmat. Rezultă că fiecare din faptele f1,f2, . . . , fm devine un nou scop, ceea

ce va conduce la declanşarea unor procese similare până la confirmarea sau infirmarea

scopului iniţial.

Ex: persoana_2 este şeful persoanei_1 Dacă persoana_1 lucrează la loc_de_muncă

Şi persoana_2 conduce loc_de_muncă

25

Cele dou\ moduri de raţionament (deducţia şi inducţia) pot fi utilizate:

- în mod analitic (se descompun raţionamentele în submodule mai uşor de înţeles);

- în mod sintetic (se reunesc elementele disparate).

Inducţia se poate face prin compararea situaţiilor asem\n\toare iar parametrilor

nedeterminaţi din situaţia studiat\ li se atribuie valoarea pe care o au în situaţia de referinţ\

(raţionamentul prin analogie).

In plus faţ\ de cele dou\ moduri de baz\, cercet\torii în inteligenţa artificial\ au pus la

punct un al treilea mod numit abducţie, care const\ în construirea de scheme de observare

ipotetice1 necesare punerii în funcţiune a inducţiei.

Principalele metode de punere în funcţiune sunt:

- iteraţia care const\ în repetarea unei secvenţe de raţionamente pân\ când condiţia

de oprire este îndeplinit\;

- recursivitatea const\ în apelarea unui raţionament dat de el însuşi pân\ când acest

raţionament se bazeaz\ pe o problem\ simpl\ pe care a soluţionat-o.

Strategiile pentru raţionament pot face apel la specializare, la raţionamente prin

absurd, la eliminarea c\ilor inutile şi la reducerea diferenţelor.

In toate cazurile, pentru rezolvarea problemelor complexe, ierarhizarea

cunoştinţelor şi segmentarea problemelor sunt instrumente întrebuinţate din totdeauna.

Funcţiunea de baz\ a sistemelor expert este raţionamentul. Astfel se poate defini un

sistem expert ca fiind "un program informatic capabil s\ reproduc\ raţionamentele umane".

Una dintre problemele cele mai acute ale inteligenţei artificiale rezid\ în simularea

raţionamentelor intuitive şi neexprimate pe care le consider\m adesea simple la nivelul

bunului simţ.


26

1.4.7 Metareguli Execuţia diverselor reguli de producţie poate fi implementată la nivelul sistemelor

expert prin intermediul unor strategii prioritare de raţionament. Acestea sunt reguli de

producţie deductive sau inductive care la rândul lor vor conţine cunoştinţe (reguli şi fapte)

necesare pentru a declanşa acţiunea altor reguli. Prin urmare aceste reguli de producţie

ce conţin elementele necesare privind utilizarea altor reguli se numesc metareguli.

Ex: Pentru determinarea mărimii stocurilor unei întreprinderi, în structura bazei de

reguli se poate defini o metaregulă de tipul:

Dacă aprovizionarea este ritmică

Şi consumul este constant

Şi există reguli ce conţin în premise fapte privitoare la stocul de siguranţă

Atunci se execută cu prioritate regulile specifice în care premisele conţin fapte

relative la stocurile de siguranţă

Principale caracteristici ale metaregulilor sunt1:

• reprezintă defapt cunoştinţe despre reguli (reguli asupra regulilor);

• sunt definite identic cum sunt redactate în mod vizual regulile;

• conţin reguli relative la utilizarea prioritară a altor reguli;

• indică starea următoare a bazei de fapte;

• indică regulile luate în considerare în faza de filtrare;

• sunt gestionate prin intermediul unui motor de inferenţe special care la rândul său

utilizează metacunoştinţe.


27

1.4.8 Cunoştinţe incerte Specificul domeniului marketingului poate opera atât cu fapte şi reguli integral

certe, dar şi cu informaţii incomplete, deci cu fapte şi reguli incerte. Decizia în acest

domeniu poate opera în anumite cazuri cu informaţii incomplete ceea ce va conduce la

utilizarea unor soluţii particulare caracterizate de un anumit grad de incertitudine.

S-au conturat două modalităţi specifice de reprezentare1:

Prima constă în introducerea incertitudinii sau aproximaţiei chiar în exprimarea

cunoştinţelor. Spre exemplu, se poate apela la formulări de tipul: “creşterea preţurilor este

moderată” sau “creşterea preţurilor este probabilă”. Soluţiile de acest tip sunt însă

inacceptabile sau insuficiente în multe cazuri.

A doua modalitate de reprezentare şi tratare a incertitudinii constă în a atribui

elementelor din baza de cunoştinţe un coeficient destinat să exprime gradul de siguranţă

al acestora, denumit coeficient de certitudine QC.

Acest coeficient poate lua valori cuprinse între 0 şi 100. Zero (0) corespunde

valorii “fals”, iar 100 corespunde valorii “adevărat ” din logica binară. Coeficienţii de

certitudine nu sunt probabilităţi nici din punct de vedere conceptual şi nici matematic. Prin

urmare gradul de certitudine al tuturor elementelor într-un context dat nu trebuie să dea o

sumă egală cu 100.

Tratarea incertitudinii presupune în aceste condiţii:

• evaluarea gradului de incertitudine al faptelor de bază;

• combinarea valorilor QC pentru evaluarea gradului de incertitudine al faptelor

compuse şi a celor deduse prin aplicarea regulilor.

Coeficienţii de certitudine ai faptelor compuse se determină în funcţie de tipul

conectorilor logici pe baza relaţiilor următoare:

QC(A ŞI B) = MINIM (QC(A),QC(B));

QC(A SAU B) = MAXIM (QC(A),QC(B));

QC(NU (A)) = 100 – QC(A).

Ex: Dacă A = “rata inflaţiei este ridicată” are QC(A) = 80 şi B = “concurenţa este

puternică” are QC(B) = 60, atunci:

QC(rata inflaţiei este ridicată ŞI concurenţa este puternică ) = min(80,60) = 60;

QC(rata inflaţiei este ridicată SAU concurenţa este puternică)=max(80,60) = 80;

QC(NU (rata inflaţiei este ridicată)) = 100-80 = 20.


28

Regulile pot avea la rândul lor coeficienţi de certitudine care exprimă cât de certă

este concluzia dedusă pe baza premiselor lor:

QC(concluzie) = QC(premise) x QC(regulă)/100

Ex: R1: QC = 75

Dacă rata inflaţiei este ridicată

Şi concurenţa este puternică

Atunci se caută noi pieţe de desfacere

QC(se caută noi pieţe de desfacere) = QC(rata inflaţiei este ridicată ŞI concurenţa

este puternică ) x QC(R1) = 60 x 75/100 = 45

Există situaţii în care aceeaşi concluzie poate fi dedusă din mai multe reguli

diferite. Pentru a obţine QC al unei asemenea concluzii este necesar să se combine

coeficienţii returnaţi de fiecare regulă care o cuprinde. Presupunând că QC(R1) şi QC(R2)

reprezintă coeficienţii aceleiaşi concluzii deduse prin regulile R1 şi R2, coeficientul său

combinat de certitudine se obţine cu relaţia:

QC(R1,R2) = QC(R1) + QC(R2) - ( QC(R1) x QC(R2)/100)

Ex: R1: QC = 75

Dacă produsul X aparţine pieţei Y

Şi nivelul concurenţei pe piaţa Y este mediu

Atunci produsul X este în faza de maturitate

R2: QC = 85 Dacă volumul vânzărilor la produsul X este stabil

Şi profitul la produsul X este în uşoară creştere Atunci produsul X este în faza de maturitate

Dacă baza de fapte conţine informaţiile următoare:

- Aspiratoarele aparţin pieţei produselor electrocasnice (QC = 100)

- Imprimantele aparţin pieţei produselor electronice (QC = 100)

- Nivelul concurenţei pe piaţa bunurilor electrocasnice este mediu (QC = 65)

- Nivelul concurenţei pe piaţa bunurilor electronice este mediu(QC = 55)

- Volumul vânzărilor la aspiratoare este stabil (QC = 90)

- Volumul vânzărilor la imprimante este stabil (QC = 80)

- Profitul la aspiratoare este în uşoară creştere (QC = 70)

- Profitul la imprimante este în uşoară creştere (QC = 60)

29

Aplicarea regulilor conduce la următoarele rezultate:

Instanţiind variabilele X şi Y cu valorile aspiratoare şi electrocasnice se obţine:

QC(R1) = QC(premise) x 75/100 = min (100,65) x 75/100 = 48.75

QC(R2) = QC(premise) x 75/100 = min (90,70) x 85/100 = 59.50

Cum ambele reguli conduc la aceeaşi concluzie “aspiratoarele sunt în faza de

maturitate”, coeficientul de certitudine al acesteia se determină combinând cei doi QC

obţinuţi:

QC(aspiratoarele sunt în faza de maturitate) = 48.75 + 59.50 – (48.75 x

59.50)/100 = 79.24

In mod analog instanţiind variabilele X şi Y cu valorile imprimante şi electronice se

obţine:

QC(imprimantele sunt în faza de maturitate) = 41.25 + 51 – (41.25 x 51)/100 =

71.21

Din analiza valorii celor doi coeficienţi de certitudine, rezultă că este mai probabil

ca aspiratoarele să se găsească în faza de maturitate (vârsta produselor).

Coeficienţii de certitudine atribuiţi regulilor şi faptelor influenţează considerabil

rezultatele. De aceea este foarte important ca ei să fie corect evaluaţi.

Chiar dacă expertul uman recurge la aprecieri de tipul ”mai bun” sau “mai sigur” în

selecţia şi formularea concluziilor sale, aceste aprecieri nu primesc, de regulă, o expresie

numerică. Pentru a ajuta expertul să depăşească asemenea dificultăţi, au fost propuse

mai multe tehnici de definire indirectă a coeficienţilor de certitudine.

Una dintre acestea constă în fixarea gradului de certitudine a unei cunoştinţe prin

plasarea sa grafică pe o scală ale cărei extremităţi corespund incertitudinii şi respectiv

certitudinii totale. Pe baza acestei poziţii se poate calcula uşor QC corespunzător (fig.1.4).

Cota de piaţă va creşte

0 100

70 Absolut nesigur Absolut sigur

Fig. 1.4: Scala grafică de stabilire a QC

O altă tehnică frecvent folosită constă în a-i cere expertului să dispună faptele şi

regulile în ordinea descrescătoare a gradului de încredere pe care îl prezintă. Poziţia

ocupată într-o asemenea enumerare poate fi apoi evaluată numeric sub formă de QC.

30

1.4.9 Reprezentarea cunoştinţelor şi limbajele de programare Reprezentarea cunoştinţelor într-un sistem expert trebuie s\ satisfac\ dou\ exigenţe

contradictorii:

- Sistemul de calcul: calculatoarele înţeleg un limbaj s\rac şi sunt cu atât mai

eficace cu cât acest limbaj este mai apropiat de limbajul maşin\. Idealul în acest caz sunt

limbajele de asamblare (Assembleur) sau limbajele maşin\.

- Lizibilitatea bazei de cunoştinţe: o baz\ de cunoştinţe trebuie s\ poat\ fi citit\,

modificat\, îmbog\ţit\ şi întreţinut\ de c\tre un expert în domeniu care în general nu este

informatician. Limbajul cel mai bun pentru a r\spunde acestui obiectiv este limba matern\ a

expertului la care se adaug\ "jargonul" expertizei.

Punctul forte al programării declarative este lizibilitatea bazelor de cunoştinţe. Acest

concept se bazează pe posibilitatea de scriere a regulilor aşa cum dorim şi a le organiza

într-o manieră care să conducă la o bază de cunoştinţe lizibilă şi să corespundă la o

structurare coerentă a cunoştinţelor din domeniu. Astfel baza de cunoştinţe devine

accesibilă specialiştilor din domeniu care nu sunt neapărat informaticieni. Mai mult,

sintaxa acestor reguli este simplă şi permite o lectură facilă.

Reprezentarea cunoştinţelor const\ în g\sirea unei terminologii intermediare, ceea

ce nu poate fi decât un compromis. Aceasta explic\ faptul c\ pe de o parte sistemele expert

sunt numeroase, iar pe de alt\ parte ele nu sunt niciodat\ unanim aprobate.

In aceste condiţii nu se poate vorbi de soluţia cea mai bună, dar în schimb există

două tendinţe diferite:

- tendinţa limbajelor: limbaj informatic cu caracter destul de general care este

independent de interpretor sau de compilator. Sunt preferate în ordine: LISP, PROLOG şi

limbajele orintate pe obiect. Acestea sunt adaptate mai degrabă informaticienilor şi

calculatoarelor decât expertului din domeniu.

- tendinţa instrumentelor de dezvoltare şi a generatoarelor de sisteme expert:

instrumente special concepute pentru a scrie baze de cunoştinţe, sunt în general foarte

complete ele neavând o vocaţie universală. Acest software care într-o anumită măsură

constă tot în limbaje, este puternic dependent de interpretor (care aici este motorul de

inferenţă). In acest caz vom spune că sistemul expert este realizat cu ARGUMENT sau cu

VP-Expert pentru a insista asupra ideii de instrument, în opoziţie cu sistemele scrise în

LISP sau PROLOG care acreditează ideea de limbaj. In fond, cele două tendinţe expuse

tind să se reunească, în măsura în care limbajele oferă un mediu de dezvoltare, adică mai

multe instrumente asociate, care furnizează aceleaşi funcţionalităţi ca şi un generator de

sisteme expert.

31

2 Prezentarea sistemelor expert de marketing 2.1 Sistemele expert şi decizia în marketing Complexitatea problemelor întâlnite şi importanţa cunoştinţelor acumulate

referitoare la comportamentul de cumpărare precum şi eficienţa diferitelor componente ale

mixului de marketing au condus la dezvoltarea unor puternice instrumente decizionale.

Diversificarea informaticii a făcut ca aceste instrumente să ia astăzi forma

sistemelor inteligente de diagnoză, analiză şi de asistare a deciziilor de marketing.

Astfel de sisteme au apărut sub forma logicii interactive. Ele permit utilizatorului

ca plecând de la faptele de care dispune să poată obţine o sinteză integrând cunoştinţele

din domeniu, adaptate nevoilor sale imediate şi direct utilizabile la sfârşitul deciziei.

Posibilităţile de învăţare pe care le prezintă aceste sisteme în special prin

memorarea situaţiilor întâlnite şi a soluţiilor studiate au dus la apariţia unui nou mediu

decizional.

Există mai multe moduri de reprezentare a cunoştinţelor într-un sistem inteligent

dintre care două au reţinut mai mult atenţia în literatura de specialitate.

O primă familie de sisteme inteligente se bazează pe o reprezentare analitică a

cunoştinţelor. Ele se exprimă sub forma unuia sau mai multor modele matematice unde

parametrii sunt specificaţi statistic. Aceste modele se utilizează în cadrul algoritmilor

pentru găsirea unei soluţii la o problemă ce a mai fost întâlnită. Sistemele interactive de

asistare a deciziilor (SIAD după cum mai sunt cunoscute) ilustrează această concepţie.

O serie de sisteme de acest tip sunt în prezent disponibile în sfera marketingului.

O a doua familie de sisteme inteligente se bazează pe reprezentarea euristică a

cunoştinţelor. Sistemele expert de marketing ilustrază această abordare. Ele integrează

datele existente şi judecăţile subiective într-un raţionament simbolic şi numeric în vederea

rezolvării unui ansamblu de probleme interdependente.

Pe parcursul execuţiei sistemul interacţionează permanent cu utilizatorul căruia îi

explică concluziile la care ajunge. Sistemul solicită informaţii complementare care îi permit

elaborarea şi îmbunătăţirea raţionamentului său.

32

In prezent există doar un număr limitat de sisteme expert de marketing şi anume1:

1) Sistemul XCON produs de către Digital Equipment Corporation (DEC) şi

Universitatea Carnegie Mellon a avut ca obiectiv acordarea de consultanţă la configurarea

calculatoarelor VAX-11/780 plecând de la cerinţele unui client potenţial.

Recent a fost creată o variantă îmbunătăţită XSELL folosită în domeniul

activităţilor comerciale ce permite clientului să-şi definească clar cerinţele iar pe baza

acestora stabileşte preţul configuraţiei solicitate.

2) Sistemul ADCAD (Advertising Communication Approach Designer) este un

prototip de sistem expert în domeniul comunicării. Conţine circa 200 reguli de producţie

fiind utilizat în scopul asistării decidentului în evaluarea mesajelor publicitare şi alegerii

unei anumite strategii.

3) Sistemul PROMOTER utilizează un ansamblu de date precum termenele de

livrare, ieşirile din depozit pentru a furniza un model de comportament al pieţii. Baza de

cunoştinţe conţine analizele efectuate în 70 de campanii promoţionale pentru produsele

de larg consum. El poate evalua ceea ce s-ar întâmpla în cazul lipsei campaniei publicitare

oferind managerului o bază solidă de luare a deciziilor.

4) Sistemul MARKETING EDGE este utilizat în vederea elaborării unei strategii

ajutând decidentul în selectarea pieţelor, identificarea nevoilor consumatorilor şi stabilirea

preţurilor.

5) Sistemul MABEL este folosit în domeniul utilajelor şi echipamentelor grele

având ca obiect prospectarea pieţei, alegerea mijloacelor publicitare şi evaluării

rezultatelor târgurilor şi expoziţiilor.

6) Sistemul DETECTOR produs de firma Novaction este utilizat în domeniul

lansării produselor noi de larg consum. Se bazează pe un mecanism de inferenţă

bayesian şi poate oferi un prim diagnostic asupra şanselor de succes şi al potenţialului

economic al proiectelor de concepţie şi dezvoltare a produselor noi pe pieţele

internaţionale.

1 Ernst C., Les systemes experts de gestion: banque, finance, marketing, Editura Eyrolles Paris, 1988

33

2.2 Domeniile de utilizare a sistemelor expert în marketing Sistemele inteligente de asistare a deciziei apar în prezent ca mijloace de creştere

a eficienţei activităţilor economice. Sistemele expert ar putea înlocui circa 60% din

activităţile de asistenţă în servicii de marketing.

Creşterea gradului de automatizare în culegerea datelor privind comportamentul

consumatorilor au condus la o creştere exponenţială a volumului de informaţii disponibile.

Sistemele expert sunt performante datorită raţionamentelor efectuate şi nu datorită unei

simple succesiuni de calcule. Intr-un astfel de context, sistemele expert pot ajuta

decidentul în probleme precum:

- evidenţierea factorilor importanţi;

- argumentarea deciziilor luate;

- îmbunătăţirea cunoştinţelor proprii în domeniu prin consultarea altor baze de

date;

-transferarea cunoştinţelor proprii sub forma bazelor de cunoştinţe sau a

diagnosticelor.

In scopul dezvoltării unui sistem expert este necesară studierea carcteristicilor

problemei pe baza unor criterii precum:

- importanţa factorilor calitativi în procesul de evaluare şi decizie;

- existenţa experţilor ce deţin performanţe recunoscute şi care pot fi transmise;

- necesitatea colaborării decidentului în diferite etape ale rezolvării problemei.

In tabelul 2.1 sunt prezentate câteva domenii ale marketingului care sunt

favorabile dezvoltării de sisteme expert.

34

Proces calitativ

Existenţa experţilor

Colaborarea decidentului

Analiza structurii pieţelor + + + +

Segmentarea pieţelor şi alegerea obiectivelor

+ + + + + +

Conducerea activităţilor de cercetare - dezvoltare

+ + + + + +

Definirea ofertei + + + +

Studiul poziţiei pe piaţă + + + + + +

Studiul prelansării produselor + + + + +

Strategia lansării produselor + + + + + + + +

Analiza mixului de marketing

• Produs

• Preţ

• Distribuţie

• Promovare

+ + + +

+ + + + +

+ + + +

+ + + +

+ + + + + + + + + + + + +

Strategii defensive + + + + + + +

Politica investiţională + + + + +

Tabelul 2.1: Domenii de marketing favorabile dezvoltării de sisteme expert

Sursa: Ernst C., Les systemes experts de gestion: banque, finance, marketing, Editura Eyrolles Paris, 1988

Notă: Semnificaţia simbolurilor “+” este următoarea:

+ - nefavorabil

+ + - favorabil

+ + + - foarte favorabil

35

Domeniul de aplicare al sistemelor expert se poate lărgi considerabil în cazul unei

abordări plurisectoriale a marketingului: produse industriale, servicii, evoluţia câtorva

tehnici de comercializare precum marketingul direct, vânzările prin corespondenţă, etc.

Numeroase oportunităţi de dezvoltare există în domenii cum ar fi:

- definirea şi evaluarea ofertelor în marketingul industrial;

- diagnosticarea şi îmbunătăţirea performanţelor în domeniul serviciilor;

- controlul eficienţei acţiunilor de marketing direct;

- adaptarea ofertei la cerinţele cumpărătorului în vânzarea la distanţă.

In utilizarea sistemelor expert există o serie de probleme legate de validitate şi

fiabilitate. Construirea, evaluarea şi actualizarea bazelor de cunoştinţe ridică multe

probleme practice legate mai ales de faptul că ele trebuie să acopere un câmp de

expertiză foarte complex prezentând în cazul deciziilor de marketing un număr nelimitat

de posibilităţi de combinare.

Pe de altă parte nivelul tehnicii de calcul existent impune o serie de constrângeri

la nivelul mecanismelor de inferenţă ceea ce conduce la o nereflectare fidelă a proceselor

reale de decizie.

Prin urmare dezvoltarea, validarea şi utilizarea sistemelor expert în domeniul

marketingului trebuie făcută cu precauţie şi în permanentă colaborare cu experţii umani.

Deciziile de marketing au făcut obiectul a numeroase cercetări vizând mai bună

evaluare a consecinţelor şi reducerea riscurilor. Pe parcursul ultimelor decenii acest efort

s-a concretizat într-un număr de sisteme de asistare a deciziei orientate spre:

- analiza datelor disponibile şi exprimarea lor într-o formă sintetică (orientare spre date);

- identificarea relaţiilor cauzale şi evaluarea lor econometrică (orientare spre model);

- dezvoltarea de modele ce rezolvă anumite elemente ale mixului de marketing (orientare

spre problemă);

- stocarea şi transferul de experienţă (orientare spre decizie).

Achiziţionarea, memorarea, adaptarea şi punerea în valoare a cunoştinţelor de

care dispun decidenţii la nivelul reacţiilor pieţei, comportamentului consumatorilor, reacţia

diferitelor elemente ale mixului de marketing sunt principala responsabilitate a

compartimentului de marketing. In acest context rolul sistemelor expert va creşte

deoarece ele sunt un mediu operaţional de îmbogăţire şi de punere în valoare a unei

resurse rare: competenţa.

36

2.3 Utilizarea sistemelor expert în domeniul politicii de preţ Componenta cea mai importantă a unui sistem expert este baza sa de cunoştinţe.

După Waterman (1986) cunoştinţele unui sistem expert se pot dobândi în doua

moduri:

• metoda observaţională: prin analiza lucrărilor de specialitate, exemplelor şi

a studiilor de caz. In acest fel numai o parte limitată a problemei este analizată ceea ce

face ca alte surse potenţiale de informaţii să fie ignorate. Chiar şi astfel această abordare

oferă surse de cunoştinţe accesibile şi uşor de codificat sub forma regulilor de decizie pe

baza cărora se pot dezvolta sisteme expert în domeniul industriei.

• metoda intuitivă: în care deciziile se iau pe baza analizei experţilor care

furnizează un set de reguli euristice. Problema în acest caz este modul în care expertul

uman poate descrie cunoştinţele sale într-un mod uşor de înţeles. In practică mulţi experţi

iau deciziile pe baza intuiţiei, fiindu-le dificil sau chiar imposibil să explice modul în care au

acţionat.

Obiectivul este identificarea unui set de reguli de determinare a preţurilor care pot

fi adăugate bazei de cunoştinţe a unui sistem expert de marketing în vederea îmbunătăţirii

performanţelor acestuia. La baza stabilirii acestor reguli sunt lucrări din domeniul

marketingului precum “Managementul marketingului” de P. Kotler şi ”Luarea deciziilor în

marketing” de D.W Cravens, G.E Hill şi R.B Woodruff.

Primul pas în dezvoltarea regulilor de decizie este identificarea unui număr de

condiţii sau de situaţii pe care le întâlneşte un manager de marketing. Pasul următor este

identificarea şi reţinerea din setul de informaţii a acelor fapte şi acţiuni care se potrivesc

cel mai bine situaţiei în care se află respectivul decident. Regulile care se suprapun vor fi

combinate, informaţiile redundante se vor elimina, termenii ambugui fiind înlocuiţi de

echivalentul lor cert. Regulile extrase ca rezultat sunt independente între ele şi astfel este

posibilă reprezentarea lor într-un singur modul în cadrul sistemului expert.

Tabelul 2.2 prezintă 5 reguli extrase din lucrările mai sus menţionate.

Regulile vor fi reprezentate în baza de cunoştinţe a sistemului utilizând un limbaj

formal. Când programul este rulat, utilizatorul va răspunde unui număr de întrebări pe

baza cărora sistemul îşi va selecta regulile cele mai apropiate din baza de cunoştinţe şi va

putea face o recomandare.

37

Regula Condiţia Acţiunea

1 Obiectivul este menţinerea cotei de piaţă

sau produsul nu are caracteristici de

diferenţiere sau cererea este elastică

Menţine preţul produsului la

acelaşi nivel cu cel al

concurenţei

2 Există o limitare de cost şi este necesară

o rată a profitului de x %

Preţ = Cost * (1+ x/100)

3 Managerul vrea să crească cota de piaţă

şi clienţii potenţiali apreciază valoarea

produsului ca fiind PP, mai mare decât

preţul concurenţei PC

Preţ = PC + (PP-PC) * 0.618

4 Obiectivul managerului este maximizarea

profitului curent şi se cunoaşte funcţia

cererii pentru firmă

Preţ = preţul care maximizează

funcţia profitului curent

5 Firma are clienţi foarte fideli Se menţine preţul nemodificat

Tabelul 2.2: Extragerea regulilor de determinare a preţurilor Sursa: Tse A., Pricing Decision Rules for an Expert System, Marketing Bulletin, 1990

Exemplu de dialog între utilizator şi sistem:

Sistem> Care este obiectivul dvs. de marketing?

Alegeţi una dintre variantele următoare:

1) Menţinerea cotei de piaţă

2) Creşterea cotei de piaţă

3) Limitare de cost

4) Maximizarea profitului curent

5) Lărgirea gamei de produse

Utilizator> 3

(Deoarece răspunsul utilizatorului la prima întrebare este 3, sistemul va selecta

regula 2 din tabel şi va întreba utilizatorul asupra valorii ratei profitului)

Sistem> Care este rata profitului?

Utilizator> 25%

(In scopul determinării preţului optim pentru produs, sistemul va căuta în

subsistemul de contabilitate costul produsului şi găseşte valoarea 100 u.m.

Pe baza formulei corespunzătoare specificată în partea de acţiune a regulii 2

sistemul va recomanda preţul)

38

Sistem> Preţul produsului este: 125 u.m.

In practică situaţia este mai complexă datorită numărului mult mai mare de reguli

de decizie. Deşi regulile sunt concepute cât mai independente între ele, ordinea acestora

în baza de cunoştinţe precum şi interacţiunile neprevăzute dintre ele pot conduce la

rezultate neaşteptate.

In plus, trebuie să existe un număr de interfeţe între diferitele subsisteme şi

modulul central. In cazul în care anumite date sunt frecvent solicitate va exista o interfaţă

între sistemul central şi subsistemul de calcul pentru accesarea mai rapidă a datelor. Sistemul trebuie să fie capabil să răspundă la întrebări de tipul “cum?” şi “de ce?”

pentru a fi înţeles de către utilizator. Toate aceste cerinţe impun un efort considerabil de

programare şi concepere în realizarea sistemului expert.

Există o serie de limitări în utilizarea metodei observaţionale prin analiza lucrărilor

de specialitate şi a studiilor de caz şi anume1:

Prima limitare se referă la faptul că setul de reguli propus este valabil pentru

determinarea preţurilor în situaţii generale. Fiecare sistem economic naţional este format

dintr-un număr de industrii, fiecare fiind caracterizată de probleme şi decizii specifice. Nu

este posibil astfel aplicarea unui set general de reguli de determinare a preţurilor fără a

ţine seama de specificul fiecărui domeniu.

A doua limitare apare datorită faptului că în situaţiile de decizie reale din

marketing intuiţia joacă adeseori un rol mai important decât acţiunile deduse strict pe baza

unor strategii teoretice desprinse din lucrările de specialitate.

A treia limitare este aceea că multe dintre regulile menţionate în cărţi nu sunt

aplicate intr-un context bine delimitat. Spre exemplu regula 5 care afirmă că firmele ce au

o clientelă foarte fidelă trebuie să-şi menţină preţul neschimbat este propusă fără

efectuarea unei cercetări prealabile. De asemenea multe dintre reguli sunt ambigui,

termenul de “fidel” utilizat în regula 5 neavând un sens bine explicitat.

A patra limitare este datorată subiectivităţii persoanelor care selectează regulile ce

provin de la o aceeaşi sursă (lucrare).

In ciuda acestor limitări, regulile obţinute pe baza lucrărilor de specialitate din

domeniul marketingului oferă un punct de plecare în fundamentarea procesului decizional

la nivelul întreprinderilor industriale.

1 Tse A., Pricing Decision Rules for an Expert System, Marketing Bulletin, 1990

39

2.4 Structurarea cunoştinţelor de marketing pe baza metodei analizei ierarhice 2.4.1 Prezentarea metodei analizei ierarhice In cele ce urmează va fi prezentată utilizarea sistemului Expert Choice în

domeniul dezvoltării şi evaluării produselor noi. Acest program este un generator de

modele decizionale având la bază metoda analizei ierarhice.

Prin posibilităţile de acumulare a experienţelor (sub forma arborelui de decizie), de

transfer a acestora şi prin facilităţile de simulare disponibile, Expert Choice se află la

frontiera dintre sistemele bazate pe o reprezentare analitică a cunoştinţelor şi sistemele

expert bazate pe reprezentările euristice. Pentru înţelegerea fenomenelor economice legate de distibuţia unui nou produs,

eficienţa publicităţii asupra vânzărilor, decidentul va utiliza modele normative. Acestea au

ca obiect stabilirea de reguli care să descrie mecanismul de funcţionare al pieţei.

Totuşi complexitatea deciziilor poate constitui un impediment major mai ales în

cazul lipsei anumitor cunoştinţe (informaţii). In acestă situaţie este necesară o metodă de

structurare a cunoştinţelor care să permită rezolvarea logică a problemei şi care să fie

suficient de flexibilă pentru a se adapta diferitelor contexte decizionale.

Metoda analizei ierarhice urmăreşte rezolvarea problemelor complexe în trei

etape:

- identificarea problemei;

- analiza problemei;

- sinteza.

Identificarea problemei constă în stabilirea obiectului cercetării respective.

Analiza constă în descompunerea problemei pentru stabilirea dimensiunilor

elementare ce caracterizează fenomenul studiat. Este un proces natural al

raţionamentului uman, realitatea fiind înţeleasă plecând de la dimensiunile fundamentale

care o compun.

Descompunerea ierarhică constă în reprezentarea problemei sub forma unei

structuri arborescente inversate unde radăcina este fie scopul ce trebuie atins, fie

problema ce trebuie rezolvată. In figura 2.1 este prezentată descompunerea ierarhică a unei probleme ce

priveşte definirea unei strategii de marketing.

40


Problema complexă

Principalele obiective

Cota de piaţă

Nivelul profitului

Creşterea vânzărilor

Notorietatea

Reducerea preţului

produsului A

Extinderea gamei

sortimentale a produsului B

Promovarea vânzărilor

produsului C

Creşterea bugetului

pentru publicitate

Patrunderea pe o nouă

piaţă

Fig. 2.1: Descompunerea strategiei de marketing

Acţiuni

Succesul strategiei de marketing a întreprinderii

Metoda analitică propusă introduce conceptul de ierarhizare a analizei fiind vorba

nu de identificarea ansamblului dimensiunilor care intervin într-o problemă, ci de

determinarea nivelului lor ierarhic. Anumite probleme nu pot fi reprezentate decât cu

ajutorul structurilor ierarhice multinivel. Anumite criterii sunt fundamentale în procesul

decizional fiind situate pe primul nivel, după cum alte criterii nu intervin decât la

dimensiunile elementare ale ultimului nivel.

Ponderarea parametrilor: Analiza problemei a permis reprezentarea sub forma unei structuri arborescente

ierarhizate. Criteriile situate pe acelaşi nivel ierarhic au importanţe diferite.

In mod absolut ponderarea acestor criterii revine la a cere decidentului să acorde

fiecărui criteriu de pe acelaşi nivel ierarhic o notă cuprinsă între 0 şi 100. Acestă metodă

prezintă avantajul simplităţii în utilizare însă obligă decidentul să judece în mod absolut

un element.

In practică cunoştinţele nu sunt niciodată poziţionate pe o scară absolută, ci pe

una relativă. Astfel acestă fază de ponderare poate fi înlocuită printr-o serie de comparaţii

relative între perechi. Există două avantaje principale:

- evaluarea mai fidelă a realităţii de către decident;

- permite măsurarea coerenţei decidentului şi structurarea modelului. 41

De fapt este vorba de o extindere a noţiunii clasice de măsură aplicată pe o scară

de utilitate în sens microeconomic. Atunci când utilitatea este un preţ, scara se identifică

cu o scară a preţurilor de pornire. Avantajul acestei metode apare din faptul că în

majoritatea cazurilor utilitatea percepută are un caracter subiectiv fiind asemănătoare

gândirii manageriale. Această subiectivitate numită după caz experienţă sau intuiţie şi

care conţine toată bogăţia raţionamentului uman este astfel integrată în model conform

unui proces de structurare echivalent. In acest fel proiectantul modelului va pondera pas

cu pas structura arborescentă.

Volumul total de informaţii rezultante este de obicei mult mai mare decât numărul

maxim de canale informaţionale pe care persoana decidentă le poate folosi simultan.

Sinteza Fazele precedente au permis reprezentarea problemei decizionale. Ultima etapă

constă în a sintetiza toate informaţiile identificate şi de a le integra în model. Această

sinteză se va face calculând pentru fiecare soluţie posibilă identificată un punctaj global

proporţional cu capacitatea de rezolvare a problemei considerate.

In tabelul 2.3 este prezentată sinteza stategiei de marketing a unei întreprinderi.

Evaluarea produselor Nivel 1 Nivel 2 Nivel 3

Cota de piaţă = 0.35 Prod. C = 0.15

Prod. A = 0.18

Prod. B = 0.02

Nivelul profitului = 0.40 Prod. A = 0.20

Prod. C = 0.15

Prod. B = 0.05

Creşterea vânzărilor = 0.15 Prod. B = 0.07

Prod. A = 0.05

Prod. C = 0.03

Strategia

de

marketing

a întreprinderii

(1.00)

Notorietatea = 0.10 Prod. A = 0.05

Prod. B = 0.03

Prod. C = 0.02

Tabelul 2.3: Evaluarea celor 3 tipuri de produse ale întreprinderii

42

Sinteza definirii strategiei de marketing se concretizează în prioritatea acordată

celor 3 tipuri de produse A,B,C:

Produsul A: 0.48 (48%)

Produsul C: 0.35 (35%)

Produsul B: 0.17 (17%)

2.4.2 Validarea modelului conceptual In procesul de reducere a realităţii la câteva elemente fundamentale este

necesară testarea capacităţii modelului de a reprezenta corect problema pentru care a

fost creat. Această verificare are loc la două nivele:

- validarea modelului privind definirea structurii lui;

- estimarea riscului aplicării modelului.

Primul aspect se referă la calculele de coerenţă care însoţesc fiecare scară de

ponderare definită. Al doilea aspect include analiza de sensibilitate.

1) Măsurarea coerenţei modelului

Ideea ce stă la baza acestui aspect se referă la reprezentarea unei probleme într-

un sistem ierarhizat de axe ortogonale. Pot apare două probleme:

- la un anumit nivel al structurii definite axele nu sunt ortogonale (două criterii ale

aceluiaşi nivel sunt interdependente);

- o axă a fost omisă (un anumit criteriu nu a fost luat în discuţie).

In ambele cazuri rezutatul la nivel practic este introducerea unei “distorsiuni” în

raţionamentul pe care utilizatorul îl va defini. Pentru a evalua acestă stare de fapt analiza

procesului ierarhic permite definirea unui coeficient de coerenţă care va exprima măsura

în care raţionamentele respective nu sunt contradictorii. Spre exemplu într-un context logic

dacă A este preferat faţă de B şi B faţă de C, atunci A va fi preferat faţă de C. Altfel

raţionamentul nu este coerent.

In definirea unui model decizional incoerenţa poate avea cauze precum:

- o greşeală de atenţie în momentul elaborării raţionamentului (se elimin\ uşor);

- explicaţia se găseşte chiar în structura modelului.

Coeficientul de coerenţă indică utilizarea unei caracteristici de evaluare care nu a

fost definită explicit în model. Se impune restructurarea modelului pentru ca acesta să

reprezinte corect realitatea.

43

2) Grafurile de sensibilitate

Al doilea aspect fundamental al unei metode de asistare a deciziei constă în

măsurarea riscului care poate fi:

- o eroare în ponderea atribuită unui anumit criteriu;

- o evoluţie conjuncturală.

Reprezentarea unei probleme de decizie este limitată datorită caracterului static al

acesteia. Modelarea unei situaţii reale se face printr-o structură arborescentă ale cărei

ponderi au fost fixate de la început. In practică există o dimensiune dinamică a realităţii

(aspectul temporal şi conjunctural).

Fiecare graf de sensibilitate măsoară impactul asupra rezultatului final în urma

modificării ponderiii atribuite fiecărui criteriu considerat într-un domeniu de valori posibile.

Aceste grafuri permit evidenţierea criteriilor importante şi a criteriilor nesemnificative care

nu conduc la riscuri de eroare în decizia globală.

Aceste instrumente sunt foarte utile în luarea unei decizii manageriale oferind

posibilitatea de a măsura stabilitatea modelului faţă de fluctuaţiile conjuncturale sau a

erorilor de ponderare.

2.4.3 Metoda analizei ierarhice în cadrul sistemelor expert Dezvoltarea unui sistem expert implică parcurgerea unui proces de structurare a

expertizei care se doreşte a fi modelată. Această etapă este adeseori greu de condus,

lungă şi costisitoare. Metoda analizei ierarhice este tocmai o metodă de structurare a

cunoştinţelor care este perfect utilizabilă în conducerea procesului de extragere şi

ordonare a cunoştinţelor obţinute de la expertul uman.

Pe de altă parte, pentru ca o expertiză să poată fi modelată sub forma unei baze

de cunoştinţe a unui sistem expert, trebuie să îndeplinească anumite condiţii:

- modularitate: posibilitatea descompunerii unei probleme în mai multe

subprobleme;

- complexitate: referitor la conceptele utilizate şi relaţiile dintre acestea;

- raţionalitate: ponderarea conceptelor şi a procedurilor conform contextului

problemei;

- fiabilitate: trebuie să existe un consens asupra existenţei unei expertize într-un

domeniu considerat;

- suficienţă: cunoştinţele necesare rezolvării problemei pentru care a fost realizat

un sistem expert trebuie să fie exhaustive. Acesta însuşire este fundamentală în controlul

coerenţei sistemului şi al fiabilităţii acestuia.

44

3 Proiectarea sistemelor expert 3.1 Sisteme expert bazate pe reguli de producţie 3.1.1 Etapele ciclului de bază ale motorului de inferenţe Motorul de inferenţe sau interpretorul este nucleul central al unui sistem expert

deoarece foloseşte baza de cunoştinţe pentru a construi dinamic raţionamente prin

selecţia unor reguli declanşabile pe baza unei ordini de înlănţuire a acestora. Indiferent de

modul de raţionament utilizat ciclul de bază al unui motor de inferenţe cuprinde 4 faze

succesive: selecţia, filtrajul, rezolvarea conflictelor, execuţia regulii (figura 3.1).

Selecţia extrage din baza de reguli şi din baza de fapte elementele care

caracterizează subdomeniul de rezolvare a problemei. Se constituie o partiţie a bazei de

cunoştinţe care va scurta timpul de căutare pentru etapele următoare.

Selecţia este necesară în următoarele cazuri:

- când baza de cunoştinţe conţine reguli şi fapte specifice mai multor domenii de

referinţă (economic, juridic, social);

- când baza de cunoştinţe este voluminoasă, conţinând un număr mare de reguli

şi fapte, motiv pentru care este necesară o alegere a acestora prin constituirea unei partiţii

a bazei de cunoştinţe numai cu faptele şi regulile specifice domeniului abordat (economic)

Filtrajul constă în compararea premiselor regulilor selecţionate anterior cu faptele

ce caracterizează problema de rezolvat în scopul determinării submulţimii regulilor

declanşabile. Se compară precondiţia fiecărei reguli cu informaţiile care există în baza de

fapte. Ştiindu-se faptul că regula deductivă are formatul: “dacă premisă, atunci concluzie”,

partea din regulă care trebuie testată este fie “premisa”, fie “concluzia”, elemente care fac

parte din sistemul guvernat de fapte sau scopuri. Partea regulei de testat (premisa sau

concluzia) se numeşte declanşatorul regulei.

Fitrarea nu trebuie realizată pe mulţimea tuturor regulilor, sistemul de control

putând decide dacă o parte din reguli nu trebuie testate.

In urma acestei etape pot rezulta una, mai multe sau nici o regulă declanşabilă. In

ultimul caz rezultă o situaţie de eşec pe care sistemul expert trebuie să o explice sau în

care utilizatorul trebuie să răspundă la o serie de întrebări solicitate de sistem în vederea

definirii mai riguroase a formulării problemei abordate.

Rezolvarea conflictelor este necesară atunci când din etapa de filtraj au rezultat

mai multe reguli declanşabile şi trebuie aleasă una pentru a fi executată.

Criteriile de alegere ale acestei reguli executabile sunt:

- regula complexă cu cel mai mare număr de fapte în premisă;

- regula cea mai des utilizată.

45

De calitatea acestei alegeri depind performanţele motorului de inferenţe. Alegerea

depinde de contextul în care se găseşte baza de cunoştinţe în momentul respectiv.

Execuţia regulii alese constă în adăugarea anumitor fapte în baza de fapte prin:

- proceduri externe de acces la baze de date;

- proceduri externe de acces la foi de calcul tabelar;

- întrebări solicitate utilizatorului.

Pentru rezolvarea unei probleme, motorul de inferenţe execută mai multe cicluri

de bază şi se opreşte în funcţie de modul de raţionament utilizat.

Selecţia

Fapte selecţionate

Filtraj

Rezolvare conflicte

Execuţia regulilor

Baza de reguli Baza de fapte

Reguli posibile

Reguli reţinute

Reguli declanşabile


Fig. 3.1: Ciclul de bază al motorului de inferenţe

46

3.1.2 Strategiile de control în sistemele expert Asigură trecerea acestor sisteme dintr-o stare în alta şi constau în a găsi calea de

alegere a regulilor aplicabile asupra bazei de fapte. Strategiile de control diferenţiază ciclul

unui motor inferenţial în două modalităţi:

Sistemul cu restricţie nulă conţine numai fazele filtrare şi execuţie, funcţionarea

fiind asigurată până în momentul când mulţimea regulilor aplicabile este vidă.

Sistemul cu restricţie nenulă presupune existenţa a 4 faze: restricţia, filtrarea,

selecţia, execuţia. Faza de restricţie asigură determinarea submulţimii faptelor adevărate

în timp ce faza de selecţie arată dacă una sau mai multe reguli sunt aplicabile sau nici una

nu este aplicabilă.

Restricţia asigură identificarea şi reţinerea regulilor a căror premisă este

adevărată în raport cu faptele adevărate stocate în baza de fapte. In acest mod sistemul

funcţionează cu înlănţuire înainte.

Dacă sistemul este guvernat de fapte, restricţia va avea în vedere numai

scopurile, deci faptele ce trebuie stabilite. Filtrarea va reţine numai regulile ale căror

concluzii conţin scopuri care sunt stocate în baza de fapte. In această situaţie sistemul

funcţionează cu înlănţuire înapoi.

Dacă sistemul este guvernat atât de fapte cât şi de scopuri, sistemul este

caracterizat printr-o înlănţuire mixtă.

De asemenea, restricţia poate fi aplicată explicit de către expert prin intermediul

metaregulilor (aplicarea de reguli asupra regulilor). Metaregulile pot arăta:

- starea următoare a bazei de fapte (care vor fi regulile ce vor fi filtrate);

- grupa de reguli care trebuie reţinută cu prioritate.

Restricţia poate fi guvernată de legi care rezultă din structurarea problemei, deci

prin intermediul unei legi de precedenţă. Cunoştinţele pot fi organizate utilizând reţele

analoage reţelelor semantice prin intermediul unei organizări ierarhice a cunoştinţelor

(după cum a fost prezentat în capitolul 2.4).

Selecţia alege din mulţimea regulilor aplicabile acea regulă care va fi executată.

După fazele de restricţie-filtrare pot rezulta 2 cazuri:

• una sau mai multe reguli sunt aplicabile: se utilizează 2 strategii

- explorarea în lăţime-înainte: executarea primei reguli disponibile, urmând ca toate

celelalte reguli din mulţimea celor aplicabile să fie eliminate. Se vor executa succesiv toate

regulile aplicabile până când condiţia finală este îndeplinită, în caz contrar trecându-se la

un nou ciclu al motorului de inferenţă;

47

- explorarea în adâncime-înainte: se selectează o regulă aplicabilă după o metodă

euristică după care se trece la execuţie. In continuare se verifică dacă este îndeplinită

condiţia de oprire, în caz contrar reluându-se ciclul motorului de inferenţă.

• nici o regulă nu este aplicabilă: conduce la întrebări solicitate utilizatorului.

Strategiile de control ale unui sistem expert se pot clasifica după 3 criterii1:

- monotonie;

- regimul de lucru al motorului de inferenţe;

- modul de parcurgere al arborilor “şi-sau”.

1) Monotonia: proprietatea sistemelor expert de a lucra cu fapte şi baza de fapte:

• Strategia monotonă este definită prin 2 elemente:

- cunoştinţele adăugate în baza de cunoştinţe nu introduc contradicţii;

- faptele şi regulile nu pot fi şterse din baza de cunoştinţe.

• Strategia non-monotonă: asigură reanaliza veridicităţii faptelor pentru a se

induce noi cunoştinţe în timpul procesului deductiv .

2) Regimul de lucru al motorului de inferenţe: arată modul de reacţie al motorului

de inferenţe în caz de eşec:

• cu revenire (raţionamentul inductiv): atunci când motorul de inferenţe reia

inferenţa asigurată prin ciclul imediat anterior stării de eşec în scopul căutării

unei alte variante de rezolvare;

• irevocabil (raţionamentul deductiv): când motorul de inferenţe nu mai reia

inferenţa anterioară înregistrării stării de eşec deoarece o consideră inutilă.

3) Modul de parcurgere al arborilor “şi-sau”: specifică modalitatea concretă de

căutare a soluţiilor prin 2 strategii:

• în profunzime: căutarea se face prin parcurgerea pe ramuri fiind specifică

regimului de lucru irevocabil;

• în lărgime: căutarea se declanşează prin explorarea tuturor elementelor aflate

pe acelaşi nivel ceea ce conduce la invalidarea regimului de lucru cu revenire.


48

3.1.3 Modurile de raţionament specifice motorului de inferenţe In funcţie de contextul şi specificul problemei abordate, motorul de inferenţe

execută o succesiune de cicluri de bază şi se opreşte în raport de modul de raţionament

utilizat efectiv: deductiv (înainte), inductiv (înapoi), mixt.

1) Raţionamentul deductiv (înainte): motorul de inferenţe pleacă de la fapte şi

caută un anumit scop (obiectiv). Raţionamentul este dirijat de fapte şi funcţionează astfel:

- în urma etapei de selecţie rezultă faptele şi regulile selectate;

- etapa de filtraj va extrage din baza de cunoştinţe numai acele reguli care au în

partea de premise faptele strict impuse de formularea problemei (determinarea regulilor

declanşabile);

- etapa de rezolvare a conflictelor foloseşte drept criteriu de alegere fie utilizarea

primei reguli aplicabile în ordinea numerotării regulilor, fie regula cu numărul cel mai mare

de premise. In caz de egalitate se alege regula cu numărul de ordine cel mai mic.

- procesul se reia până se atinge scopul propus (situaţie rezolvată) sau nu mai

există nici o regulă aplicabilă (situaţie de eşec).

Algoritmul raţionamentului deductiv poate fi reprezentat astfel: INCEPUT

etapa de SELECTIE

determinarea faptelor şi regulilor selectate

etapa de FILTRAJ

determinarea regulilor declanşabile (aplicabile)

ATATA TIMP CAT mulţimea regulilor declanşabile nu este vidă sau scopul nu a fost atins

EXECUTA

etapa de REZOLVARE CONFLICTE

DACA criteriul este prima regulă aplicabilă în ordinea numerotării

ATUNCI aplică regula aleasă

modifică regulile declanşabile

SFARŞiT - DACA

DACA criteriul este regula cu numărul cel mai mare de premise,

iar în caz de egalitate, regula cu numărul de ordine cel mai mic

ATUNCI aplică regula aleasă

modifică regulile declanşabile

SFARŞiT - DACA

DACA baza de fapte conţine scopul propus

ATUNCI situaţie rezolvată

SFARŞiT - DACA

DACA baza de fapte nu conţine scopul propus

49

ATUNCI situaţie de eşec

SFARŞiT - DACA

SFARŞiT - EXECUTA

SFARŞiT - ATATA TIMP

SFARŞiT

2) Raţionamentul inductiv (înapoi): porneşte de la un scop (o problemă) pe care o

descompune în subprobleme până la obţinerea de probleme primitive formate din fapte

dovedite sau interogabile. Raţionamentul inductiv este dirijat de scop şi este invers

raţionamentului deductiv. Dirijarea în raport de scop trebuie să asigure găsirea faptelor

care vor asigura realizarea scopului.

Regulile selecţionate prin raţionamentul inductiv prezintă 2 particularităţi:

- trebuie să conţină în partea lor de concluzie (partea dreaptă) scopul iniţial;

- premisele regulilor selecţionate devin subscopuri ce urmează a fi dovedite.

Procesul raţionamentului inductiv se repetă până când mulţimea regulilor

declanşabile devine vidă (situaţie de eşec) sau subscopurile determinate sunt

demonstrate în totalitate.

Algoritmul specific raţionamentului inductiv poate fi reprezentat astfel: INCEPUT

etapa de SELECTIE


introduce SCOP

etapa de FILTRAJ


DACA mulţimea regulilor declanşabile este vidă

ATUNCI solicită întrebări utilizatorului

SFARŞiT - DACA

ATATA TIMP CAT există regulilor declanşabile şi scopul nu a fost demonstrat

EXECUTA

etapa de REZOLVARE CONFLICTE

DACA criteriul este prima regulă cu numărul de ordine cel mai mic în

parcurgerea arborelui în profunzime şi apoi de la stânga la dreapta

ATUNCI

etapa de EXECU}IE pentru regula aleasă care are în

partea de concluzii scopul specificat

memorează subscopurile determinate

SFARŞiT - DACA

50

DACA un anumit scop nu este demonstrat

ATUNCI execută alte reguli declanşabile de la început

SFARŞiT - DACA

SFARŞiT - EXECUTA


SFARŞiT

3) Raţionamentul mixt: se fixează un scop, se determină faptele deductibile, se

aplică mai întâi raţionamentul inductiv care va solicita utilizatorul pentru specificarea

valorilor unor fapte necunoscute dar interogabile şi apoi se aplică raţionamentul deductiv

pentru a deduce tot ce este posibil.

Algoritmul specific raţionamentului mixt poate fi reprezentat astfel: INCEPUT

etapa de SELECTIE


introduce SCOP

etapa de FILTRAJ


ATATA TIMP CAT scopul nu este stabilit,

există reguli declanşabile şi scopul este deductibil

EXECUTA

raţionamentul inductiv cu posibile întrebări solicitate utilizatorului

raţionamentul deductiv

determină faptele deductibile

SFARŞiT – EXECUTA


DACA scopul a fost stabilit

ATUNCI vizualizare scop

ALTFEL vizualizare eşec

SFARŞiT - DACA

SFARŞiT

51

3.1.4 Unificarea Procesul de unificare este un element esenţial în utilizarea şi prelucrarea regulilor

de producţie ca variabile. Acest proces de unificare se manifestă în felul următor:

• dacă logica predicatelor constituie baza motorului de inferenţe, atunci vor fi

declanşate acele reguli ce au premisele satisfăcute prin intermediul unor

substituţii specifice variabilelor, similare cu faptele stocate în baza de fapte sau

prin intermediul unor concluzii specifice altor reguli;

• daca logica propoziţiilor guvernează funcţionarea motorului de inferenţe, atunci

vor fi declanşate regulile ale căror premise sunt identice fie cu concluziile altor

reguli, fie cu faptele deja existente în baza de fapte.

Procesul de unificare are la bază 3 concepte: substituţia, instanţierea, unificarea1.

O substituţie este un ansamblu de perechi (v1,t1), . . . , (vi,ti) unde v reprezintă

variabilele, iar t termeni oarecare. In calitate de termeni pot figura constante, variabile sau

expresii funcţionale.

Prin aplicarea unei substituţii S asupra unei expresii e se obţine o instanţiere a

expresiei. Deoarece explorarea sistematică a tuturor posibilităţilor de substituire a

variabilelor este inacceptabilă (din motive de performanţă), se caută forme reduse

intermediare care să identifice forma comună cea mai generală (procesul de unificare).

Algoritmul de stabilire a celui mai general unificator a 2 expresii oarecare se bazează pe

parcurgerea acestora în paralel şi compararea simbolurilor întâlnite, două câte două.

Pot apare următoarele situaţii:

- cele 2 simboluri sunt egale: se trece la confruntarea următoarelor două simboluri;

- cele 2 simboluri sunt diferite: ele pot fi unificate dacă cel puţin unul din simboluri

este o variabilă, iar cel de-al doilea este fie un termen, fie începutul unui termen care nu

conţine această variabilă. Perechea (variabilă, termen) astfel obţinută reprezintă

substituţia căutată şi ea se aplică părţii rămase de unificat din cele 2 expresii, după care

se trece la confruntarea următoarelor două simboluri.

Dacă la un moment dat simbolurile corespunzătoare nu pot fi unificate sau nu se

ajunge simultan la sfârşitul ambelor expresii, atunci acestea nu sunt unificabile.


52

3.2 Etapele de proiectare a sistemelor expert 3.2.1 Studiul de fezabilitate privind realizarea unui sistem expert

Studiul de fezabilitate trebuie s\ poat\ r\spunde la urm\toarele întreb\ri1:

- sistemul expert proiectat este realizabil?

- în ce m\sur\ va ameliora situaţia existent\?

- care sunt persoanele capabile s\-l realizeze?

- care este bugetul previzionat alocat?

- în cât timp se poate realiza?

- care sunt mijloacele necesare pentru punerea în funcţiune?

- care va fi rentabilitatea?

Dup\ munca de identificare a problemei este posibil s\ se r\spund\ la întreb\rile de

mai sus. Mai r\mân îns\ înc\ dou\ puncte delicate:

- evaluarea costurilor;

- timpul de realizare.

Procesul de derulare a proiectului poate cuprinde urm\toarele etape;

- livrarea unei machete (cu o parte limitat\ de cunoştinţe);

- realizarea prototipului;

- îmbog\ţirea şi validarea bazei de cunoştinţe;

- prezentarea versiunii operaţionale;

- implementarea.

Avantajul unei astfel de împ\rţiri a proiectului permite angajarea de credite în mod

prograsiv şi întreruperea lucrului dup\ recepţia machetei de c\tre factorii din întreprindere.

Acest prestudiu defineşte deci fezabilitatea, rezultatele scontate, principalele etape de

realizare a proiectului.


53

3.2.2 Ciclul de viaţă al unui sistem expert Calitatea şi utilitatea unui sistem expert depind de cunoştinţele pe care le

încorporează şi utilizează. De aceea efortul principal în realizarea unui sistem expert este

orientat spre cunoştinţe, începând cu identificarea structurilor generale corespunzătoare

domeniului de expertiză şi continuând cu colectarea, reprezentarea, validarea şi utilizarea

acestora. Corespunzător acestei caracteristici definitorii, ciclul de viaţă al unui sistem

expert se compune din următoarele etape (fig. 3.2):

- analiza preliminară;

- modelarea conceptuală;

- colectarea cunoştinţelor;

- reprezentarea cunoştinţelor;

- validarea sistemului;

- introducerea în exploatare şi menţinerea în funcţiune.

Conceperea şi realizarea unui sistem expert necesită în principal două categorii

de personal:

- experţii umani ale căror cunoştinţe urmează a fi colectate şi direcţionate către

utilizatori prin intermediul sistemelor expert;

- cogniticienii care asigură transpunerea cunoştinţelor şi strategiilor de raţionament

ale expertului uman în structurile specifice metodei de reprezentare a cunoştinţelor şi a

instrumentelor informatice utilizate (programare logică, generator de sistem expert).

Participanţii tradiţionali la o asemenea activitate sunt:

-utilizatorii finali care vor exploata sistemul valorificând cunoştinţele încorporate;

-proiectanţii şi programatorii care vor asigura rezolvarea problemelor informatice

implicate de realizarea sistemelor expert: conceperea şi programarea comunicaţiei cu

utilizatorul, transferul de informaţii de la şi către aplicaţiile informatice existente, etc.

Referitor la această categorie de participanţi se impun două observaţii:

- ei pot fi identici ca persoane fizice cu cei care îndeplinesc funcţia de cognitician;

termenul de cognitician defineşte o funcţie specifică şi în general indispensabilă în

realizarea unui sistem expert şi nu o persoană fizică;

- prin facilităţile oferite de generatoarele de sisteme expert, efortul de programare

este aici mult mai redus, uneori aproape inexistent.

54

Analiza preliminară

Modelarea conceptuală

Colectarea cunoştinţelor

Reprezentarea cunoştinţelor

Validarea sistemului

Transferul expertizei de la expertul uman spre calculator

Sistem expert operaţional

Baza de cunoştinţe

Structura

Concepte

Selectarea problemei Stabilirea mijloacelor

Introducerea în exploatare şi menţinerea în funcţiune


Fig. 3.2: Structura ciclului de viaţă al unui sistem expert

55

3.2.3 Analiza preliminară Analiza preliminară urmăreşte definirea activităţii care va face obiectul sistemului

expert şi alegerea instrumentelor informatice necesare. Principalele cerinţe la care trebuie

să răspundă lucrarea ce urmează a fi abordată prin tehnologia sistemelor expert sunt:

- să facă apel la cunoştinţe ce aparţin unui domeniu bine delimitat;

- să aibă un nivel mediu de complexitate;

- să fie structurabilă, adică să utilizeze elemente identificabile, reproductibile şi

formalizabile în privinţa conceptelor, cunoştinţelor şi a raţionamentelor;

- să aibă un caracter repetitiv în timp;

- să fie bine cunoscută de către experţii disponibili;

- să nu facă apel la tipuri de cunoştinţe ce nu pot fi tratate prin una din metodele

de reprezentare existente (se poate aplica “testul telefonului” conform căruia o problemă

poate face obiectul unui sistem expert numai dacă expertul uman poate să-i expună

complet rezolvarea prin telefon).

In selectarea unei probleme care răspunde acestor criterii se pot avea în vedere

patru categorii de factori:

- natura problemei sau activităţii;

- rezultatele previzibile;

- expertiza disponibilă;

- utilizatorii finali.

Din punct de vedere al rezultatelor, evaluarea se bazează pe raportarea efectelor

previzibile ale sistemului expert la următoarele criterii:

- conduce la creşterea semnificativă a cifrei de afaceri;

- conduce la reducerea costurilor;

- determină îmbunătăţirea calităţii serviciilor şi produselor oferite;

- colectează expertiză pentru care nu există documentaţie scrisă;

- prin utilizare antrenează creşterea calificării profesionale;

- poate fi realizat cu un efort minim de programare.

O tehnică frecvent utilizată în efectuarea unor asemenea analize o reprezintă

grilele de evaluare care sunt compuse dintr-un ansamblu de criterii predefinite în raport cu

care problema abordată este apreciată şi notată cu un anumit punctaj. Dacă punctajul

total obţinut este sub o anumită limită, problema este considerată neoportună pentru un

sistem expert.

56

Din punctul de vedere al instrumentelor informatice se poate opta între:

- realizarea unui motor de inferenţe propriu scris într-un limbaj adecvat (Prolog);

- utilizarea unui generator de sisteme expert care are încorporat motorul de

inferenţe, rămânând ca utilizatorul să-şi însuşească modul de funcţionare al acestuia şi să

modeleze cunoştinţele expertului uman în concordanţă cu posibilităţile oferite de

generator.

Alegerea între aceste două posibilităţi trebuie să aibă în vedere câteva criterii:

- să existe un mecanism de control eficace, cu posibilităţi de automodificare şi un

modul explicativ elaborat;

- comunicaţia cu utilizatorul să fie cât mai apropiată de limbajul natural;

- să existe o experienţă anterioară în utilizarea sa pentru a avea elemente de

comparaţie.

Rolul etapelor următoare stabilirii problemei şi a instrumentelor informatice constă

în transferul expertizei de la expertul uman către calculator. Acesta este un proces

complex, ce presupune reveniri numeroase, aşa cum se poate observa din figura 3.6.

3.2.4 Modelarea conceptuală Acestă etapă urmăreşte definirea structurii conceptuale a cunoştinţelor utilizate de

către expertul uman în domeniul de activitate definit. In cadrul său expertul defineşte în

colaborare cu cogniticianul noţiunile de bază folosite, relaţiile dintre ele, lucrările principale

de efectuat şi restricţiile generale care intervin în cursul rezolvării problemelor. Acest efort

de conceptualizare este necesar pentru a delimita exact domeniul de expertiză şi a

fundamenta formularea cunoştinţelor în cadrul viitoarei baze de cunoştinţe.

Modelarea conceptuală vizează următoarele obiective:

- identificarea principalelor “obiecte”, concepte sau entităţi din domeniul analizat;

- definirea atributelor necesare descrierii obiectelor, conceptelor şi entităţilor;

- identificarea corelaţiilor care există între acestea;

- examinarea principalelor restricţii ce intervin în relaţiile dintre obiecte;

- specificarea tipurilor de probleme la care va răspunde viitorul sistem;

- definirea cadrului general de utilizare al sistemului expert sub aspectul manierei

de comunicare a problemelor de rezolvat şi al interacţiunii cu utilizatorul final.

57

Aceste obiective sunt considerate atinse dacă cunoştinţele acumulate pot servi la

construirea unui model al realităţii al domeniului analizat, model schematic dar suficient de

detaliat pentru a servi ca bază fazelor următoare din ciclul de viaţă.

Captarea realităţii într-un model presupune reproducerea schematică a celor două

aspecte fundamentale ale realităţii:

- aspectul static (structural);

- aspectul dinamic (funcţional).

Realitatea oferă însă şi alte aspecte:

- aspectul temporal (cauzal): determinat de manifestarea legii “cauză-efect”

exprimată în limbajul natural prin implicaţii logice;

- aspectul raţional (cognitiv): reflectă capacitatea de raţionament, de efectuare de

inferenţe logice asupra cunoştinţelor deţinute.

1) Un model structural trebuie să reflecte:

- elementele (obiectele, entităţile);

- atributele fiecărui element;

- relaţiile structurale dintre elemente:

• relaţii de clasificare (apartenenţă la o clasă)

• relaţii de compunere/descompunere (părţi componente)

2) Modelul funcţional trebuie să surprindă aspectul dinamic, activitatea

desfăşurată într-un domeniu, funcţiile fiecărui element din modelul structural. Analiza

activităţii se finalizează de obicei cu precizarea acestor funcţii şi a entităţilor implicate. In

modelele conceptuale aceste funcţii sunt relaţiile active dintre entităţi (obiecte).

Funcţiile sunt reprezentate prin verbe de acţiune în textul descriptiv fiind exprimate

în termeni foarte generali, entităţile implicate fiind clase de obiecte. Aceste funcţii generale

se pot descompune în acţiuni din ce în ce mai precise putându-se identifica trei nivele:

- acţiune generică;

- acţiune specifică;

- acţiune elementară (operaţie).

Ex: Arborele descompunerii funcţionale a acţiunii de vânzare:

58

livrare

facturare

încasare

eliberare

ambalare

expediere

descărcare

transport

încărcare

vânzare

3) Modelul cauzal surprinde aspectul declanşării unei acţiuni şi al consecinţelor ei

fiind o reprezentare a legii “cauză-efect”. In acest model se folosesc termenii de acţiune şi

eveniment. Evenimentul este rezultatul, consecinţa unei acţiuni şi este perceptibil prin

schimbarea valorii unor parametrii de stare (atribute).

Modelul conceptual cel mai general care asociază o acţiune unui context de

perechi ”variabilă-valoare” este modelul regulilor de producţie: ”condiţii – acţiune”.

Un alt model conceptual sunt reţelele Petri cunoscute mai mult prin varianta

simplificată promovată de metoda Merise (modelul conceptual al prelucrărilor).

Se evidenţiază astfel trei elemente fundamentale ale modelării conceptuale a

realităţii obiective: entitatea (obiectul), asociaţia (legătura, relaţia), evenimentul.

Raţionamentul efectuat asupra modelului cauzal este cel clasic (silogismul).

Logica clasică formalizează modelul de raţionament care utilizează relaţiile cauză-efect

denumite implicaţii (observate ca atare, considerate adevărate) pentru a deduce valoarea

de adevăr a efectului sau de falsitate a cauzei.

Implicaţiile se pot expune sub diferite forme:

• Dacă premisele sunt adevărate, atunci concluzia este adevărată;

• Concluzia este adevărată dacă premisele sunt adevărate;

• Concluzia este adevărată pentru că premisele sunt adevărate;

• Pentru ca o concluzie să fie adevărată, trebuie ca premisele sale să fie

adevărate.

Se observă o diferenţă în formularea implicaţiei (figura 3.3):

- o formulare interpretativă care explică de ce este concluzia adevărată;

- o formulare de intenţie care exprimă ce trebuie făcut pentru ca să se

îndeplinească concluzia.

59

In formularea interpretativă se cunoaşte concluzia şi se explicitează premisele

pentru verificare sau explicaţii (se explorează trecutul, faptele cunoscute).

In formularea intenţională se cunosc premisele şi se explicitează consecinţele lor

(se explorează viitorul, faptele considerate putând avea un caracter ipotetic).

Modelele cognitive asociate raţionamentului asupra modelului cauzal sunt:

- deducţia (modus ponens);

- inducţia;

- reducerea la absurd (modus tollens).

Cauze Consecinţe Acţiune

interpretare intenţie

trecut prezent viitor

Fig. 3.3: Plasarea implicaţiei în context temporal


Schema modului de înlănţuire a primitivelor de raţionament se numeşte schemă

de interpretare-intenţie. Această schemă este modelul cognitiv al modului de rezolvare a

problemei, model ce captează strategia expertului, modul lui de abordare şi etapele, pe

scurt expertiza asupra domeniului. Modelul cognitiv este modelul conceptual al expertizei.

4) Modelul cognitiv prezintă un caracter subiectiv, specific uman care se referă la

mecanismele inteligenţei naturale utilizate în procesul de raţionament. Raţionamentul

natural se bazează în exclusivitate pe un model al realităţii.

60

3.2.5 Colectarea cunoştinţelor Această etapă urmăreşte colectarea tuturor cunoştinţelor necesare construirii

modelelor conceptuale şi a bazei de cunoştinţe. Principalele probleme care apar sunt:

- lipsa de sistematizare iniţială (în exercitarea activităţii sale expertul nu are nevoie

să-şi exteriorizeze cunoştinţele);

- tendinţa firească de omitere a cunoştinţelor generale din domeniul respectiv

(cunoştinţe de bun simţ care pentru expertul uman sunt subînţelese);

- existenţa mai multor surse de cunoştinţe;

- dificultatea de a selecta din masa de cunoştinţe pe cele necesare sau relevante;

- necesitatea de a colecta un număr cât mai mare de excepţii şi de cazuri

nespecifice pentru a putea conferi suficientă flexibilitate viitorului sistem (un sistem expert

îşi propune să rezolve probleme nestructurate sau slab structurate unde excepţiile sunt

frecvente).

Colectarea cunoştinţelor se poate realiza pe cale manuală sau automată.

Principalul procedeu de culegere manuală este interviul utilizat frecvent şi în

realizarea aplicaţiilor informatice convenţionale. Deoarece expertiza umană este mult mai

dificil de delimitat şi obţinut, pe lângă dezavantajele inerente interviului se adaugă şi

introducerea unui anumit nivel de incertitudine. De aceea s-au definit diverse tehnici

alternative cum ar fi grilele de repertoriere care constau în esenţă în aplicarea unui

demers dirijat de identificare sistematică a cazurilor de rezolvat şi a carcteristicilor pe care

se bazează expertul în formularea de decizii sau recomandări.

Automatizarea achiziţionării cunoştinţelor presupune asigurarea următoarelor:

- asistarea expertului în transmiterea directă a cunoştinţelor sale fără participarea

altei persoane (cogniticianul);

- sprijinirea cogniticianului în culegerea mai eficientă a cunoştinţelor în cazul

problemelor complexe;

- inducţia automată: generarea automată de reguli de producţie pe baza unui set

de exemple sau cazuri formulate de expert.

In acestă privinţă există algoritmi şi programe independente sau încorporate în

generatoare de sisteme expert, capabile să efectueze asemenea prelucrări.

61

3.2.6 Reprezentarea cunoştinţelor Acestă etapă urmăreşte să asigure formalizarea şi reprezentarea cunoştinţelor în

structura adecvată înregistrării lor în baza de cunoştinţe şi exploatării de către motorul de

inferenţe. Realizarea sa este facilitată de unele generatoare de sisteme expert şi de

instrumentele informatice de achiziţionare automată a cunoştinţelor.

Reprezentarea cunoştinţelor este o etapă de detaliere a modelelor conceptuale,

de traducere în termeni mai concreţi, de unificare a diferitelor modele structurale,

funcţionale, cauzale şi cognitive care au rezultat din etapa de modelare conceptuală.

Acestă unificare se poate considera un model logic al cunoştinţelor, asemănător

modelelor utilizate la nivelul logic al sistemelor informatice clasice, nivelul specificaţiei

interne, interfaţa cu suportul software care asigură implementarea. In domeniul inteligenţei

artificiale acest nivel este acoperit de logica propoziţiilor şi predicatelor ce permit

reprezentarea tuturor simbolurilor din modele: entităţi, asociaţii, evenimente, legături

cauzale şi primitive de raţionament.

Logica predicatelor este un instrument mai puţin potrivit pentru modelele

structurale şi funcţionale, dar deosebit de flexibil în implementarea modelelor cauzale şi

cognitive (implicit prin motoarele de inferenţă asociate limbajelor).

Astfel convenţiile de traducere în logica predicatelor a entităţilor, asociaţiilor,

evenimentelor, a declanşării acţiunilor şi a consecinţelor acestora sunt:

• entitate(atribut_1, . . . , atribut_n)

dacă entitate_1(atr_11, . . . , atr_1n)

şi entitate_2(atr_21, . . . , atr_2n)

. . . . . . . . . . . . . . . . . . . . . . . . . . .

şi entitate_m(atr_m1, . . . , atr_mn)

atunci asociaţie(atr_11, . . . , atr_mn)

• eveniment(parametru, valoare)

dacă eveniment_1(p1, v1)

şi eveniment_2(p2, v2)

. . . . . . . . . . . . . . . . . . . .

şi eveniment_m(pm, vm)

atunci acţiune

• acţiune

dacă acţiune

şi context

atunci consecinţă

62

Raţionamentele asupra modelului cauzal (deducţia, inducţia) sunt modelate

implicit prin înlănţuirea regulilor de producţie din premise spre concluzie sau din concluzie

spre premise în procesul de inferenţă ce va fi efectuat de către interpretoarele limbajelor

utilizate pentru implementarea bazei de cunoştinţe. Regulile trebuie formalizate în aşa fel

încât acest proces de înlănţuire automată să fie posibil. Se impune deci standardizarea

predicatelor utilizate, utilizarea inferenţelor primitive, controlul procesului de înlănţuire

printr-o schemă de interpretare-intenţie construită pentru atingerea unui anumit scop.

Această schemă se transcrie tot prin reguli de producţie:

dacă inferenţa_1

şi inferenţa_2

. . . . . . . . . . . .

şi inferenţa_n

atunci scop

Schema de interpretare-intenţie este modelul conceptual al prelucrării

cunoştinţelor în vederea atingerii unui anumit scop.

3.2.7 Validarea sistemului Scopul principal al acestei etape constă în verificarea măsurii în care sistemul

obţinut poate fi utilizat în practică. Validarea sistemului trebuie să cuprindă toate

elementele ce caracterizează funcţionarea sistemului:

- rezultatele furnizate de sistem;

- procesele de raţionament ce conduc la aceste rezultate;

- metodele de inferenţă aplicate.

Principalele criterii de validare a sistemului:

- naturaleţea în interacţiunea cu utilizatorul uman;

- gradul de acoperire a gamei de probleme aferente domeniului de expertiză;

- capacitatea de a răspunde la formulări diferite ale problemelor;

- precizia rezultatelor furnizate şi ponderea deciziilor eronate.

In funcţie de rezultatele observate validarea poate impune completarea bazei de

cunoştinţe precum şi operarea de modificări structurale menite să îmbunătăţească

parametrii de exploatare curentă.

63

3.2.8 Introducerea în exploatare şi menţinerea în funcţiune Introducerea în exploatare grupează ansamblul activităţilor necesare trecerii la

stadiul de sistem operaţional şi se realizează pe două nivele:

- prin integrarea în structurile organizatorice existente;

- prin integrarea cu aplicaţiile informatice aflate deja în exploatare.

Menţinerea în funcţiune vizează două aspecte:

- asigurarea evoluţiei sistemului prin completarea sau modificarea ulterioară a

bazei de cunoştinţe;

- adaptarea sa la evoluţia tehnologiilor informatice şi a aplicaţiilor cu care

interacţionează.

64

4 Generatoare de sisteme expert 4.1 Arhitectura generatoarelor de sisteme expert Sistemele expert sunt realizate şi comercializate pe piaţa informaticii prin

intermediul a două componente diferite dar complementare:

• Sistemul expert propriu-zis (SE): produs informatic capabil să admită o bază de

cunoştinţe, pregătit pentru o expertiză reală, operaţional în logica propoziţiilor şi dotat cu

motor de inferenţe;

• Generatorul de sisteme expert (GSE): produs informatic privit ca un instrument de

elaborare, de tipul “shell”, fără bază de cunoştinţe, dar disponibil şi capabil de a exploata

imediat o asemenea componentă logică. GSE va conţine motorul de inferenţe, programe

utilitare de elaborare şi de exploatare, funcţii “help”, toate aceste componente organizate

şi exploatabile într-o manieră unitară în accepţiunea unui mediu de elaborare al SE.

Pe piaţa informaticii nu se vând SE, ci GSE prin intermediul căruia utilizatorul

potenţial poate genera, în raport de specificul domeniului expertizat, o multitudine de SE

într-o mare varietate prin utilizarea automată a unui GSE.

Arhitectura unui generator de sisteme expert conţine o serie de componente logice

de bază şi auxiliare de natură să permită construirea şi funcţionarea optimă a unui SE.

Motor de inferenţe

Motor de elaborare

Trasor Invăţare

Module specializate: calcule, comentarii,explicaţii


Baza de

fapte

Baza de

reguli

Dicţionar de: - fapte - reguli

Confidenţialitatea accesului la baza

de cunoştinţe Editor

Compilator reguli

Interfaţa utilizator

Fig. 4.1: Arhitectura simplificată a unui generator de sisteme expert

Sursa: Davidescu N.D., Arhitectura sistemelor expert, Editura didactică şi pedagogică, Bucureşti, 1997

65

Majoritatea GSE conţin următoarele componente logice:

1) Motorul de inferenţe, componentă de bază, cu caracteristicile următoare:

- este conectat la baza de cunoştinţe din care îşi preia cunoştinţele pe care le

prelucrează şi le restochează tot la nivelul bazei de cunoştinţe.

- anumite GSE pot fi dotate cu mai multe motoare de inferenţe datorită cauzelor:

• motoare de inferenţe diferite pentru reguli;

• motoare de inferenţe dedicate pentru metareguli;

• SE pot fi destinate expertizării mai multor domenii de cunoaştere diferite, dând

naştere la sisteme multi-expert.

2) Baza de cunoştinţe, componentă de bază ce conţine regulile şi faptele

necesare dezvoltării unui SE prin facilităţile GSE.

3) Editorul, componentă esenţială care asigură schimbul de cunoştinţe într-o

manieră apropiată limbajului natural. Permite înţelegerea regulilor şi faptelor manipulate

prin GSE şi are următoarele funcţii:

- facilitarea înţelegerii;

- verificarea cuvintelor cheie utilizate de GSE;

- verificarea valorilor posibile admise de variabile (domeniul de existenţă al lor);

- afişarea regulilor cu premise şi concluzii similare.

4) Trasorul, componentă esenţială ce asigură:

- urmărirea secvenţelor raţionamentelor desfăşurate de motorul de inferenţe;

- afişarea regulilor care au dedus o anumită concluzie;

- activarea întrebărilor de genul: de ce? şi cum? pentru a furniza fie faptul, fie

regula utilizată.

5) Invăţare, componentă auxiliară care are două funcţii esenţiale:

- modalitatea concretă a achiziţiei de noi reguli, adică adăugarea de noi reguli

prin intermediul mai multor metode (de exemplu tabela de decizie) ;

- reperarea euristicilor performante care are în vedere optimizarea sau

simplificarea numărului de reguli.

6) Interfaţa utilizator, componentă auxiliară asigurând comunicaţia şi dialogul

eficient cu utilizatorul SE precum şi interacţiunea cu o bază de date.

7) Compilator de reguli, componentă auxiliară care asigură verificarea sintactică a

regulilor introduse prin intermediul editorului în baza de cunoştinţe.

8) Dicţionarul, componentă auxiliară care conţine toate informaţiile particulare şi

specifice cu privire la fapte şi reguli.

66

9) Confidenţialitatea accesului la baza de cunoştinţe, componentă auxiliară care

permite activarea bazei de cunoştinţe prin intermediul unei parole de acces.

10) Module specializate, componentă auxiliară ce asigură o serie de funcţii strict

particulare dintre care cele esenţiale sunt: calcule, comentarii, explicaţii.

11) Motorul de elaborare, componentă auxiliară care coordonează acţiunea

trasorului şi a editorului oferind facilităţile impuse de verificarea sintaxei, efectuarea de

corecţii şi concordanţa după corectare cu utilizatorul.

4.2 Principalele componente specifice unui GSE 4.2.1 Editorul Editorul asigură schimbul de cunoştinţe între utilizator şi SE prin intermediul unei

interfeţe şi a unui modul de dialog. Editorul impune utilizatorului utilizarea unei sintaxe

predefinite în privinţa generării şi utilizării regulilor şi faptelor. De asemenea editorul

verifică dacă faptele şi regulile au formatul solicitat de GSE. După analiza regulilor

generabile pentru un anume SE, se începe introducerea acestora în baza de cunoştinţe.

Editorul asigură concordanţa şi coerenţa dintre cunoştinţele introduse de la

videoterminal şi structura predefinită a cunoştinţelor. In plus el gestionează o listă

completă privind dicţionarul regulilor şi faptelor pentru care poate asigura următoarele:

lista faptelor şi a regulilor, cine şi când a introdus regule, valorile admisibile pentru fiecare

tip de obiect.

4.2.2 Trasorul Trasorul furnizează utilizatorului secvenţa raţionamentelor declanşate de motorul

inferenţial. De asemenea actualizează baza de fapte odată cu dovedirea faptelor iar la

modificarea valorii unei fapte, trasorul detectează toate deducţiile efectuate. Sesiunea se

reia cu noua valoare a faptei respective.

Succesiunea acestor modificări permit evaluarea sensibilităţii rezultatului final

raportat la valoarea faptelor sigure prin intermediul unui studiu de sensibilitate. Acest

studiu urmăreşte modificarea faptelor, modul de actualizare a bazei de cunoştinţe şi

continuarea consultării pe baza noilor fapte. Ansamblul regulilor utilizate pentru

demonstrarea unui anumit scop, deci înlănţuirea completă a raţionamentelor efectuate de

67

către motorul de inferenţe se numeşte traseu care va fi evidenţiat în finalul sesiunii de

lucru. Utilizarea trasorului se face diferenţiat în funcţie de faza de funcţionare a SE:

• modul de funcţionare normală a sistemului: modul exploatare

Asigură pe parcursul sesiunii de lucru faptele necesare pentru completarea bazei

de cunoştinţe şi declanşarea raţionamentului de către motorul de inferenţe.

• modul de îmbogăţire şi validare a sistemului: modul dezvoltare

Prezintă facilitatea de îmbogăţire şi validare pe măsura utilizării efective a

sistemului. Utilizatorul doreşte să cunoască regulile care au stat la baza fundamentării

unei anumite concluzii fiind posibile:

- adăugări de noi fapte;

- ştergerea sau modificarea faptelor deja existente.

Cele două moduri specificate (exploatare şi dezvoltare) sunt asociate conceptului

de motor de elaborare fiind activate prin intermediul întrebărilor de ce? şi cum?:

• întrebarea de ce? face referinţă la un fapt şi furnizează regula ce conţine acest

fapt care urmează să fie declanşată. Astfel utilizatorul poate urmări secvenţele

de raţionament pe care sistemul intenţionează să le aplice

• întrebarea cum? admite întoarcerea în arborele logic iar sistemul generează un

răspuns prin care sunt evidenţiate şi cunoscute regulile pe care le va aplica în

momentul punerii întrebării, regulile deja aplicate precum şi regulile care vor fi

declanşate şi încercate.

4.2.3 Motorul de elaborare Conţine proceduri prin care se asigură coordonarea dintre acţiunea editorului şi

cea a trasorului, utilizatorul având posibilitatea îmbogăţirii bazei de reguli prin adăugarea

şi validarea de reguli noi, urmate de verificarea corectitudinii raţionamentelor. Se asigură

astfel calitatea bazei de reguli măsurată prin trei criterii:

• Completitudinea asigură continuitatea funcţionării sistemului în condiţiile

inexistenţei unui reguli în baza de fapte;

• Coerenţa este capacitatea unei baze de reguli de a produce fapte

necontradictorii pentru orice bază necontradictorie;

• Neredundanţa asigură inexstenţa unor reguli cu premise sau concluzii similare.

68

In rezumat, motorul de elaborare asigură facilităţile necesare pentru realizarea de

corecţii şi asigurarea verificărilor de sintaxă după care se testează concordanţa dintre

structura bazei de reguli şi expertul uman.

4.2.4 Invăţare Există două noţiuni de învăţare care sunt asociate sistemelor expert:

- achiziţia de noi reguli;

- reperarea euristicilor performante.

Pentru reguli problema se pune în termeni diferiţi în funcţie de ceea ce urmărim.

Putem încerca să adăugăm reguli într-o structură de cunoştinţe deja stabilită sau putem

să dorim achiziţia de reguli plecând de la nişte exemple (inducţie). In primul caz este vorba

mai ales de îmbogăţire, fapt ce ţine de motorul inferenţial. In al doilea caz, pentru

“exemplele” bine structurate, regăsim noţiunea de tabelă de decizie. O tabelă de decizie

conţine condiţii şi acţiunile care trebuie întreprinse când condiţiile sunt sau nu îndeplinite.

Acest tip de tabel poate folosi la culegerea regulilor şi poate eventual verifica faptul că

toate combinaţiile posibile de valori au generat câte o regulă (completitudine).

Invăţarea poate să se refere la structura de control. Aceasta înseamnă că euristici

performante sau metareguli pot fi asociate anumitor stări din baza de fapte după ce

sistemul a constatat că conjuncţia acestor stări şi euristici ar putea conduce în mod rapid

la rezultat.

Invăţarea şi programele de achiziţie a cunoştinţelor reprezintă o cale promiţătoare

pentru dezvoltarea sistemelor expert.

69

4.3 Programarea în stil “sistem expert” Un sistem expert fiind realizat într-o tehnologie inovatoare conduce la economii de

timp şi bani. Astfel programarea se reduce la minim şi utilizatorii posed\ instrumentul pe

care îl doresc şi care le convine cel mai mult. Majoritatea modificărilor din programe care

reduc numărul erorilor provin dintr-o proastă specificare la plecare, fără a mai vorbi de

modificările cerute de către clienţi în momentul când programul este finalizat.

Ideea de inovare se referă la două aspecte:

- SE stochează cunoştinţe din diferite domenii şi le reaşează pentru aceia care le

stăpânesc cel mai bine. Astfel o mare parte din întreţinerea sistemului informatic care

rezultă din modificările mediului nu mai este sarcina serviciului informatic.

- Programarea în stil “sistem expert” este o modalitate şi o metodă de realizare a

aplicaţiilor informatice bazându-se pe generatoarele de sisteme expert care sunt

instrumente de specificare progresivă şi revocabilă.

Gestionarea unui proiect sistem expert se desfăşoară în următoarele etape:

- punerea de acord asupra muncii care va fi efectuată de către sistem (definită în

termeni generali);

- se recenzează cunoştinţele necesare şi se prezintă viitorilor utilizatori un sistem

expert care funcţionează (macheta). In acest moment se poate spune că începe

specificarea deoarece doar acum “clienţii” sistemului încep să înţeleagă despre ce este

vorba. Nimic nu a fost programat datorită generatorului de sisteme expert. Acest generator

conţine un software care permite gestionarea ecranelor şi a rapoartelor astfel încât la

sfârşit persoanele interesate pot să vadă cum se va prezenta aplicaţia.

In mod progresiv se vor defini funcţiile sistemului. Intrucât pot fi gestionate ecranele,

calculele, rapoartele şi primitivele sistemului de reguli, prototipul poate urma imediat

specificaţiile. Procesul este deci în întregime revocabil. La limită se poate spune că se

comportă ca o cercetare euristică cu revenire controlată de către utilizator.

Când toată lumea este de acord se trece la finalizarea sistemului. Tot ce este

regulă şi bază de cunoştinţe este recuperabil. Nu rămâne decât să se programeze unele

proceduri de intrare-ieşire specifice şi legăturile cu aplicaţiile informatice existente. Altfel

spus programarea nu reprezintă decât o mică parte a programului şi nu începe decât

atunci când sistemul este în întregime şi corect specificat cu ajutorul utilizatorilor.

Se poate afirma că unele GSE sunt instrumente de prototipaj destul de elaborate

care există deja în prezent. Limbajul de prototipaj este limbajul regulilor. Ele furnizează un

mijloc simplu, progresiv şi revocabil de a îmbina toate primitivele care sunt utile într-un

program.

70

4.4 Tipuri de generatoare de sisteme expert 4.4.1 Generatorul de sisteme Argument-Decidex Origine: La început acest sistem a fost construit pentru microcalculatoare (1984)

Calculatoare şi limbaje: Argument-Decidex funcţionează pe calculatoare IBM/PC

compatibile sub sistemul de operare MS-DOS sau sub UNIX pe calculatoare de tip ATT,

COMPAQ.

Reprezentarea cunoştinţelor: Cunoştinţele sunt structurate sub formă de scheme.

Particularităţile raţionamentului sunt date de organizarea ierarhică a cunoştinţelor (sau

arbore “scheme”). Numărul de scheme depinde de natura problemei, fiecare schemă dând

naştere la rândul său la câteva zeci de reguli. Această organizare în scheme facilitează în

primul rând structurarea cunoştinţelor expertului de către inginerul de cunoştinţe, controlul

şi alte funcţii. Motorul de inferenţe este influenţat mai puţin de această reprezentare.

Faptele: în cadrul regulilor faptele sunt utilizate sub forma:

<obiect><variabilă>*<valoare>, unde:

* este un separator oarecare, logic, aritmetic sau textual.

Schemele reprezintă legături funcţionale între obiecte şi sunt de forma:

<obiect><variabile><obiect><variabile>. . .<obiect><variabile>

Regulile sunt asociate la scheme fiind de tipul:

Dacă F1 SI F2 . . . SI Fk, atunci Fn, unde Fi sunt fapte.

Intrări-ieşiri: Decidex gestionează fişiere de date, ecrane de HELP sau comentarii şi

operaţii de editare care se pot intercala pentru raţionamentele rezultate ca urmare a

aplicării regulilor. Sistemul poate fi folosit la editarea obiectelor (în sens general). Rubricile

acestor obiecte sunt exploatate fie prin reguli Decidex, fie prin reguli Argument.

Controlul: In Decidex controlul funcţionează prin înlănţuire înainte, cu gestiunea

ipotezelor şi revenire. Acest control poate fi automat sau dirijat de către utilizator.

In Argument controlul funcţionează prin înlănţuire înapoi, cu o restricţie şi o

instanţiere a variabilelor bazate pe arborele scheme deorece fiecare schemă dirijează un

pachet de reguli.

Mulţimea Decidex-Argument se poate folosi pentru a realiza o înlănţuire mixtă.

71

Mediu şi utilitare:

- Editor multifereastră pentru introducerea bazei de cunoştinţe, comentarii, ecrane,

fişiere de date şi de text.

- Trasor;

- Funcţionare în mod dezvoltare care permite verificarea coerenţei bazei de

cunoştinţe (căutarea ciclurilor, căutarea regulilor care lipsesc şi propuneri de reguli noi,

contradicţii între reguli);

- Analiza sensibilităţii;

- Acces permanent la comentarii;

- Interfaţa cu câteva baze de date.

Posibilităţi de extensie şi facilităţi de utilizare:1

Fiecare din sistemele Argument sau Decidex poate fi folosit independent. Impreună

constituie primul sistem multiexpert vândut în Franţa. Intre cele două sisteme se pot

efectua schimburi totale de fapte iar bazele de fapte rămân independente.

Datorită structurării cunoştinţelor în scheme, sistemul este destul de uşor de

înţeles. Deschiderile spre limbajul C şi software-ul UNIX sunt numeroase:

- legătura cu baze de date

- apelul procedurilor în reguli

- integrarea funcţiilor C

- punerea la dispoziţie a unei biblioteci.

Aplicaţii: Principalele aplicaţii s-au realizat în domeniul financiar, alocarea

resurselor, controlul procedeelor. Decidex se poate utiliza în generarea scenariilor pentru

planificarea strategică.


72

4.4.2 Generatorul de sisteme expert H-Expert H-Expert este un generator de putere medie, realizat în limbajul C, cu o

arhitectură deschisă şi prezintă următoarele caracteristici1:

- utilizează conceptele “reprezentării orientate obiect” prin folosirea noţiunilor de

clasă, obiect, transfer succesoral multiplu (valori, atribute), restricţii.

- baza de cunoştinţe este organizată ierarhic permiţând o reprezentare mai

naturală a cunoştinţelor şi optimizarea timpului de răspuns;

- acceptă interogarea unor biblioteci de programe ale utilizatorilor, ceea ce permite

personalizarea aplicaţiilor;

- este utilizabil sub interfeţele grafice: MS/Windows, Presentation Manager,

X-Window/OFS-Motif, ceea ce permite un dialog simplu cu utilizatorii.

H-Expert este şi un mediu de dezvoltare ce cuprinde:

- editor specializat pentru crearea şi actualizarea cunoştinţelor (clase, obiecte,

atribute, reguli);

- compilator incremental pentru verificarea sintaxei şi coerenţei bazei de

cunoştinţe;

- reprezentarea grafică a cunoştinţelor ceea ce permite o manipulare mai uşoară a

acestora;

- instrumente ajutătoare pentru testarea pas cu pas a raţionamentelor motorului de

inferenţe asupra unei baze de cunoştinţe precum şi pentru căutarea multicriterială;

- gestiunea unui jurnal care reţine mai multe consultaţii ale sistemului expert;

- baza de cunoştinţe poate avea maxim 64000 de reguli;

- poate comunica cu baze de date, procesoare de tabele şi programe scrise în C;

- motorul de inferenţe nu este monoton şi foloseşte toate tipurile de raţionament:

inductiv, deductiv şi mixt.


73

4.4.3 Generatorul de sisteme expert M.4 M.4 este un puternic instrument software1 pentru construirea sistemelor de

cunoştinţe permiţând o procesare inteligentă a programelor create. M.4 este scris în

limbajul C pentru a facilita integrarea cu alte aplicaţii software.

M.4 poate fi utilizat pentru dezvoltarea de aplicaţii (selecţie, analiză, configurare,

diagnoză, planificare, proiectare) în diferite domenii (finanţe, administraţie, servicii, vânzări

şi marketing, educaţie). Totalitatea elementelor de proiectare ale M.4 sunt conţinute în

librăria nucleului (Kernel Library) care poate fi legată la aplicaţia curentă. Această librărie

cuprinde peste 110 rutine ce pot fi apelate de la debutul unei sesiuni de lucru până

modificarea dinamică a bazei de cunoştinţe. Librăria nucleului M.4 poate li utilizată pentru:

- DLL (Dynamic Link Library): Librărie de legături dinamice ce pot fi create şi

legate cu un program executabil;

- VBX (Visual Basic Custom Control): program scris în Visual Basic controlat de

utilizator ce poate fi creat şi legat cu un program executabil;

- EXE: librăria nucleului poate fi ea însăşi legată la un program executabil

Câteva aplicaţii care conţin nucleul de interfaţă M.4 sunt incluse în pachetul M.4.

Serverul DDE (Dynamic Data Exchange) a fost introdus pentru a permite comunicaţia cu

alte aplicaţii ce acceptă protocolul DDE sub Windows. Interfeţele create utilizând Microsoft

Visual Basic şi Microsoft Visual C++ au fost incluse pentru a facilita dezvoltarea şi

întreţinerea sistemelor de cunoştinţe.

Ca modalităţi de reprezentare a cunoştinţelor, limbajul sistemului expert M.4

include înlănţuri înainte şi înapoi, algoritmi recursivi, fapte şi reguli, procesări de liste

simbolice, testarea valorilor şi explicaţii. De asemenea sunt incluse concepte de meta

reguli, metode de control procedural, clase de obiecte.

Sistemul M.4 a fost lansat pe piaţă începând cu anul 1984, de atunci fiind utilizat

la dezvoltarea a peste 7500 de dezvoltări de sisteme expert.

1 ***, M.4 Expert Software Description

74

4.4.4 Generatorul de sisteme expert Clips Clips este un generator de sisteme expert1 care oferă un mediu complet pentru

construirea de sisteme expert bazate pe reguli şi obiecte şi prezintă următoarele

caracteristici:

• Reprezentarea cunoştinţelor: Clips oferă un instrument pentru întrebuinţarea

unei largi varietăţi de cunoştinţe structurate pe 3 elemente: reguli, orientare obiect şi

proceduri. Programarea bazată pe reguli permit reprezentarea cunoştinţelor sub forma

euristicilor sau a regulilor succesive care specifică un set de acţiuni ce vor fi executate

într-o anumită situaţie. Programarea orientată obiect permite sistemelor complexe de a fi

modelate sub forma componentelor modulare (ce pot fi uşor reutilizate pentru modelarea

altor sisteme sau pentru crearea de noi componente). Capacitatea de programare

procedurală oferită de Clips sunt similare facilităţilor oferite de alte limbaje precum C,

Pascal, Lisp.

• Portabilitatea: Clips este scris în C pentru portabilitate şi viteză de execuţie şi a

fost instalat pe diferite calculatoare fără modificări de cod de program. Calculatoarele pe

care a fost testat sunt de tipul IBM PC (rulând sub Windows 95 sau DOS) şi Macintosh

(sub MacOS şi Mach). Clips poate fi instalat pe orice sistem care conţine compilatorul C

ANSI. Este livrat cu toate programele sursă care pot fi modificate conform necesităţior

utilizatorilor.

• Integrarea în alte sisteme: Clips poate fi instalat sub formă de subrutine şi

integrat cu limbaje precum C, Fortran, Ada. Clips poate fi uşor extins de către utilizator

prin folosirea anumitor protocoale.

• Dezvoltarea interactivă: Versiunea standard oferă un mediu de dezvoltare

interactiv de tip text care include depanatoare soft, help on-line şi un editor integrat.

Interfaţa conţine meniuri cu bare precum şi ferestre de comunicaţie în mediile de

dezvoltare Macintosh, Windows 95.

• Validarea (verificarea): Clips prezintă o serie de caracteristici ce permit

verificarea şi validarea sistemelor expert oferind suport pentru proiectarea modulară şi

partiţionarea bazei de cunoştinţe, restricţii statice şi dinamice în privinţa valorilor şi

argumentelor funcţiilor precum şi o analiză semantică a formei regulilor în vederea

depistării inconsistenţelor care pot conduce la erori.

• Documentaţie de utilizare: Clips este oferit împrună cu o documentaţie ce

cuprinde un manual şi un ghid de utilizare.

1 *** , What is Clips?, Gary Riley, 1998

75

4.4.5 Generatorul de sisteme expert Acquire Acquire este o pachet software1 realizat pentru asistarea unei persoane în

vederea construirii unui sistem expert. Cuprinde două componente de bază:

- un sistem de achiziţie a cunoştinţelor care permite unui expert să creeze baza de

cunoştinţe;

- un motor de inferenţe care să utilizeze baza de cunoştinţe în anumite situaţii

particulare în care cunoştinţele stocate sunt aplicabile.

Acquire este un generator de sisteme expert proiectat pentru a implica experţii în

domeniu direct în dezvoltarea aplicaţiilor. In acest scop Acquire oferă instrumentele şi

metodologia care să permită persoanelor care nu deţin cunoştinţe de programare să

conceapă, structureze şi implementeze cunoştinţele lor într-o aplicaţie de sisteme expert.

Motorul de inferenţe este astfel conceput spre a putea fi folosit de către non-programatori

furnizând un set de facilităţi de depanare pentru testarea şi întreţinerea bazei de

cunoştinţe. Acquire este bazat pe două concepte fundamentale de programare:

- sistemul de achiziţie a cunoştinţelor trebuie să asiste expertul în locul

cogniticianului în scopul creării unei aplicaţii bazate pe cunoştinte. Acquire ajută expertul

în organizarea efectivă a cunoştinţelor prin structuri adecvate pentru soluţionarea unei

anumite probleme;

- aplicarea rezultatelor expertizei umane obţinute printr-o vastă experienţă pentru

recunoaşterea unor situaţii specifice în locul aplicării unui set de reguli generale. Acquire

prezintă o multitudine de căi de memorare a cunoştinţelor umane orintându-se spre o

reprezentare calitativă a acestora care utilizează trăsăturile specifice, esenţiale ale

informaţiilor pentru descrierea situaţiilor care pot fi descrise de către experţi. Acesta

permite captarea simultană a cunoştinţelor explicite şi implicite. Pe lângă achiziţionarea a

ceea ce expertul ştie deja, Acquire poate reţine ceea ce expertul este capabil să ştie prin

solicitarea expertului de a lua în considerare şi decizia în situaţii care nu au mai fost

întâlnite până atunci. Aceasta permite formarea de baze de cunoştinţe pentru aplicaţii de

sisteme expert fără iteraţii de depanare suplimentare.

1 *** , Acquire, Acquired Intelligence Inc., 1996 - 2000

76

5 Prezentarea generatorului de sisteme expert VP-Expert Generatorul de sisteme expert VP-Expert a fost realizat de firma Paperback

Software International fiind un instrument complex pentru realizarea de sisteme expert.

Principalele caracteristici funcţionale sunt1:

- motorul de inferenţe funcţionează după strategia înlănţuirii înainte şi înapoi cu

revenire;

- mediu de dezvoltare foarte puternic, constând din: editor integrat, mecanism de

generare automată de întrebări, posibilitatea de a înregistra şi afişa grafic lanţurile de

raţionamente (pas cu pas) utilizate în timpul unei consultări, posibilitatea de a explica

raţionamentele efectuate;

- poate comunica (schimba date) cu alte componente precum: sisteme de

gestiune a bazelor de date (dBASE, Foxbase), procesoare de tabele (VP-Planer,

Lotus 123), fişiere ASCII şi apeluri către comenzile DOS;

- posibilitatea de a genera automat prin inducţie o bază de cunoştinţe pornind de

la o tabelă care poate fi importată dintr-un fişier ASCII, dBASE, Lotus123;

- permite manipularea cunoştinţelor inexacte prin atribuirea de coeficienţi de

certitudine faptelor din baza de fapte;

- posibilitatea de a utiliza într-un raţionament mai multe baze de cunoştinţe;

Tipurile de fişiere care pot fi utilizate de VP-Expert sunt:

- DBF – baze de date;

- EXE, COM, BAT;

- TBL – tabele;

- TRC – urma execuţiei;

- WKS – fişiere LOTUS.


77

5.1 Structura bazei de cunoştinţe Generatorul de sisteme expert VP-Expert acceptă o bază de cunoştinţe formată

din 3 elemente principale (fig. 5.1):

- baza de reguli;

- baza informaţională (baza de fapte);

- programe DOS.

Baza de reguli este formată din 3 elemente:

- blocul de acţiuni;

- regulile propriu-zise;

- declaraţiile.

Un al patrulea element, clauzele, se regăsesc în blocul de acţiuni şi în reguli.

Bloc acţiuni

Programe DOS COM, EXE, BAT

Baza informaţională (baza de fapte)

Baza de reguli

Reguli Declaraţii Fişiere DBF

Fişiere ASCII

Fişiere WKS

Fig. 5.1: Structura bazei de cunoştinţe în VP-Expert



78

5.1.1 Blocul de acţiuni Blocul de acţini este format din cuvântul cheie ACTIONS urmat de una sau mai

multe clauze şi se termină cu “;”

ACTIONS

<clauza 1>

. . . . . . . . . .

<clauza n> ;

Acesta constituie “programul” (într-o manieră declarativă) care dirijează pas cu

pas consultaţia, indicând motorului de inferenţă ce acţiuni trebuie să întreprindă şi în ce

ordine pentru atingerea scopului urmărit.

Principalele clauze permise de VP-Expert:

APPEND şCaleţ Fişier DBF: adugă o înregistrare la sfârşitul unui fişier de tip DBF

(creat anterior de dBASE). Dacă nu se specifică calea de acces pentru fişier, se foloseşte

implicit calea curentă. Datele necesare înregistrării ce urmează a fi adăugate vor fi

preluate dintr-un set de variabile ale generatorului VP-Expert care trebuie să aibă acelaşi

nume cu caracteristicile din structura fişierului.

BCALL şCaleţ Fişier BAT: apelează un fişier de comenzi DOS (de tip BAT) după

care revine în sistemul expert.

CCALL şCaleţ Fişier COM: acelaşi efect pentru fişiere de tip COM;

CALL şCaleţ Fişier EXE: acelaşi efect pentru fişiere de tip EXE;

CHAIN şCaleţ Fişier KBS: permite înlănţuirea a 2 sau mai multe baze de

cunoştinţe în cadrul aceleiaşi consultaţii, în combinaţie cu alte 2 clauze: SAVEFACTS şi

LOADFACTS. Această operaţie este folosită când se lucrează cu baze de cunoştinţe

foarte mari, care nu încap în memoria internă şi se desfăşoară în 3 etape:

- se utilizează clauza SAVEFACTS pentru a salva valorile cunoscute (faptele) din

consultarea curentă;

- se apelează o nouă bază de cunoştinţe prin clauza CHAIN (cea veche se

închide);

- se utilizează clauza LOADFACTS pentru a încărca valorile salvate de

SAVEFACTS în noua bază de cunoştinţe.

Clauzele SAVEFACTS şi CHAIN se găsesc în prima bază de cunoştinţe iar

LOADFACTS în a doua.

CLOSE şCaleţ Fişier DBF: închide o bază de date deschisă în prealabil.

CLS: şterge ecranul.

COLOR = n: schimbă culoarea textului pe un ecran color

79

DISPLAY “Text”: afişează un text de maxim 1000 de caractere în fereastra de

consultaţie. In interiorul textului se pot introduce caractere cu funcţii speciale:

~: sistemul se opreşte şi aşteaptă apăsarea unei taste;

({}): permite afişarea conţinutului variabilei dintre acolade;

(-): dacă precede numele unei variabile între acolade, afişează pe lângă valoare şi

coeficientul de certitudine al acesteia.

Alinierea valorii unei variabile într-o anumită coloană se face prin specificarea unui

număr care reprezintă deplasarea relativă faţă de textul curent.

EJECT: face salt la pagina nouă dacă este activă imprimanta;

END: închide un ciclu generat de clauza WHILEKNOWN;

FIND variabilă: specifică motorului de inferenţe care este variabila scop. Dacă

variabila scop are asociată declaraţia PLURAL, se pot obţine mai multe valori pentru

aceasta.

FORMAT variabilă, n.m: stabileşte formatul de afişare pentru o variabilă reală:

- n este numărul total de cifre;

- m este numărul de zecimale.

GET ALL / condiţie, şCaleţ Fişier DBF, ALL/caracteristică: permite citirea unei

date dintr-un fişier de tip DBF organizat sub dBASE. Primul parametru specifică domeniul

de citire şi poate fi:

- ALL: toate înregistrările;

- o condiţie (simplă sau compusă) formată din variabile, operatori relaţionali şi

logici (AND, OR).

Căutarea începe cu înregistrarea curentă. Al doilea parametru este numele

fişierului de tip DBF, iar al treilea specifică citirea tuturor caracteristicilor din structura

fişierului (ALL) sau numai a uneia. Datele citite din fişierul DBF prin clauza GET sunt

disponibile în sistemul expert în variabile care au acelaşi nume cu caracteristicile din

structura bazei de date. Dacă se specifică mai multe clauze GET în secvenţă care vor să

parcurgă fişierul de la început, este necesar ca fiecare dintre acestea să fie precedată de

o clauză CLOSE (pentru poziţionarea pointerului de înregistrare la început).

Valorile returnate de clauza GET pot ajunge la maxim 256 caractere, spre

deosebire de variabilele din VP-Expert care nu pot depăşi 20 de caractere. Primul lucru pe

care îl realizează GET este deschiderea fişierului DBF dacă acesta nu a fost deschis în

prealabil de o altă clauză GET. VP-Expert acceptă maxim 6 fişiere de tip DBF deschise

simultan iar pentru al şaptelea este necesară închiderea unuia prin clauza CLOSE.

80

LOADFACTS şCaleţ Fişier text: încarcă datele (variabile şi valori asociate) salvate

într-un fişier text de către clauza SAVEFACTS într-o nouă bază de cunoştinţe care face

obiectul unei înlănţuiri prin cluza CHAIN.

MENU variabila, ALL/condiţie, şCaleţ Fişier DBF, caracteristica: generează un

meniu de opţiuni care va ajuta o întrebare afişată de o declaraţie ASK corespondentă sau

de AUTOQUERY.

- primul parametru este o variabilă VP-Expert;

- al doilea specifică domeniul de căutare;

- al treilea este fişierul de unde se vor lua valorile;

- al patrulea este caracteristica din baza de date care va fi explorată.

MRESET variabilă: eliberează zona de memorie ocupată de o variabilă utilizată în

clauza MENU.

PDISPLAY “text”: are acelaşi efect ca şi clauza DISPLAY, dar la imprimantă.

PRINTON, PRINTOFF: activează şi dezactivează imprimanta.

PUT şCaleţ Fişier DBF: modifică valorile unor caracteristici dintr-o bază de date:

- se citeşte înregistrarea dorită cu clauza GET;

- se modifică valorile caracteristicilor;

- se rescrie înregistrarea cu clauza PUT.

PWKS variabiă, destinaţie, şCaleţ Fişier WKS: transferă valori dintr-o variabilă

VP-Expert într-un tabel realizat cu VP-Planner sau LOTUS-123:

- primul parametru este variabila sursă;

- al doilea (destinaţie) poate fi o celulă, o coloană, un rând sau o zonă din tabel;

- al treilea specifică fişierul de tip WKS care conţine tabelul.

Variabila sursă poate fi simplă sau dimensionată sub forma unui vector.

RECEIVE şCaleţ Fişier, variabilă: transferă o înregistrare dintr-un fişier de tip text

(ASCII) într-o variabilă a sistemului VP-Expert. Lungimea unei înregistrări nu poate depăşi

80 de caractere permiţând utilizarea unor variabile al căror conţinut poate fi mai mare de

20 de caractere (limita maximă pentru variabilele iniţializate direct cu valori în interiorul

regulilor). Clauzele RECEIVE şi DISPLAY într-o structură repetitivă realizată cu

WHILEKNOWN-END permit afişarea unui fişier text.

RESET variabilă: şterge valorile variabilei specificate ca parametru şi îi atribuie

valoarea UNKNOWN (necunoscut).

SAVEFACTS şCaleţ Fişier text: salvează într-un fişier de tip text valorile

variabilelor (faptele) unei baze de cunoştinţe, înainte ca aceasta să apeleze altă bază de

cunoştinţe prin clauza CHAIN (înlănţuirea bazelor de cunoştinţe).

81

SHIP şCaleţ Fişier text, variabilă: este complementara clauzei RECEIVE,

permiţând scrierea conţinutului unor variabile VP-Expert într-un fişier de tip text.

SORT variabilă: ordonează descrescător, după coeficientul de certitudine, valorile

unei variabile VP-Expert declarată cu atributul PLURAL.

TRUTHRESH = n: fixează limita minimă pentru coeficientul de certitudine:

- n ia valori între 0 şi 100;

- dacă valoarea condiţiei unei reguli are un coeficient de certitudine mai mic dacât

cel declarat în această clauză, atunci condiţia este falsă.

- VP-Expert posedă în mod standard un coeficient de certitudine de 50.

WHILEKNOWN variabilă

clauza 1

. . . . . . .

clauza n

END

Repetă secvenţa de clauze specificate între WHILEKNOWN şi END atâta timp cât

valoarea variabilei de control este cunoscută. Ieşirea din ciclu se face când valoarea

variabilei de control devine necunoscută (UNKNOWN). VP-Expert nu recunoaşte buclele

WHILEKNOWN şi END imbricate.

WKS variabilă, sursă, şCaleţ Fişier WKS: citeşte date dintr-un tabel creat cu VP-

Planer sau LOTUS 123 într-o variabilă VP-Expert fiind complementară clauzei PWKS.

82

5.1.2 Regulile Regulile permit reprezentarea cunoştinţelor expertului uman (expertiza umană)

într-o formă acceptată de generatorul VP-Expert. Structura sintactică a unei reguli:

RULE eticheta

IF condiţie 1 şAND/ORţ . . . condiţie n

THEN concluzie 1 (CNF 1), concluzie 2 (CNF 2), . . .

şclauza 1ţ, şclauza 2ţ, . . .

ELSE concluzie 3 (CNF 3), concluzie 4 (CNF 4), . . .

şclauza 3ţ, şclauza 4ţ, . . .

BECAUSE text ;

O regulă se compune din 3 elemente principale: numele, premisa, concluzia.

Toate regulile trebuie să înceapă cu cuvântul cheie RULE, urmat de un spaţiu şi

de o etichetă care poate avea maxim 20 de caractere.

Premisa unei reguli începe prin cuvântul cheie IF, urmat de maxim 10 condiţii

simple sau compuse cu ajutorul conectorilor logici AND şi OR. In interiorul unei condiţii

apar relaţii între variabile şi constante utilizând operatorii relaţionali cunoscuţi.

Concluzia unei reguli începe prin cuvâtul cheie THEN, urmat de una sau mai multe

concluzii, care sunt relaţii de forma variabilă = valoare. Opţional fiecare concluzie poate

avea un coeficient de certitudine (CNF) cuprins între 0 şi 100 care exprimă gradul de

încredere al utilizatorului în realizarea concluziei respective.

Concluzia unei reguli poate fi dezvoltată opţional prin alternativa ELSE care are

aceeaşi structură ca THEN. In funcţie de rezultatul evaluării premisei, motorul de inferenţă

va lua în consideraţie alternativa THEN (dacă premisa este adevărată) sau ELSE (dacă

premisa este falsă). Opţional cele 2 alternative pot conţine clauze.

Cuvântul cheie BECAUSE permite introducerea unor mesaje explicative pentru ca

motorul de inferenţe să-şi poată justifica raţionamentele efectuate atunci când va fi

întrebat de utilizator prin comenzile WHY (de ce?) şi HOW(cum?).

Descrierea unei reguli din punct de vedere al aranjării cuvintelor pe linii şi în

interiorul acestora este liberă folosind ca separator cel puţin un spaţiu.

83

5.1.3 Declaraţiile Declaraţiile conţin în general informaţii utile privind consultaţia sistemului expert.

Cea mai mare parte a acestora specifică posibilităţile de iniţializare a variabilelor VP-

Expert cu valori precum şi atributele aferente. Principalele declaraţii sunt:

ASK variabilă:”text”: permite iniţializarea unei variabile VP-Expert cu o valoare

care poate fi preluată de la tastatură sau dintr-o listă de valori specificate în declaraţia

CHOICES sau clauza MENU. Textul dintre ghilimele este un mesaj explicativ privind

semnificaţia variabilei ce urmează a fi iniţializată.

Dacă motorul de inferenţe nu găseşte nici o regulă care să atribuie o valoare unei

anumite variabile, caută o declaraţie ASK în care să apară variabila respectivă ca

parametru. Dacă găseşte această declaraţie, afişează textul dintre ghilimele şi aşteaptă

răspunsul utilizatorului care poate fi:

- o valoare (dacă o cunoaşte) care nu trebuie să depăşească 20 de caractere;

- “?” dacă nu cunoaşte răspunsul, caz în care variabila respectivă rămâne pe

valoarea necunoscută (UNKNOWN).

Dacă numele variabilei parametru apare şi într-o declaraţie CHOICES sau în

clauza MENU, pe ecran se afişează lista de valori posibile, urmând ca utilizatorul să

răspundă prin selectarea uneia dintre acestea.

Atunci când motorul de inferenţe nu găseşte o declaraţie ASK asociată variabilei

în cauză, va căuta o declaraţie AUTOQUERY şi dacă există va genera întrebarea

standard:”care este valoarea variabilei ?” şi va aştepta răspunsul utilizatorului.

Introducerea unor coeficienţi de certitudine pentru valorile variabilelor din declaraţia ASK

este posibilă numai dacă există o clauză MENU asociată.

AUTOQUERY: are acelaşi efect ca şi declaraţia ASK, dar lucrează la nivel global

pentru toate variabilele cărora motorul de inferenţe nu le găseşte valori. Acesta apare o

singură dată în baza de cunoştinţe. Pentru anumite variabile poate avea asociate

declaraţii CHOICES sau clauze MENU iar întrebarea standard pe care o pune utilizatorului

este: “care este valoarea variabilei ?”. Se foloseşte de regulă în etapa de testare a

sistemului expert pentru a depista variabilele care nu au valori urmând ca spre final să fie

înlocuită cu declaraţii ASK corespunzătoare.

BKCOLOR = n: fixează culoarea fondului ecranului.

CHOICES variabile : valori ;: se utilizează împreună cu declaraţiile ASK sau

AUTOQUERY oferind utilizatorului o listă de valori din care urmează să aleagă una sau

mai multe (dacă are declaraţia PLURAL) pentru a iniţializa o anumită variabilă.

84

Lista de variabile este separată de lista de valori prin caracterul “:” iar declaraţia

se termină cu “;”. Numărul maxim de variabile din listă este de 10 , iar fiecare variabilă va

primi aceeaşi listă de valori.

Selecţia unei valori din listă se face prin apăsarea tastei ENTER iar ieşirea din

selecţie prin utilizarea tastei END. Dacă pentru o valoare atribuită unei variabile se doreşte

introducerea unui coeficient de certitutine, se apasă tasta HOME, se introduce coeficientul

şi apoi se face selecţia valorii respective.

ENDOFF: elimină necesitatea utilizării tastei END pentru ieşirea din selecţie în

cazul variabilelor simple specificate în clauzele MENU sau CHOICES.

EXECUTE: declanşează automat consultaţia sistemului expert în urma utilizării

comenzii CONSULT din meniul principal. Dacă lipseşte această declaraţie, utilizatorul

trebuie să selecteze în continuare subcomanda GO a comenzii CONSULT pentru

pornirea motorului de inferenţe.

PLURAL: variabila 1, variabila 2, . . . ;: identifică variabilele care pot primi valori

mutiple în timpul consultaţiei sistemului expert. Se pot specifica maxim 10 variabile.

RUNTIME: elimină cele două ferestre din partea de jos a ecranului care apar în

timpul consultării sistemului expert.

5.1.4 Variabile VP-Expert Variabilele sunt elemente fundamentale într-o bază de cunoştinţe existând tipurile:

- Variabile simple: pot primi o singură valoare la un moment dat (monovaloare)

- Variabile multiple: sunt specificate prin declaraţia PLURAL şi pot primi valori

multiple în cadrul unei consultaţii a sistemului expert. Astfel motorul de inferenţe nu se

opreşte din căutare decât în momentul când epuizează toate căile posibile, ceea ce ar

putea conduce la obţinerea mai multor valori pentru variabila căutată. Variabilele de acest

tip pot apare de mai multe ori în premisa sau concluzia unei reguli pentru a primi valori

multiple.

- Variabile de tip masiv: pot primi valori mutiple sub forma unui tablou

unidimensional. Fiecare element din tablou poate fi adresat prin numele acestuia urmat

între paranteze de un indice care specifică poziţia în cadrul tabloului.

In timpul consultaţiei sistemului expert, variabilele VP-Expert pot primi valori prin:

- blocul de acţiuni ACTIONS;

- concluziile regulilor;

85

- interogarea utilizatorului (declaraţiile ASK, AUTOQUERY, CHOICES, MENU);

- transferul de date din tabele LOTUS (clauza WKS);

- transferul de date din fişiere tip DBF (clauza GET);

- transferul de date din fişiere text (clauza RECEIVE).

Transferul de date dintr-o variabilă în alta se face prin adresarea indirectă a

variabilei sursă (specificarea acesteia în paranteze rotunde):

variabila destinaţie = (variabila sursă)

Este permisă adresarea indirectă pe două niveluri prin specificarea “@”:

variabila destinaţie = (@ variabila sursă)

Numele unei variabile trebuie să înceapă cu o literă, nu poate depăşi 20 de

caractere şi nu poate fi un cuvânt cheie al generatorului VP-Expert.

5.2 Comenzi VP-Expert VP-Expert este un sistem bazat pe meniuri de comenzi înlănţuite pe maxim 3

nivele. O comandă se poate apela în patru moduri:

- introducând numărul comenzii;

- introducând prima literă din nume;

- apăsând tasta funcţională care corespunde numărului comenzii;

- poziţionând bara luminoasă pe comandă şi activând-o prin tasta ENTER.

86

Principalele comenzi VP-Expert:

1) CONSULT (meniul principal): iniţiază consultaţia unui sistem expert. Inainte de

a începe consultarea utilizatorul trebuie să selecteze prin comanda FILENAME (meniul

principal) baza de cunoştinţe dorită. Dacă nu a fost selectată nici o bază de cunoştinţe

înainte de activarea comenzii CONSULT, aceasta va afişa pe ecran toate bazele de

cunoştinţe (fişiere KBS) din directorul curent, urmând ca utilizatorul să aleagă una dintre

acestea. Comanda verifică sintaxei bazei de cunoştinţe încărcate şi semnalează erorile.

2) CREATE (meniul Induce): permite crearea unei tabele de inducţie (fişier TBL)

cu ajutorul editorului integrat în scopul generării unei baze de cunoştinţe prin INDUCE.

3) DATABASE(meniul Induce): autorizează utilizarea unui fişier de tip DBF drept

tabelă de inducţie pentru generarea unei baze de cunoştinţe prin comanda INDUCE.

4) EDIT(meniul principal): activează editorul de texte al generatorului VP-Expert

pentru crearea sau actualizarea unei baze de cunoştinţe. După activare editorul trece în

modul de lucru nondocument, comutarea în modul de lucru document se face prin tasta

F9. In partea de jos a ecranului sunt afişate comenzile asociate tastelor funcţionale. Prin

apăsarea tastelor CTRL, SHIFT şi ALT se pot vizualiza comenzile aferente combinaţiilor

tastelor funcţionale cu alte taste. Salvarea fişierului se face prin ALT + F6.

5) FAST (meniul Go, Set): controlează viteza motorului de inferenţe prin creşterea

acesteia dacă în prealabil a fost dată o comandă SLOW care are efect contrar lui FAST.

In timpul unei consultaţii, VP-Expert afişează derularea acesteia în două ferestre: una

pentru reguli şi alta pentru rezultate. In etapa de testare a sistemului expert utilizatorul

doreşte să urmărească pas cu pas raţionamentele (viteza lentă) pe care le face motorul

de inferenţe şi rezutatele intermediare ale acestuia folosind în acest sens comanda SLOW

6) FILENAME (meniul principal): deschide o nouă bază de cunoştinţe; 7) GO (meniul Consult): lansează consultarea propriu-zisă după ce comanda

CONSULT a încărcat de pe disc în memoria internă baza de cunoştinţe şi a verificat-o din

punct de vedere sintactic. Dacă în baza de cunoştinţe a fost inclusă declaraţia EXECUTE,

consultarea începe după activarea comenzii CONSULT, nemaifiind necesară comandaGO

8) GRAPHICS(meniul Tree): afişează o reprezentare grafică sub forma unui

arbore a “urmei” unei consultaţii a sistemului expert (se pot vedea detalii în anumite zone).

9) HELP (toate meniurile): ajută utilizatorul în orice moment al consultaţiei.

10) HOW(meniul Consult, Go): dă explicaţii utilizatorului despre modul în care au

fost găsite valori pentru anumite variabile în timpul unei consultaţii a sistemului expert. Se

specifică numele variabilei ale cărei valori ne interesează la care sistemul răspunde prin:

- Because you say so: dacă valoarea a fost dată de utilizator prin declaraţia ASK;

87

- Mesajul din clauza Because asociată unei reguli dacă valoarea variabilei s-a

obţinut în urma declanşării acesteia.

11) INDUCE(meniul principal): crează o bază de cunoştinţe plecând de la o tabelă

de inducţie (fişier TBL) generată prin comanda CREATE sau de la un fişier de tip bază de

date (DBF), tabel sau text (creat cu un editor).

12) PATH(meniul principal): specifică subdirectorul în care se găsesc bazele de

cunoştinţe dacă acesta este diferit de cel în care se găseşte generatorul VP-Expert.

13) QUIT(toate meniurile): termină operaţiile din meniul curent şi revine în meniul

imediat superior.

14) RULE (meniul Consult): permite examinarea uneia sau tuturor regulilor dintr-o

bază de cunoştinţe activă.

15) SET(meniul Consult): afişează un submeniu de comenzi utilizate pentru a

modifica consultaţia. Aceste comenzi sunt SLOW (micşorează viteza motorului de

inferenţe), FAST (redă viteza normală după o comandă SLOW) şi TRACE (înregistrează

drumul parcurs în timpul consultaţiei).

16) TEXT(meniul Induce): autorizează utilizarea unui fişier de tip text (TBL) creat

cu editorul VP-Expert pentru generarea unei baze de cunoştinţe prin comanda INDUCE.

17) TEXT(meniul Tree): permite reprezentarea sub forma unui text a arborelui

generat de comanda TRACE.

18) TRACE(meniul Set): crează un fişier (cu extensia TBL) care va conţine drumul

parcurs de motorul de inferenţe în cadrul unei consultaţii a sistemului expert. Este foarte

utilă pentru eliminarea erorilor din etapa de dezvoltare a sistemului expert.

19) TREE(meniul principal): permite vizualizarea rezultatelor comenzii TRACE sub

formă grafică (comanda GRAPHICS) sau text (comanda TEXT).

20) VARIABLE(meniul Consult): permite examinarea valorilor uneia sau mai

multor variabile din baza de cunoştinţe în timpul sau la sfârşitul consultării.

21) WHATIF(meniul Consult): permite utilizatorului să schimbe valoarea unei

variabile şi să refacă consultaţia pentru a vedea efectul modificării asupra rezultatelor.

22) WHY(meniul Go): solicită sistemului VP-Expert să specifice pentru ce este

pusă o anumită întrebare în timpul consultaţiei.

23) WORKSHT(meniul Induce): autorizează utilizarea unui fişier tip WKS (creat cu

Lotus 123) drept tabelă de inducţie pentru generarea unei baze de cunoştinţe prin

comanda INDUCE.

88

6 Proiectarea sistemului expert de marketing utilizând pachetul VP-Expert 6.1 Analiza procesului de lansare pe piaţă a unui nou produs 6.1.1 Elementele procesului de creaţie şi lansare a noilor produse Activităţile componente ale demersului de creaţie a unui nou produs fac obiectul

unui plan al procesului de înnoire. Acesta debutează cu analiza situaţiei strategice de

pornire din întreprindere, se sprijină pe sistemul de obiective generale ale acesteia,

dezvoltând obiectivele specifice de marketing, prin intermediul procesului de căutare a

ideilor de noi produse.

Activitatea de cercetare-dezvoltare în scopul generării de idei de produse noi se

sprijină pe analiza ciclului de viaţă a componentelor gamei de fabricaţie anuale a

întreprinderii şi estimările evoluţiei sale viitoare de piaţă. Cercetarea ciclului de viaţă

generează idei privind relansarea la momentul oportun a unor articole, schimbarea

destinaţiei acestora prin orientarea lor spre alte segmente de consumatori sau retragerea

lor din fabricaţie asociată cu lansarea de noi articole.

Lansarea unui nou produs are în vedere:

- în sens larg: se referă la procesul ce are drept punct de plecare ideea de nou

produs, iar ca obiectiv final urmărirea comportării acestuia în consum sau utilizare;

- în sens restrâns: vizează ansamblul deciziilor legate de momentul introducerii

noului produs pe piaţă.

Ideea de produs nou prinde contur în procesul de creaţie industrială.

Ideile rezultate în faza de creativitate sunt supuse unor procese succesive de

selecţie în vederea eliminării variantelor ce nu întrunesc cerinţele unui nou produs. In

această etapă ele vor fi confruntate cu cerinţele impuse de potenţialul uman, financiar şi

material al întreprinderii, de cerinţele pieţii şi ale asigurării rentabilităţii. Stabilirea listei

criteriilor de selecţie trebuie făcută ţinând cont de natura noului produs şi de specificul

nevoii căreia i se adresează.

Colectarea informaţiilor necesare evaluării ideilor, în concordanţă cu fiecare

criteriu, este o activitate costisitoare. Se impune şi o coordonare în funcţie de importanţa

lor relativă în evaluarea globală a unei noutăţi. Se vor reţine variantele care întrunesc cel

mai mare coeficient de acceptare.

Principalele criterii de filtraj1 pentru analiza variantelor de noi produse se pot

împărţi în trei mari grupe: tehnice, economico-financiare şi de marketing.

1 Balaure V. (coordonator), Marketing, Editura Uranus, Bucureşti, 2000

89

I) Criterii tehnice:

1) Performanţele noului produs răspund cerinţelor aşteptate privind:

- funcţionalitatea;

- durabilitatea;

- mentenabilitatea;

- uşurinţa în întreţinere;

- ergonomicitatea;

- estetica.

2) Resursele disponibile satisfac cerinţele impuse de noul produs privind:

- materiile prime;

- materialele accesorii;

- posibilităţile tehnologice de fabricaţie;

- utilajul necesar;

- necesarul de forţă de muncă.

II) Criterii economico-financiare:

1) Noul produs se încadrează în:

- consumurile specifice de materii prime şi materiale admise;

- nivelul de rentabilitate al firmei;

- timpii de muncă normaţi;

- cerinţele ecologice.

2) Firma dispune de resursele financiare necesare:

- elaborării unor noi tehnologii;

- achiţionării de noi utilaje;

- încadrării suplimentare cu forţă de muncă.

III) Criterii de marketing:

1) Noul produs răspunde obiectivelor strategiei de piaţă a firmei privind:

- câştigarea unei poziţii mai bune pe piaţă;

- creşterea capacităţii competitive;

- îmbunătăţirea imaginii firmei în rândul consumatorilor.

2) Satisfacerea cerinţelor consumatorilor privind:

- nivelul de noutate;

- accesibiitatea preţului;

- diferenţierea faţă de oferta existentă;

3) Condiţiile pieţei căreia i se adresează noul produs permit:

- estimarea duratei sale de viaţă;

90

- câştigarea de noi segmente de cumpărători;

- realizarea unei rentabilităţi a acestuia pe un termen prestabilit.

In acest proces de filtraj, un instrument deosebit de eficace se dovedeşte a fi

analiza valorii. Ea reprezintă procesul de raţionalizare a funcţiilor ce trebuie îndeplinite de

un produs în scopul obţinerii unei utilizări maxime în condiţiile unor costuri minime.

Procesul de selecţie a ideilor de produse noi, transformarea acestora în

prototipuri, testarea în diferite forme, realizarea variantei finale şi introducerea acesteia în

fabricaţie în vederea lansării comerciale se caracterizează printr-o rată de perisabilitate

foarte ridicată, în principal în fazele de început ale acestui proces.

Modelarea noului produs solicită determinarea, în raport cu exigenţele pieţei, a

tuturor caracteristicilor ce conferă identitate unui bun material. Respectiva componentă a

politicii de produs se constituie într-un ansamblu de operaţiuni de creaţie, proiectare,

evaluare şi execuţie, ce au drept finalitate obţinerea unor prototipuri.

Testarea reprezintă ultimul filtru prin care trebuie să treacă noul produs pentru a fi

lansat în fabricaţia de serie şi apoi pe piaţă. Obiectivele testării sunt legate de înlăturarea

incertitudinilor provenite din faza realizării tehnice sau a pregătirii comerciale a produsului.

Ea reprezintă verificarea concordanţei dintre prototipul realizat şi caracteristicile de

performanţă înscrise în standarde (caiete de sarcini) pe de o parte, şi exigenţele pieţei

potenţiale, pe de altă parte.

Operaţiunea de testare comportă două momente succesive:

- testarea tehnică;

- testarea de acceptabilitate.

Testarea tehnică şi de acceptabilitate sunt operaţiuni complementare, realizarea

legăturii directe între ele fiind de importanţă majoră pentru reuşita întregului program de

introducere pe piaţă.

Testarea tehnică operează cu criterii de evaluare strict obiective şi priveşte în

principal respectarea parametrilor tehnico-funcţionali ai produsului. Parametrii urmăriţi sunt

determinaţi în prealabil, cunoscându-se importanţa relativă a fiecăruia în ansamblul

calitativ al noului produs.

Testarea de acceptabilitate urmează celei tehnice şi supune verificării

consumatorilor potenţiali o parte largă şi eterogenă de parametri (caracteristici) ai noului

produs. Reuşita operaţiunii depinde de ordonarea logică a acestora în cadrul

instrumentelor de testare. Astfel produsul se cere a fi definit:

91

- în termenii caracteristicilor structurale: formă, culoare, compoziţie;

- în termeni funcţionali: destinaţie în folosinţă, randament, fiabilitate;

- în termeni economici: nivel de preţ, cheltuieli de întreţinere, reparaţii;

- în termeni psihosociologici: grad de satisfacţie oferit consumatorului, tip de

consumatori cărora răspunde cu predilecţie.

Introducerea pe piaţă a unui nou produs presupune rezolvarea următoarelor

probleme:

Stabilirea perioadei de lansare: care este corelată cu natura produsului şi

specificul său de consum. De exemplu, manifestările expoziţionale (de tipul târgurilor

interne şi internaţionale) pot oferi producătorilor de echipament industrial prilejuri pentru

lansarea ultimelor noutăţi.

Fixarea zonei teritoriale pentru lansare: este dependentă de strategia de distribuţie

aleasă. Astfel produsul poate fi lansat simultan pe întreaga piaţă a ţării sau poate fi

introdus numai în câteva centre urbane mari în funcţie de gradul de adaptare a produsului.

Alegerea canalelor de distribuţie: se referă la opţiunea pentru circuitul lung al

produsului (producător-angrasist-detailist) sau circuitul scurt (producător-detailist). In

alegerea variantei se ţine seama de natura produsului şi nivelul condiţionării sale, timpul

necesar parcurgerii canalelor de distribuţie, costul distribuţiei.

Pregătirea pieţei: urmăreşte crearea unui climat de interes şi curiozitate faţă de

noul produs în rândurile consumatorilor potenţiali. Principalul instrument de acţiune folosit

este publicitatea alături de care mai pot fi expoziţiile cu vânzare, demonstraţiile practice.

Alegerea modalităţilor de comercializare şi pregătirea forţelor de vânzare: sunt

operaţiuni ce se corelează în programul de marketing al lansării cu elementele prezentate

anterior. Primul aspect se referă la cantitatea în care mărfurile noi sunt aduse spre

vânzare (lansare “în masă” sau “în tranşe”). Trebuie avută în vedere apoi stabilirea

magazinelor în care va fi introdus pentru prima oară produsul (magazine reprezentative,

amplasate în zone comerciale de mare afluenţă).

Momentul începerii vânzării este punctul culminant al întregului proces de

pregătire şi lansare a noului produs pe piaţă. Lungimea fazei lansării se află în legătură

directă cu natura produsului, gradul său de noutate şi comportamentul consumatorului.

Intrucât procesul de lansare a noilor produse are un caracter organizat,

supravegherea reacţiilor pieţei faţă de noile produse trebuie să dobândească aceeaşi

însuşire. In esenţă controlul lansării comerciale presupune obţinerea de informaţii asupra

problemelor legate de determinarea nivelului de acceptare al noilor produse de către

piaţă, de măsura succesului lor în rândul consumatorilor.

92

6.1.2 Aplicarea metodei analizei ierarhice în studiul lansării noilor produse Se va prezenta modul de aplicare a procedurii analizei ierarhice în lansarea pe

piaţă a unui nou produs. Este vorba de compartimentul de piese de schimb al unei firme

constructoare de automobile.

Producerea pieselor de schimb constituie o activitate importantă în cadrul firmei.

In acest context este necesară elaborarea unui nou produs care sa fie lansat cu succes pe

piaţă prin intermediul reţelei de distribuţie formată din concesionari. Aceştia trebuie să fie

motivaţi şi convinşi de succesul comercial al produsului.

Fiecare nou produs se defineşte printr-un ansamblu de caracteristici:

- ambalare, condiţionare, elemente de noutate;

- nivelul preţului;

- serviciile asociate (garanţie, disponibilitate, reţea de distribuţie);

- gestiunea internă (a stocurilor, etc);

- constrângeri tehnologice de fabricaţie.

Compartimentul de piese de schimb şi-a stabilit un anumit număr de produse noi

posibile dintre care se vor alege spre lansare numai acelea care prezintă cele mai mari

şanse de succes.

93

6.1.3 Descompunerea procesului de lansare a produsului Anchetele au permis determinarea necesităţilor şi aşteptărilor consumatorilor

referitoare la piesele de schimb răspunzând la întrebări de tipul:

- care produse sunt utilizate, de cine şi când?

- care este frecvenţa înlocuirilor?

- care sunt îmbunătăţirile dorite privitoare la eficienţă, calitate, service, garanţie,

preţ, uşurinţa în utilizare?

- care sunt principalele critici aduse produsului?

Astfel de întrebări au stat la baza utilizării metodei “brainstorming” de către

membrii compartimentului de piese de schimb.

Au fost identificate cinci criterii determinante pentru succesul noului produs:

- ce beneficii aduce produsul firmei ;

- cum răspunde produsul cerinţelor şi aşteptărilor evidenţiate în urma anchetelor;

- avantajele aduse de noul produs în raport cu cele ale concurenţei;

- capacitatea de implementare a produsului în procesul de fabricaţie;

- gradul de absobţie al pieţei, reţeaua de distribuţie şi publicitatea necesară.

Reţeaua de furnizori, analiza de fezabilitate, previziunea nivelului preţurilor, testele

de utilizare permit obţinerea elementelor de evaluare a noilor produse potenţiale. Acestă

fază de evaluare a fost modelată cu sistemul “Expert Choice” după cum este arătat în

figura 6.1.

Odată stabilit cel mai bun produs, procesul de lansare cuprinde trei etape:

- elaborarea comunicaţiei;

- redactarea unui raport financiar complet;

- referinţele, condiţionările şi realizarea tehnică.

Faza de elaborare a celei mai bune strategii de comunicare care să evidenţieze

aspectele pozitive ale produsului au condus la utilizarea sistemului “Expert Choice”.

După lansarea produsului o serie de previziuni privind termenele de livrare, cifra

de afaceri permit punerea la punct a diferitelor variante de politică de preţ.

94


Definirea unui produs

Elaborare

Cercetări prealabile

Primele previziuni

Analiza preţului

Fezabilitate tehnică

Realizare

Elaborarea comunicării

Analiza financiară

Documentaţii tehnice Condiţionari

Lansare

Previziuni Definirea politicii de preţ

Analiza postlansare

Metoda “brainstorming”

Fig. 6.1: Procesul de lansare şi dezvoltare a unui nou produs

Ancheta

95

6.2 Modelarea conceptuală a procesului de lansare a unui nou produs 6.2.1 Crearea arborelui de decizie Pe baza metodei “brainstorming” cu principalii responsabili ai compartimentului de

piese de schimb s-au identificat criteriile de evaluare principale plecând de la anchete şi

analiza datelor existente asupra produselor comercializate. Aceste criterii au fost împărţite

în subcriterii. In faza de descompunere ierarhică a problemei s-au identificat principalele

elemente componente ale analizei care au fost apoi descompuse până la criterii simple

unidimensionale. Arborele astfel creat face să intervină următorii factori:

1) Aşteptări: Este vorba de aşteptările şi aspiraţiile persoanelor particulare şi ale

profesioniştilor fiind exprimate prin nevoile în raport cu nivelul produselor deja existente:

- nevoi practice;

- nevoi tehnice;

- nevoi economice.

2) Firma: impactul direct al noului produs asupra firmei privind:

- rentabilitatea (pe termen scurt şi lung);

- cota de piaţă;

- relaţiile cu exteriorul (reţeaua de concesionari, furnizori, imaginea de marcă);

- elemente de gestiune internă a firmei (gestiunea stocurilor, crearea de noi

compartimente administrative, impactul social);

- efectul “locomotivă” (acest produs va “trage” şi alte produse ale firmei ?)

3) Avantaje concurenţiale: se referă la elementele pozitive ale noului produs faţă

de cele caracteristice produselor deja existente pe piaţă. Acestea vor permite ulterior

diferenţierea produsului în raport cu produsele similare ale concurenţei.

Aceste avantaje comparative privesc aspecte precum:

- calitatea produsului;

- competitivitatea produsului (preţuri, condiţii de plată);

- service (garanţie, disponibilitate, sprijinul reţelei de distribuţie);

- modalitatea de prezentare (ambalare);

- gradul de originalitate (inovare, utilitate).

4) Realizarea practică: condiţiile de realizare se referă în principal la:

- fezabilitatea tehnică;

- capacitatea de producţie;

- condiţionare.

5) Acceptabilitatea pe piaţă: exprimă reacţia pieţei faţă de noul produs. Se va ţine

seama de reacţia reţelei de distribuţie care constituie unul dintre elementele cele mai

96

importante ale comercializării produsului. Dacă reţeaua nu este convinsă c\ noul produs

prezinta avantaje certe faţa de cele ale concurenţei, atunci succesul comercializ\rii

acestuia este pus sub semnul întreb\rii. Figurile 6.2 – 6.7 prezinta elementele arborelui Expert Choice:

Evaluarea produselor noi posibile

Scop 1.000

Aşteptări 0.370

Firma 0.374

Avantaje concurenţiale

0.141

Realizare 0.079

Acceptabilitatea pe piaţă 0.036

- particulari - profesionişti

- rentabilitate - cota de piaţă - relaţii cu ext. - gestiune int. - efect “locomotivă”

- calitate - competitivitate - service - prezentare - originalitate

- fezabilitate tehnică - capacitate producţie - condiţionare

- excepţională - bună - medie - nulă

Nod: 0 Nivel: 0 Prioritate: 1.000

Fig. 6.2: Prezentarea generală a arborelui

Aşteptări 0.370

0

- nevoi - aspiraţii


0

0 0 0

Particulari 0.667

Profesionişti 0.333

- nevoi - aspiraţii

Figura 6.3: Descompunerea criteriului “aşteptari”

97

Nevoi 0.667


0

0 0 0

Tehnice 0.182

- excelent - bun - mediu - nul

0

0 0

0

Economice 0.455

Practice 0.364



0

Figura 6.4: Descompunerea criteriului “nevoi”

Firma 0.374

0


0

0 0 0

Rentabilitate 0.472

Cota de piaţa 0.196

Relaţiile externe 0.196

Gestiunea interna 0.089

Efect “locomotiva”

0.047

- termen scurt - termen lung

- excelenta - buna - medie - nula

- reţea distribuţie - funizori - imagine firma

- gestiune stocuri - administrativ - social


Figura 6.5: Descompunerea criteriului “firma”

98

Avantaje concurenţiale

0.374

0


0

0 0 0

Calitate 0.377

Competitivitate 0.353

Service 0.150

Prezentare 0.060

Originalitate 0.060

- inovare - utilitate practică

- preţ - condiţii de plată - remize

- disponibilitate - garanţie - reţea distibuţie

- excelentă - bună - medie - nulă


Figura 6.6: Descompunerea criteriului “avantaje concurenţiale”

Realizare 0.079

0


0

0 0 0

Condiţionare 0.064

Capacitate producţie

0.237

Fezabilitate tehnică 0.699




Figura 6.7: Descompunerea criteriului “realizare”

99

6.2.2 Ponderarea arborelui de decizie Arborele este ponderat aplicând metoda analizei ierarhice ce permite alocarea de

ponderi absolute conform importanţei fiecarui criteriu de evaluare identificat de către

conducerea compartimentului de piese de schimb. Este posibilă astfel integrarea

raţionamentelor obiective (anchete) cu cele subiective (experienţa firmei).

Testele de stabilitate a raţionamentelor au permis definirea mai precisă a

modelului, regruparea anumitor criterii între ele şi modificarea anumitor ponderi.

Etapa de ponderare a scării de măsură a permis asocierea pentru fiecare criteriu

a unei funcţii de utilitate individuală. Ponderile obţinute au fost indicate în figurile de mai

sus şi regrupate într-o formă sintetică în tabelul 6.1.

Familia de criterii cele mai importante în evaluare este cea relativă la impactul

direct al noului produs asupra firmei (37.4%) (în special rentabilitatea, cota de piaţă şi

imaginea de marcă).

Criteriul de adaptare a noului produs la aşteptările consumatorilor (ale

particularilor în special) au fost apreciate ca al doilea criteriu important însumând 37% din

decizie. Urmează apoi avantajele concurenţiale (14.1%) în special calitatea şi

competitivitatea preţului.

Realizarea tehnică (7.9%) şi acceptabilitatea pe piaţă (3.6%) au fost considerate

mai puţin importante faţă de celelalte criterii.

A fost definit pentru fiecare subcriteriu o scară de măsură proprie ce a permis

repartizarea ponderii acordate fiecarui criteriu. Subcriteriile ce au fost alese ca cele mai

semnificative sunt: rentabilitatea pe termen scurt şi lung, cota de piaţă, imaginea de

marcă, gestiunea stocurilor, răspunsul la cerinţele economice, competitivitatea preţului,

garanţia.

100

Tabelul 6.1: Criteriile de evaluare a produselor noi

NIVEL 1 NIVEL 2 NIVEL 3 NIVEL 4 NIVEL 5

Economice

(0.075)

Excelent (0.043)

Bun (0.021)

Mediu (0.008)

Nul (0.003)

Practice

(0.060)

Excelent (0.023)

Bun (0.016)

Mediu (0.012)

Nul (0.009)

Nevoi

(0.165)

Tehnice

(0.030)

Excelent (0.010)

Bun (0.008)

Mediu (0.007)

Nul (0.005)

Particulari

(0.247)

Aspiraţii

(0.082)

Excelent (0.035)

Bun (0.021)

Mediu (0.016)

Nul (0.010)

Economice

(0.045)

Excelent (0.026)

Bun (0.011)

Mediu (0.006)

Nul (0.002)

Practice

(0.018)

Excelent (0.008)

Bun (0.005)

Mediu (0.003)

Nul (0.002)

Nevoi

(0.071)

Tehnice

(0.007)

Excelent (0.004)

Bun (0.002)

Mediu (0.001)

Nul (0.000)

Aşteptări

(0.370)

Profesionişti

(0.123)

Aspiraţii

(0.053)

Excelent (0.023)

Bun (0.014)

Mediu (0.010)

Nul (0.006)

101


Termen lung

(0.110)

Excelent (0.071)

Bun (0.039)

Mediu (0.000)

Nul (0.000)

Rentabilitate

(0.177) Termen scurt

(0.067)

Excelent (0.050)

Bun (0.015)

Mediu (0.002)

Nul (0.000)

Cota de piaţă

(0.073)

Excelent (0.042)

Bun (0.021)

Mediu (0.008)

Nul (0.002)

Imaginea de

marcă

(0.043)

Excelent (0.023)

Bun (0.011)

Mediu (0.006)

Nul (0.003)

Reţeaua de

distribuţie

(0.021)

Excelent (0.009)

Bun (0.007)

Mediu (0.004)

Nul (0.001)

Relaţia cu

exteriorul

(0.073)

Furnizorii

(0.009)

Excelent (0.003)

Bun (0.003)

Mediu (0.002)

Nul (0.001)

Stocuri

(0.023)

Excelent (0.011)

Bun (0.006)

Mediu (0.004)

Nul (0.002)

Firma

(0.374)

Gestiunea

internă

(0.033)

Administrativ

(0.007)

Excelent (0.004)

Bun (0.002)

Mediu (0.001)

Nul (0.000)

102


Impact social

(0.003)

Excelent (0.001)

Bun (0.001)

Mediu (0.001)

Nul (0.000)

Efect

“locomotivă”

(0.018)

Excelent (0.009)

Bun (0.005)

Nul (0.001)

Calitate

(0.053)

Excelent (0.031)

Bun (0.015)

Nul (0.007)

Preţ

(0.032)

Excelent (0.019)

Bun (0.009)

Mediu (0.003)

Nul (0.001)

Remize

(0.013)

Excelent (0.006)

Bun (0.004)

Mediu (0.002)

Nul (0.001)

Competitivitate

(0.050)

Condiţii de plată

(0.005)

Excelent (0.002)

Bun (0.002)

Mediu (0.001)

Nul (0.000)

Garanţie

(0.015)

Excelent (0.009)

Bun (0.003)

Mediu (0.002)

Nul (0.001)

Avantaje

concurenţiale

(0.141)

Service

(0.021)

Disponibilitate

(0.004)

Excelent (0.002)

Bun (0.001)

Mediu (0.001)

Nul (0.000)

103


Sprijinul reţelei

(0.002)

Excelent (0.001)

Bun (0.001)

Mediu (0.000)

Nul (0.000)

Prezentare

(0.008)

Excelent (0.004)

Bun (0.002)

Mediu (0.001)

Nul (0.001)

Inovare

(0.004)

Excelent (0.002)

Bun (0.001)

Mediu (0.001)

Nul (0.000)

Originalitate

(0.008) Utilitate

(0.004)

Excelent (0.002)

Bun (0.001)

Mediu (0.001)

Nul (0.000)

Fezabilitate

tehnică

(0.055)

Excelent (0.027)

Bun (0.015)

Mediu (0.008)

Nul (0.005)

Capacitatea de

producţie

(0.019)

Excelent (0.010)

Bun (0.006)

Mediu (0.002)

Nul (0.001)

Realizare

(0.079)

Condiţionare

(0.005)

Excelent (0.002)

Bun (0.002)

Mediu (0.001)

Nul (0.000)

Acceptabilitatea

pe piaţă

(0.036)

Excelent (0.018)

Bun (0.010)

Mediu (0.006)

Nul (0.002)

104

6.3 Implementarea sistemului expert de evaluare a lansării pe piaţă a unui nou produs Codificarea regulilor de producţie în limbajul VPX (versiunea 2.0) s-a realizat direct

conform modelului conceptual prezentat anterior şi pe baza tabelului 6.3 ce prezintă într-o

formă sintetică ponderile asociate atribuite criteriilor de evaluare:

- poziţia în arborele de decizie (numărul nodului); - ponderea criteriilor şi distribuţia acesteia în funcţie de calificativele acordate.

Rezultatele evaluării produsului se înscriu într-un fişier text denumit “grila”. Există un număr de cinci grupe de criterii şi anume:

Grupa 1: Criteriul “Aşteptări” ce conţine 8 subcriterii;

Grupa 2: Criteriul “Firma” ce conţine 10 subcriterii; Grupa 3: Criteriul “Avantaje concurenţiale” ce conţine 10 subcriterii; Grupa 4: Criteriul “Realizare” ce conţine 3 subcriterii; Grupa 5: Criteriul “Acceptabilitate” ce conţine 1 subcriteriu; Fiecărui criteriu i se poate acorda unul din cele patru tipuri de calificative.

Asocierea calificativului numeric (folosit în program) cu cel în expresie literară (folosit în

dialogul cu utilizatorul) se face conform tabelului de mai jos:

Calificativ (literar) excelent bine acceptabil slab

Calificativ (numeric) 1 2 3 4

Tabelul 6.2: Tipurile de calificative acordate în expresie literară şi numerică

Regulile din fişierul sursă “produs.kbs” se împart în două categorii:

1) Reguli de atribuire a ponderilor conform arborelui decizional;

2) Reguli de calcul a ponderilor totale pentru fiecare grupă de criterii şi pe total;

Există un număr de şapte variabile scop (precizate în clauzele FIND):

- nume: denumirea produsului pentru care se face analiza;

- n1 . . . n5: nota (ponderea totală) corespunzătoare grupei de criterii i obţinută ca

suma ponderilor subcriteriilor componente;

- np: nota finală (ponderea totală) a produsului analizat.

105

Calificative acordate Nr crt

Denumirea criteriului Nod Pondere 1 2 3 4

1 Aşteptări/Particulari/Nevoi/Economice 11110 0.075 0.043 0.021 0.008 0.003

2 Aşteptări/Particulari/Nevoi/Practice 11120 0.060 0.023 0.016 0.012 0.009

3 Aşteptări/Particulari/Nevoi/Tehnice 11130 0.030 0.010 0.008 0.007 0.005

4 Aşteptări/Particulari/Aspiraţii 11200 0.082 0.035 0.021 0.016 0.010

5 Aşteptări/Profesionişti/Nevoi/Econ 12110 0.045 0.026 0.011 0.006 0.002

6 Aşteptări/Profesionişti/Nevoi/Pract 12120 0.018 0.008 0.005 0.003 0.002

7 Aşteptări/Profesionişti/Nevoi/Tehn 12130 0.007 0.004 0.002 0.001 0.000

8 Aşteptări/ Profesionişti/Aspiraţii 12200 0.053 0.023 0.014 0.010 0.006

9 Firma/Rentabilitate/Termen_lung 21100 0.110 0.071 0.039 0.000 0.000

10 Firma/Rentabilitate/Termen_scurt 21200 0.067 0.050 0.015 0.002 0.000

11 Firma/Cota_de_piaţă 22000 0.073 0.042 0.021 0.008 0.002

12 Firma/Relaţia_ext/Imaginea_marcă 23100 0.043 0.023 0.011 0.006 0.003

13 Firma/Relaţia_ext/Reţea_distribuţie 23200 0.021 0.009 0.007 0.004 0.001

14 Firma/Relaţia_ext/Furnizori 23300 0.009 0.003 0.003 0.002 0.001

15 Firma/Gestiunea_internă/Stocuri 24100 0.023 0.011 0.006 0.004 0.002

16 Firma/Gestiunea_internă/Admin 24200 0.007 0.004 0.002 0.001 0.000

17 Firma/Gestiunea_internă/Impact_soc 24300 0.003 0.001 0.001 0.001 0.000

18 Firma/Efect_locomotivă 25000 0.018 0.009 0.005 0.003 0.001

19 Avantaje_conc/Calitate 31000 0.053 0.031 0.015 0.005 0.002

20 Avantaje_conc/Competitivitate/Preţ 32100 0.032 0.019 0.009 0.003 0.001

21 Avantaje_conc/Competit/Remize 32200 0.013 0.006 0.004 0.002 0.001

22 Avantaje_conc/Competit/Cond_plată 32300 0.005 0.002 0.002 0.001 0.000

23 Avantaje_conc/Service/Garanţie 33100 0.015 0.009 0.003 0.002 0.001

24 Avantaje_conc/Service/Disponibilitate 33200 0.004 0.002 0.001 0.001 0.000

25 Avantaje_conc/Service/Reţea 33300 0.003 0.001 0.001 0.001 0.000

26 Avantaje_conc/Prezentare 34000 0.008 0.004 0.002 0.001 0.001

27 Avantaje_conc/Originalitate/Inovare 35100 0.004 0.002 0.001 0.001 0.000

28 Avantaje_conc/Originalitate/Utilitate 35200 0.004 0.002 0.001 0.001 0.000

29 Realizare/Fezabilitate_tehnică 41000 0.055 0.027 0.015 0.008 0.005

30 Realizare/Capacitate_producţie 42000 0.019 0.010 0.006 0.002 0.001

31 Realizare/Condiţionare 43000 0.005 0.002 0.002 0.001 0.000

32 Acceptabilitatea_pe_piaţă 50000 0.036 0.018 0.010 0.006 0.002

Tabelul 6.3: Ponderile asociate criteriilor de evaluare a produselor noi

106

6.4 Crearea grilei de evaluare In urma execuţiei programului (bazei de cunoştinţe “produs.kbs”) pe baza

aprecierilor referitoare la caracteristicile produsului ce va fi lansat pe piaţă rezultă fişierul

text (“grila”) cu următorul conţinut:

- Calificativele acordate celor 8 subcriterii ale grupei 1 (“Aşteptări”);

- Rezultatul total sub forma notei n1;

- Calificativele acordate celor 10 subcriterii ale grupei 2 (“Firma”);


- Calificativele acordate celor 10 subcriterii ale grupei 3 (“Avantaje concurenţiale”);


- Calificativele acordate celor 3 subcriterii ale grupei 4 (“Realizare”);


- Calificativele acordate celor 1 subcriteriu al grupei 5 (“Acceptabilitate”);


- Rezultatul general al evaluării produsului (nume);

- Nota finală (np) a evaluării produsului ce va fi lansat pe piaţă;

Prin urmare pentru orice produs analizat se obţin două tipuri de calificative:

- sub formă numerică (pe fiecare grupă de criterii şi pe total): n1, . . . , n5, np

- sub formă literară pentru cele 32 de criterii: c1, . . ., c32.

S-au analizat cinci tipuri de produse:

- turometru de bord;

- carburator;

- motortester;

- alternator;

- pompa de benzină;

Pentru fiecare produs s-a calculat o notă care reflectă modul în care este

perceput acesta de către conducerea compartimentului de piese de schimb.

Ulterior pe baza informaţiilor conţinute în fişier s-a realizat pentru toate produsele

luate în consideraţie o grilă de evaluare.

107

Grila din tabelul 6.5 prezintă pe coloane cele cinci grupe de criterii de evaluare şi

pe linii tipurile de produse ce vor fi lansate pe piaţă. Ultima coloană conţine nota finală ce

caracterizează global fiecare produs.

Criterii

Produse

Aşteptări Firma Avantaje

concurent.

Realizare Acceptabilitate

pe piaţă

Total

Turometru de bord 0.129 0.147 0.057 0.023 0.018 0.374

Carburator 0.112 0.100 0.057 0.019 0.010 0.298

Motortester 0.086 0.133 0.041 0.016 0.010 0.286

Alternator 0.075 0.054 0.031 0.019 0.010 0.189

Pompa de benzină 0.063 0.024 0.018 0.011 0.010 0.126

Tabelul 6.5: Grila de evaluare

Pe baza grilei de evaluare s-a putut realiza o prezentare grafică (sub forma unor

serii de date cu niveluri multiple) cunoscută în Excel sub numele de diagramă

ierarhizată. Astfel, în figura 6.8, pe abscisă sunt înscrise cele 5 grupe de criterii iar pe

ordonată sunt reprezentate valorile calculate pentru fiecare din cele 5 tipuri de produse.

0

0,02

0,04

0,06

0,08

0,1

0,12

0,14

0,16

A[te

ptari

Firma

Ava

ntaje

Rea

lizare

Acc

eptab

ilitate

Turometru de bord Carburator Motortester Alternator Pompa de benzina

Fig. 6.8: Prezentarea grafică pe grupe de criterii a rezultatelor evaluării noilor produse

108

Din analiza rezultatelor obţinute rezultă o ierarhizare a produselor referitor la

şansele de reuşită pe piaţă. Astfel pentru cele cinci tipuri de produse considerate

turometrul de bord şi carburatorul au cele mai mari şanse de succes comercial în timp ce

pompa de benzină şi alternatorul au şanse mai mici.

Sistemul Expert Choice privit ca modalitate de structurare a cunoştinţelor a permis

simplificarea procesului de evaluare a noilor produse ce pot fi lansate. Conducătorii

compartimentului de piese de schimb au dispus astfel de un instrument ce le-a permis

integrarea tuturor criteriilor identificate atât din exterior cât şi pe baza propriei experienţe

fară a introduce nici o ambiguitate. Metoda analizei ierarhice a permis exprimarea facilă a

percepţiei pe care o aveau asupra problemei şi obţinerea cu a anumită precizie a

ponderilor absolute ce reflectau raţionamentele lor. Toate criteriile au putut fi luate în calcul

chiar dacă au fost de natura subiectivă sau calitativă.

Testele de stabilitate a raţionamentelor au funcţionat corect atingându-şi scopul:

repunerea în discuţie a raţionamentelor emise şi a structurii arborelui de decizie. Astfel au

contribuit la o definire corectă a problemei care să se aproprie cât mai mult de modul de a

judeca al decidenţilor.

Utilizarea grilelor de evaluare a permis obţinerea unui rezultat final care să

integreze nu numai criteriile identificate şi ponderile acestora ci şi asocierea unor

caracteristici de selecţie pe care decidenţii au dorit s\ le atribuie.

109

sisteme expert de marketing

Documents