zasnova ekspertnega sistema za inŽenirsko oblikovanje · ekspertni sistemi se uporabljajo predvsem...

Fakulteta za strojništvo

ZASNOVA EKSPERTNEGA SISTEMA ZAINŽENIRSKO OBLIKOVANJE

Diplomsko delo

Študent: Franci ŽIŽEK

Študijski program: Univerzitetni študijski programStrojništvo

Smer: Inženirsko oblikovanje

Mentor: izr. prof. dr. Bojan DOLŠAK

Somentor: izr. prof. Vojmir POGAČAR, akad. sl.

Maribor, december 2010

- II -

I Z J A V A

Podpisani Franci Žižek izjavljam, da:

• je bilo predloženo diplomsko delo opravljeno samostojno pod mentorstvom prof.

Bojana Dolšaka in somentorstvom prof. Vojmira Pogačara;

• predloženo diplomsko delo v celoti ali v delih ni bilo predloženo za pridobitev

kakršnekoli izobrazbe na drugi fakulteti ali univerzi;

• soglašam z javno dostopnostjo diplomskega dela v Knjižnici tehniških fakultet

Univerze v Mariboru.

Maribor, 10.12.2010 Podpis:

- III -

ZAHVALA

Zahvaljujem se mentorju prof. Bojanu Dolšaku in

somentorju prof. Vojku Pogačaru za pomoč in vodenje pri

opravljanju diplomskega dela.

Posebna zahvala velja staršem, ki so mi omogočili študij.

- IV -

ZASNOVA EKSPERTNEGA SISTEMA ZA INŽENIRSKOOBLIKOVANJE

Ključne besede: inteligentno inženirsko oblikovanje, obdelava znanja, ekspertni sistem, d3web

UDK: 621.22:004.8(043.2)

POVZETEK

Diplomsko delo obravnava način izdelave ekspertnega sistema za pomoč pri inženirskem

oblikovanju. Na začetku je opisana zgodovina ekspertnih sistemov in razloženo njihovo

delovanje in struktura. Opisane so specifične zahteve ekspertnega sistema za inženirsko

oblikovanje. Predstavljen je prototip ekspertnega sistema za inženirsko oblikovanje, izdelan v

okolju d3web.

- V -

PROPOSAL OF AN EXPERT SYSTEM FOR INDUSTRIAL DESIGN

Key words: intelligent industrial design, knowledge engineering, d3web

UDK: 621.22:004.8(043.2)

ABSTRACT

In this diploma we present how to design an expert system for help in industrial design. We

start the paper with a brief overview of the history of expert systems and continue with

explanations of how they work and their structure. We describe the unique requirements of an

expert system for industrial design. We present a prototype expert system for industrial design

made in the environment d3web.

- VI -

Kazalo

1 Uvod............................................................................ 1

2 Opis delovanja ekspertnih sistemov........................ 32.1 Predstavitev nekaterih ekspertnih sistemov........................................... 42.2 Dileme na področju ekspertnih sistemov............................................... 6

3 Specifike inženirskega oblikovanja.......................... 93.1 Zahteve ekspertnega sistema za inženirsko oblikovanje...................... 10

4 Delovanje sistema.................................................... 144.1 Ogrodje d3web..................................................................................... 144.2 Delo z KnowME.................................................................................. 184.3 Delo s prototipom za inženirsko oblikovanje....................................... 24

5 Možnosti izboljšanja................................................ 29

6 Sklep.......................................................................... 31

7 Življenjepis................................................................ 32

Seznam uporabljenih virov...................................... 33

- VII -

Kazalo slikSlika 2.1: Struktura ekspertnega sistema................................................................................... 4Slika 2.2: Rainbow Bridge, Z.D.A............................................................................................. 7Slika 3.1: Diagram pridobivanja, obdelave in uporabe znanja z ekspertnim sistemom.......... 12Slika 4.1: Urejanje znanja v okolju KnowME......................................................................... 16Slika 4.2: Primer izpolnjevanja vprašalnika v okolju KnowWE............................................. 17Slika 4.3: Uporabniški vmesnik d3web.Dialog....................................................................... 19Slika 4.4: Prikaz rezultatov in potek sklepanja........................................................................ 20Slika 4.5: Uporabniški vmesnik programa KnowME. Pogled na lastnosti vprašanja............. 21Slika 4.6: Urejanje naprednih hevrističnih pravil.................................................................... 23Slika 4.7: Razvrstitev znanja.................................................................................................... 27

- VIII -

Univerza v Mariboru – Fakulteta za strojništvo Zasnova ekspertnega sistema za inženirsko oblikovanje

1 UVOD

Pri vseh oblikah dela danes iščemo pomoč računalnikov. S pomočjo računalniške tehnologije

večamo našo produktivnost, krajšamo čas potreben za rešitev naloge in omogočamo, da

opravimo naloge, ki prej niso bile možne ali so bile neekonomične.

Ker je bistvo računalnika računanje matematičnih problemov, so njegovo uporabo

pričeli predvsem na področjih, kjer je potrebno veliko računanja, kot na primer pri simulaciji

fizikalnih pojavov. Postopoma so programerji uporabili to računsko moč za namene, kjer

uporabniku ni pomemben prikaz matematičnega rezultata, ampak prikaz teksta, zvoka in

slike. Hitro se je videlo, da bi računalnik lahko deloval tudi pametno. Kmalu po razvitju

računalnikov so znanstveniki začeli proučevati umetno inteligenco. Čeprav so bila prva

pričakovanja pretirana in so nekateri pričakovali, da bo računalniška inteligenca kmalu

prekašalo človeško, pa je razvoj inteligentnih sistemov vseeno napredoval. Ena veja tega

razvoja so ekspertni sistemi.

Bistvo ekspertnih sistemov je, da s pomočjo zapisanega znanja, ki ga poda strokovnjak1,

rešijo problem. Podatke o problemu sistem dobi prek senzorjev ali vprašalnika, ki ga

izpolnjuje uporabnik sistema.

Kot študentu strojništva, smeri Inženirsko oblikovanje, ki ga zanimajo računalniški

sistemi, mi je bil pri predmetu Inteligentni CAD sistemi podan problem, kako izdelati

ekspertni sistem za inženirsko oblikovanje. V predloženi diplomski nalogi je v razširjeni in

dopolnjeni obliki podan opis ekspertnih sistemov, specifične problematike inženirskega

oblikovanja, in predlog delovanja takega sistema. Za diplomsko delo je izdelan primer

ekspertnega sistema in opisano njegovo delovanje.

Cilj diplomskega dela je ugotoviti uporabnost ekspertnega sistema za inženirsko

oblikovanje. Za ta namen bomo izdelali primer ekspertnega sistema kakršnega bi uporabljalo

podjetje Nokia za pomoč pri načrtovanju novih mobilnih telefonov. Ta primer smo izbrali

zaradi dostopnosti in količine podatkov mobilnih telefonov.

1 Kadar v diplomskem delu govorimo o strokovnjaku, mislimo na osebo, ki ima veliko znanja iz nekega področja (oblikovanje, orodjarstvo, medicina, …) in ga je pripravljen deliti z drugimi strokovnjaki.

- 1 -


Predpostavljamo, da bo prototip sistema pokazal, da bi tak sistem bil uporaben v praksi.

Če se bo izkazalo, da je sistem dovolj uporaben, bi bil drug korak uporaba bolj dodelanega

prototipa v podjetju, kjer bi nekaj časa opazovali interakcijo med uporabniki in sistemom ter

bi nato sistem prilagodili ugotovitvam. V diplomskem delu se ne bomo ukvarjali z nadaljnjo

analizo ali z izdelavo sistema, ki bi bil uporaben za vsakdanje delo.

- 2 -


2 OPIS DELOVANJA EKSPERTNIH SISTEMOV

Ekspertni sistem je računalniški program, ki pozna odgovore na pogosto zastavljene probleme

na ozkem področju – kot jih pozna človek-ekspert. S pomočjo vprašalnika, ki ga izpolni

uporabnik sistema, ali informacij senzorjev, program najde najboljši odgovor v bazi znanja.

Ekspertni sistemi se uporabljajo predvsem takrat, kadar ne obstaja ena sama “prava” pot, ki bi

jo lahko opisali z enačbo oziroma algoritmom, saj je odgovor odvisen od več dejavnikov.

Pogosto ti sistemi uporabljajo enostavno aristotelovo logiko, pri bolj zahtevnih sistemih pa se

uporablja mehka logika (fuzzy logic).

Ekspertni sistem uporablja hevristično znanje in pravila. Na ta način lahko ekspertni

sistem uporabi znanje, ki ni točno matematično definirano, kot je to potrebno pri običajnih

programih. Prav tako pa tudi znanje, ki ga je možno definirati matematično, lažje uporabimo v

ekspertnem sistemu kot v analitičen programu [1].

Obstajata dve vrsti ekspertnih sistemov. V prvo spadajo sistemi, ki neposredno delujejo

na okolico (npr. sistemi za uravnavanje klime, sistemi za programsko trgovanje delnic, ipd.).

Ti sistemi so narejeni za nadomestitev človeških odločitev v realnem času. Druga skupina

sistemov je namenjena podpori uporabnikov pri zahtevnih odločitvah. Slednji so številčnejši.

Ti uporabnikom predstavijo rešitev, ki jo je predvidel strokovnjak, uporabnik pa se sam odloči

kako bo ravnal. Zaradi tega te sisteme pogosto imenujemo svetovalne; od klasičnih ekspertnih

sistemov se razlikujejo v tem, da imajo bolj uporabnikom prijazen uporabniški vmesnik. V

diplomi se bomo osredotočili na drugo vrsto sistemov – na ekspertne sisteme za podporo pri

odločitvah.

Glavna razlika med klasičnim programom, ki vsebuje določeno znanje, in ekspertnim

sistemom je v tem, da ekspertni sistem vsebuje skoraj vso znanje v bazi znanja (podatke,

dejstva, relacije in pravila), med tem ko klasičen program hrani podatke v bazi podatkov,

pravila in relacije med podatki pa so del programske logike. Ekspertni sistem torej hrani vso

znanje v bazi znanja in le logika sklepanja (sklepno jedro – angl.: inference engine) je ločena.

Struktura ekspertnega sistema ima to prednost, da se znanje lahko dodaja brez spreminjanja

programske kode. Znanje se vnaša skozi tretjo komponento ekspertnega sistema, uporabniški

vmesnik. Diagram takšne strukture vidimo na sliki 2.1. Ogrodje (ali lupina) v povezavi z bazo

- 3 -


znanja tvorita ekspertni sistem. Na diagramu je prikazan tudi uporabnik, ki vnaša ali prejema

znanje iz ekspertnega sistema preko uporabniškega vmesnika.

Če je uporabniški vmesnik enostaven za uporabo, lahko znanje vnašajo strokovnjaki in

ni vedno potreben programer. Enostavnost vnašanja podatkov in znanja pa je lahko dvorezen

meč. Če znanje dodajajo neizkušene osebe lahko močno zmanjšajo uporabnost takšnega

sistema. Zato so potrebna pravila kdo lahko dodaja znanje in občasno je potrebno preveriti

pravilnost rešitev ter po potrebi počistiti nepravilne podatke. Za preverjanje nekaterih

pogostih napak in protislovij v bazi znanja, obstajajo avtomatska računalniška orodja.

2.1 Predstavitev nekaterih ekspertnih sistemov

Znani primeri ekspertnih sistemov so Dendral (identificiranje neznanih organskih molekul s

pomočjo masne spektroskopije), Dipmeter Advisor (določanje verjetnosti nahajališč nafte),

Mycin (analiziranje kužnih bolezni krvi in priporočanje doze antibiotikov).

Začetek ekspertnih sistemov najdemo na Univerzi Stanford. V šestdesetih letih je

Edward Feigenbaum pomagal mlademu raziskovalcu Joshua Lederbergu pri snovanju

računalniškega programa, ki bi lahko identificiral nezemeljske organske spojine. Edward

Feigenbaum je bil strokovnjak iz programskih jezikov in hevristike. Program se je imenoval

Dendral in je lahko s pomočjo masno spektroskopskih podatkov identificiral zgradbo

organskih spojin. Danes je Edward Feigenbaum znan kot oče ekspertnih sistemov. Leta 1997

je za delo na tem področju dobil Turingovo nagrado – najprestižnejšo nagrado na področju

informatike.

Iz istega laboratorija kot je prišel Dendral je deset let kasneje prišel ekspertni sistem

- 4 -

Slika 2.1: Struktura ekspertnega sistema.


Mycin [2]. Cilj tega sistema je bilo priporočanje pravilne doze antibiotikov za paciente.

Poglavitni napredek pred Dendralom je bil, da je znanje lahko bilo podano z določeno

negotovostjo – mehka logika. Sistem je bil akademsko zelo uspešen, ni pa prišel v zdravniško

prakso zaradi okornosti takratnih računalnikov in etičnih pomislekov. Mycin je prvič

izpostavil problematiko pridobivanja znanja od strokovnjakov; kasneje so to področje

poimenovali angl.: knowledge engineering.

Ekspertni sistemi se danes uporabljajo v mnogih računalniških programih. Uporabni so

v raznolikih disciplinah. V bančništvu se uporabljajo za pomoč pri odobravanju hipotek [3].

Program pozna mnoge zakone, subvencije in pravila banke, ki vplivajo na odobritev hipoteke.

Poleg tega sistem lahko oceni tveganje banke glede na kreditno zgodovino prositelja in

splošnih izkušenj bankirja. Predvsem pri majhnih posojilih so lahko stroški običajnega

pregleda in odobritve posojila večji, kot potencialni dobiček. Ekspertni sistem pospeši in

poceni ta proces.

Ekspertni sistem uporablja tudi Microsoft Windows. Uporabniku postavi enostavna

vprašanja nato pa predlaga nadaljnje korake za rešitev težave.

Primer so tudi računalniške športne igre. Ekspert (znan športnik) predlaga kakšne naj

bodo strategije računalniško vodenih igralcev v določenih situacijah. Računalniška logika

nato glede na dejanja igralca igre uporabi strategije, ki jih je priporočal športnik, pri tem pa

deluje nekoliko naključno, da ne postane enostavno predvidljiva.

Trenutno se je močno razširila uporaba sistemov, ki so sorodni ekspertnim, imenovanim

“Business Rule Management Systems” (Sistemi za upravljanje podjetniških pravil). Ti sistemi

pomagajo, da se podjetje drži notranjih (npr. popust za zveste kupce) in zunanjih (zakonskih)

pravil. Njihova glavna značilnost je, da so enostavni za uporabo in da tečejo na strežniku kot

internetna stran, kar omogoča, da imajo dostop do osrednje baze znanja vsi pooblaščeni

zaposleni.

Tukaj je še nekaj primerov ekspertnih sistemov iz raznih področij:

• iskanje dokazov za matematične probleme [4]

• oblikovanje elektronskih vezij [5]

• pomoč pri oblikovanju notranjosti prostorov [6]

- 5 -


2.2 Dileme na področju ekspertnih sistemov

Že eden zgodnejših ekspertnih sistemov Mycin je naletel na kritike. Kljub temu, da je ocenil

vrsto in količino potrebnega antibiotika bolje kot strokovnjaki na Univerzi Stanford so bili

močni pomisleki glede etičnosti uporabe računalnika v zdravstvene namene. Glavni problem

je bil, kdo je odgovoren v primeru, da je diagnoza napačna.

Mi se bomo ukvarjali z estetskimi problemi, zato verjamemo da ne bo večjih

pomislekov glede etičnosti uporabe takšnega sistema. Ker pa je estetika subjektivno področje,

kjer je bistvena ustvarjalnost, manj pa naprej definirano znanje, bodo prav gotovo pomisleki

glede uporabe računalnika v ustvarjalne namene. Tukaj bomo predstavili en primer takšne

kritike in jo uporabili za izboljšanje našega sistema.

William Zuk [7] je ustvaril ekspertni sistem za estetsko oblikovanje mostov. Iz 177

stavkov o obliki mostu je sistem ocenil estetiko od 0 (slabo) do 10 (odlično). Sistem omogoča

graditeljem mostov, da izboljšujejo most tako dolgo, dokler nima ocene 10 ali dokler ne

prekoračijo denarnih sredstev. Sistem je naletel na kritike, med njimi je Paul Gauvreau, ki je v

svojem članku The three miths of bridge building [8] opozoril, da so rešitve, ki jih ponuja

sistem vedno enake (kar je lastnost ekspertnega sistema), torej bi dobili, če bi se držali le tega

sistema, mostove, ki so si vsi zelo podobni. Zuk v svojem delu opiše tri mite, ki obstajajo pri

gradnji mostov, od katerega sta dva zanimiva tudi za načrtovanje ekspertnega sistema na

področju estetike.

Prvi je mit, da je vsak izdelek, kateri je mehansko in materialno učinkovit (minimalno

materiala) tudi estetski. Vsak viden element bi naj imel bistveno funkcijo in karkoli več od

tega je odvečno. To je načelo funkcija pred obliko. Inženirji preračunajo sile in napetosti in

tako določijo kje je potrebno koliko materiala, da so zadovoljeni statična in dinamična

stabilnost. K temu se doda še prepričanje, da morajo biti zunanje linije vedno neprekinjene in

enostavne. Gauvreau se ne pridružuje temu prepričanju, ki je zelo močno predvsem v

inženirskih krogih. Gauvreau ne spodbija močne povezave tehnične dovršenosti in

učinkovitosti z estetskim izgledom izdelka (mostu), ne strinja pa se, da je to edini kriterij

estetične oblike. Pri tem še dodaja, da so ti mostovi vsi enakega sloga, ki je danes moderen, ni

pa edini. Z razmišljanjem “funkcija pred obliko”, si oblikovalec močno zoži inovativnost in

izpusti veliko estetsko boljših rešitev.

Ta ugotovitev se zdi uporabna za ustvarjanje našega ekspertnega sistema. Sistem mora

biti dovolj odprt, da dopušča raznolike rešitve. Čeprav lahko sistem predstavi konkretne

- 6 -


predloge, mora vsebovati tudi bolj splošne napotke, ki le usmerjajo oblikovalca. Ti predlogi in

napotki morajo biti vzdrževani tako, da so v koraku s časom, saj se estetska merila

spreminjajo prav tako, kot se spreminjajo tehnološka pričakovanja uporabnikov izdelka.

Drugi mit je, da ima večina vedno prav. Gauvreau poda primer, kjer je lokalno

prebivalstvo soodločalo o obliki mostu. Zaradi časovnih pritiskov in vztrajanja ljudi, da mora

most imeti oboke, je bil končni rezultat raven betonski most, pod katerim so bili razpeti

kovinski oboki, ki niso imeli nobene funkcije (slika 2.2).

Tudi ta primer je zanimiv za izboljšanje delovanja ekspertnega sistema. Znanje, ki ga

pridobimo od strokovnjakov, izhaja iz osebnih izkušenj in je zato različno. Temeljno znanje bi

se moralo med strokovnjaki ujemati, bolj specifična znanja pa se lahko močno razlikujejo. Če

znanje več strokovnjakov združimo v povprečje bodo rezultati lahko veliko slabši kot znanje

posameznih strokovnjakov.

Predlagamo, da pri ekspertnem sistemu za inženirsko oblikovanje ne mešamo znanj

različnih strokovnjakov. Znanja strokovnjakov naj bodo zato ločena, tako da lahko

uporabniku sistema prikažemo tudi različne predloge strokovnjakov in dovolimo, da

uporabnik izbere najboljšo rešitev. Uporabniku se prikaže predlog, ki je priporočilo

posameznega strokovnjaka, ne pa konglomerat znanj različnih strokovnjakov. Sistem bi pri

različnih predlogih lahko omogočal tudi ocenjevanje predlogov s strani uporabnika, tako da bi

bolj uspešni predlogi v prihodnosti bili prikazani bolj poudarjeno.

Da se izognemo posledicam prvega mita moramo dopustiti raznolikost inženirskega

- 7 -

Slika 2.2: Rainbow Bridge, Z.D.A..


oblikovanja, to pa zahteva določeno samostojnost oblikovalca. Da lahko oblikovalec oceni,

kako dobro predlagana rešitev ustreza konkretnemu problemu mora videti kako je sistem

prišel do prikazane rešitve. Zato bi ekspertni sistem moral omogočati, da uporabnik vidi kako

je sistem prišel do predlogov in kdo je avtor tega znanja ali pravila. S tem se izboljša

aktualnost podatkov, saj lahko uporabnik opozori na zastarelost podatkov in s časom sam

postane soavtor baze znanja ekspertnega sistema.

Tretji mit ni direktno uporaben za naš ekspertni sistem, je pa zanimiv za inženirsko

oblikovanje. Gauvreau opaža, da naročniki mostov pogosto želijo, da most oblikuje arhitekt in

ne inženir. To je bolj pogosto pri mostovih, ki naj vzbujajo ponos in dajejo ugled lokalnemu

mestu. Gauvreaujeva pozicija je, da lahko inženir bolje združi tehnične zahteve in obliko kot

arhitekt. Arhitekti most pogosto oblikujejo šele po tem, ko so bile tehnične zahteve zaradi

statičnih in dinamičnih sil izračunane in je bilo osnovno ogrodje začrtano. Inženir, ki oblikuje

most, ne sme obliko mostu prepustiti načelu “funkcija pred obliko”, pač pa mora najti linije,

ki kljub temu, da so funkcionalne povezujejo obliko mostu v estetsko celoto. Gauvreaujevo

mnenje je, da najboljše oblikovane mostove naredijo inženirji, ki znajo že osnovno ogrodje

oblikovati tako, da v ljudeh vzbudi estetske občutke.

Gauvreaujev tretji mit opisuje bistvo tudi inženirskega oblikovanja. Cilj inženirskega

oblikovanja ni olepšati že delujoč izdelek, pač pa obliko prilagoditi funkciji izdelka in željam

kupcev. Da lahko to stori mora oblikovalec biti dobro seznanjen z delovanjem, zmožnostmi in

omejitvami izdelka. Pomembno je, da je oblikovalec prisoten že od začetka projekta in ga

tako sooblikuje.

- 8 -


3 SPECIFIKE INŽENIRSKEGA OBLIKOVANJA

Inženirsko oblikovanje je proces katerega cilj je izdelati izdelek, ki je estetski, uporaben,

ergonomičen, prepoznaven, enostaven za izdelavo in tržno zanimiv [9]. Proces oblikovanja je

iterativen. Uspešnost izdelka je odvisna od tega kako zaželen je pri kupcih. To pomeni, da

čeprav je lahko izdelek odličen iz inženirskega in oblikovalskega vidika, je lahko neuspešen

na trgu, ker ne privlači ali zadovolji potreb kupcev. Poleg tega se estetske in tehnične želje

kupcev spreminjajo s časom.

Estetika se ukvarja s proučevanjem človeškega vrednotenja občutij in čustev. Estetska

dela nas nagovorijo čustveno in intelektualno. Estetsko vrednotenje ima različne vire.

Nekateri so predvsem biološki; kot je ljubkost mladih živali (predvsem sesalcev) ali lepota

človeškega telesa. Kulturni vir ima vrednotenje večine umetniških del in nekaterih

industrijskih proizvodov. Pogosto vrednotimo estetiko predmetov intelektualno. Na primer,

drag športni avto lahko ocenimo kot lep, ker predstavlja ugled, moč, status, uspešnost,

sofisticiranost. Prav tako ga lahko ocenimo kot odvratnega, saj nam predstavlja razvrat,

potrošništvo, izkoriščanje, pomanjkanje moralnih vrednot. Preostali glavni viri vrednotenja

so: čustva, želje, naučene vrednote, podzavest, odločitve, instinkt, poklic… oziroma

kompleksno delovanje med njimi.

Pri industrijskem oblikovanju se estetska dognanja uporabljajo predvsem za izboljšanje

vtisa in uporabnosti, ki ga daje izdelek. Upoštevajo se naslednje estetske lastnosti: tekstura,

vzorci, odboj svetlobe, barva, uporabnost, enostavnost, ergonomija, simetrija, modernost.

Pomembno je kako uporabniki ovrednotijo predmet. Pomembnost posamezne estetske

lastnosti je različna za posamezne vrste izdelkov, ciljne skupine ljudi, vrednosti izdelka ipd.

Filozofi, psihologi in matematiki se že od nekdaj ukvarjajo z iskanjem estetskih pravil.

Določili so nekatere osnove zakonitosti, katere pogosto veljajo, kot so zlati rez,

uravnoteženost, simetričnost, kompleksnost, barvni komplementi, ipd. Kmalu pa se je

izkazala dinamičnost umetnosti večja, kot so dovoljevala pravila, saj so umetniki začeli

zanikati nekatera teh pravil. Če so prej bila estetska čista in realna dela so v določenih

obdobjih postala privlačnejša čustveno obarvana in manj določena dela – ekspresionizem. Ta

dinamika ne obstaja le v umetniških delih pač pa tudi v modi, avtomobilizmu, arhitekturi, …

- 9 -


Poleg družbene dinamike vrednotenja, pa je opazna tudi raznolikost estetskega okusa

med različnimi družbenimi skupinami v določeni kulturi in nato še različnimi okusi

posameznikov v teh skupinah. Očiten primer so uporniške sub-kulture in kontra-kulture,

katere pogosto izražajo estetska nagnjenja, ki so v nasprotju s trenutno preferenčnimi v

kulturi.

Proučevanje teh pojavov s pomočjo aristotelove logike se je izkazalo za omejeno. Kot

rečeno so se izkazale določene preference ljudi, a končnega odgovora “kaj je lepo” nismo

dobili. Ko so nekateri poskušali vseeno najti absoluten odgovor, kljub znakom, da vsi ljudje

ne ocenjujejo estetike enako, so se rodili absolutizmi, ki so se v Evropi kazali vsaj do konca

II. svetovne vojne. Novi modeli se danes poskušajo graditi na temeljih mehke logike [10].

Ekspertni sistem za pomoč pri problemih povezanih z estetiko, bi bilo potrebno redno

posodabljati in prilagajati trenutnemu kulturnemu gibanju in pričakovanjem kupcev.

Estetsko znanje je bolj nedoločeno kot nekatere druge oblike znanja, zato mora

ekspertni sistem biti prilagojen zajemanju in prikazovanju takšnega znanja.

3.1 Zahteve ekspertnega sistema za inženirsko oblikovanje

Da lahko oblikovalec dobi informacije o željah kupcev in izkušnje drugih strokovnjakov v

enem pogledu, predlagamo izdelavo za ta namen izdelanega ekspertnega sistema. Ekspertni

sistemi temeljijo na tehnologijah znanja, kar je širši pojem, ki vsebuje različne tehnike

obdelave znanja in za to potrebna orodja. Tehnologije znanja omogočajo učinkovit prenos

znanja s pomočjo učenja, treningov in za to namenjeno organizacijsko in logistično strukturo.

Ekspertni sistem je računalniški program, ki omogoča, da se vanj zapiše strokovno znanje

brez pisanja algoritmov. Namesto tega deluje ekspertni sistem s pomočjo logičnih sklepanj.

Temelj vsakega ekspertnega sistema je zbrano znanje. Pri estetskih vprašanjih so

nekatera osnovna pravila enostavno določljiva – barvne kombinacije, zlati rez, ipd. Ko pa

postanejo problemi specifični, so lahko mnenja strokovnjakov tudi zelo raznolika.

Strokovnjaki veliko znanja ne znajo eksplicitno izraziti lahko pa podajo nekatera pravila. Če

lahko strokovnjak, brez pomoči programerja ekspertnega sistema, zapisuje svoje znanje v

bazo znanja, to pospeši postopek in izboljša kvaliteto zapisanega znanja. Zato smo pri iskanju

rešitve za naš problem dali velik poudarek na to, da je zapisovanje znanja v ekspertni sistem

kar se da enostavno.

Tak sistem pa bi postal bolj učinkovit, če mu dodamo povratno zanko. Tukaj mislimo na

- 10 -


reakcije uporabnikov oz. uživalcev teh estetskih del. Ker estetika ni eksaktna znanost,

ustvarjalec sam po sebi ne more presoditi kvalitete lastnega izdelka, saj je ta namenjen za

druge ljudi. Zato predlagamo naslednjo strukturo ekspertnega sistema. Ustvarjalec bi opisal,

kar se da natančno postopek oblikovanja izdelka še med ustvarjanjem ali kmalu po tem. Ko bi

izdelek prišel na trg, bi ga uporabniki in kupci ocenili. Ocenjevanje izdelkov bi potekalo na

podoben način kot podjetja že danes pridobivajo podatke o uspešnosti izdelka, s poudarkom

na estetskih in ergonomskih vidikih. Ta ocena bi bila nato vnesena v bazo znanja ekspertnega

sistema. S tem postopkom bi dobili koristne podatke tudi iz neuspešnih izdelkov. Ocenjevanje

bi moralo obsegati posamezne vidike izdelka – barve, tekstura površin, oblika, ergonomija…

Ocene bi morale biti razvrščene po ciljnih skupinah kupcev – s tem bi lahko kasneje lažje

segmentirali naše izdelke po teh skupinah. V oceno bi bilo smotrno vključiti tudi strokovna

mnenja določenih strokovnjakov, da bi dobili tudi bolj profesionalne povratne informacije.

Tukaj bomo povzeli način zbiranja znanja:

• strokovnjak izdela nov izdelek

• strokovnjak sam ali s pomočjo inženirja ekspertnega sistema, izdela

dokumentacijo, kjer opiše osnovne in estetske lastnosti ter poda kakršnokoli

dodatno znanje, ki ga je pridobil ob načrtovanju izdelka

• izdelek gre v ocenjevanje

◦ ocenjevalci so razdeljeni v določene ciljne skupine, glede na socialno in

kulturno okolje

◦ izdelek ocenijo drugi strokovnjaki z enakega področja in iz področij z

obvladanjem estetike – umetniki, filozofi, psihologi

◦ ocenjujejo se posamezne estetske karakteristike izdelka

• ocene posameznih karakteristik se vnesejo v bazo znanja; statistične ocene

uporabnikov izdelka in priporočila posameznih strokovnjakov so ločene med

sabo

• pri načrtovanju naslednjega izdelka lahko oblikovalec pregleda znanje in

izkušnje, ki so uporabne za njegov trenutni projekt

- 11 -


Diagram na sliki 3.1 prikazuje kako si predstavljamo uporabo ekspertnega sistema v

podjetju. Da tak sistem deluje, ni dovolj le programska oprema ampak tudi procesi

zaposlenih, ki omogočajo ekspertnemu sistemu delovanje.

Diagram prikazuje, da je med ali po fazi načrtovanja (dizajniranja) potrebno zapisati

dokumentacijo o tehničnih lastnostih izdelka. V tem času se zapišejo tudi vsa znanja

pridobljena med načrtovanjem, dodatne izkušnje pa se lahko zapišejo tudi kasneje (težave pri

proizvodnji).

Prototip ali končni izdelek nato analiziramo. Uporabimo vse običajne načine

ocenjevanja izdelka s strani kupcev in strokovnjakov. Pridobljene podatke je potrebno

statistično obdelati in jih vnesti v bazo znanja ekspertnega sistema. Podatki morajo biti v

obliki, kot jo predvideva ekspertni sistem, zato je potrebno med izdelavo sistema dobro

premisliti kakšne oblike podatkov so smotrne. Primer je starost kupcev; niti oblikovalcu niti

ekspertnemu sistemu ne pomaga vedeti koliko telefonov kupijo kupci neke točno določene

starosti (npr. 4586 telefonov prodanih ljudem starim 43 let). Da lahko razumemo tak podatek

je potrebno izdelati ciljne skupine, kjer so pričakovanja kupcev podobna. Pri starosti si je zato

potrebno zastaviti starostne razpone, ki so smotrni – npr. 12-18 let. Podatkov takega tipa je

veliko. Da dobimo rezultate ki so relevantni moramo takšne podatke kategorizirati pravilno,

za kar so potrebni strokovnjaki s tega področja.

Dokumentacijo in podatke iz analize izdelka vnesemo v bazo znanja. Če je možno

- 12 -

Slika 3.1: Diagram pridobivanja, obdelave in uporabe znanja z ekspertnim sistemom.


podatke vnašajo direktno oblikovalci in zaposleni, ki imajo dostop do statističnih analiz trga;

sicer pa podatke vnašajo programerji ali ustrezno izurjeni zaposleni.

Dokumentacija in analiza izdelkov, ki so v bazi znanja, so jedro znanja podjetja. Če v

sistem dosledno vnašamo vse relevantne podatke ima baza znanja veliko strateško in denarno

vrednost za podjetje. Zato je pomembno, da imajo dostop do sistema le avtorizirane osebe.

Ekspertni sistem ima dve vrsti dostopa: dostop za uporabnike in dostop za strokovnjake.

Uporabniki lahko dostopajo do že obstoječega znanja, strokovnjaki pa lahko spreminjajo in

dodajajo znanje. Zaradi tega morata obstajati dva nivoja avtorizacije: uporabniki in

administratorji.

Na nivoju uporabnikov so osebe katerim lahko zaupamo vpogled do znanja. To so

zaposleni katerim to znanje pomaga pri njihovem delu. Uporabniki ne morejo spreminjati

obstoječega znanja, bodisi zato, ker sami nimajo dovolj lastnega znanja, ki je relevantno za

ekspertni sistem, lahko pa tudi zato, ker ne znajo svojega znanja pravilno vnesti v bazo

znanja. V slednjem primeru mora njihovo znanje vnašati za to izurjen sodelavec.

Na ravni administratorjev so zaposleni katerim zaupamo, da s svojimi spremembami ne

bodo poslabšali relevantnosti obstoječega znanja. Da lahko vnašajo uporabno znanje, morajo

biti strokovnjaki na svojem področju in vedeti kako to znanje pravilno vnesti v sistem. Čeprav

je koristno, da ekspertni sistem nadzira in ureja programer, to ni nujno. Baza znanja je lahko

zaklenjena tudi informatikom, ki upravljajo ostali računalniški sistem.

Čeprav bi bilo najbolj varno, če bi bil ekspertni sistem nameščen le na enem

računalniku in ne bi bilo mrežnega dostopa nanj, to ne bi bilo zelo uporabno. Podobno kot

Sistemi za upravljanje podjetniških pravil tudi mi predlagamo uporabo sistema strežnik –

klient. Ekspertni sistem je nameščen na računalniku, ki je strežnik internetnih strani. Nanj se

preko lokalnega omrežja prijavijo in avtorizirajo klienti. Klienti so običajni internetni

brskalniki na računalnikih zaposlenih. Uporabniki uporabljajo ekspertni sistem v svojem

brskalniku. Dostop mora biti onemogočen izven podjetja. Na tak način dobimo sistem, ki ima

eno bazo znanja, ki se jo da zlahka zavarovati; vsem avtoriziranim zaposlenim pa je

omogočen dostop do ekspertnega sistema. Ali dovolimo spreminjanje baze podatkov preko

mreže ali le direktno na njenem računalniku, je potrebno presoditi glede na pomembnost

podatkov in glede na stopnjo varnosti lokalnega omrežja.

Povratna zanka iz ekspertnega sistema na dizajn predstavlja, kako oblikovalec uporablja

ekspertni sistem pri načrtovanju novega izdelka.

- 13 -


4 DELOVANJE SISTEMA

Prvi ekspertni sistemi so bili razviti v računalniškem jeziku Lisp. V sedemdesetih letih je bil

ustvarjen jezik Prolog, ki je zaradi deklarativnega načina programiranja posebej primeren za

izgradnjo ekspertnih sistemov. Kljub temu veliko ekspertnih sistemov temelji na bolj

običajnih programskih jezikih, kot sta C in Java. Danes imamo precej programskih ogrodij

(lupin) katera lahko uporabimo za izdelavo ekspertnega sistema, ne da bi morali programirati

temelje. Med njimi je primer Drools, ki je namenjen za upravljanje podjetniških pravil. Drug

primer se je razvil iz sistema za podporo diagnoze pacientov v splošno ogrodje za izdelavo

ekspertnih sistemov, imenovan d3web.

4.1 Ogrodje d3web

V nadaljevanju predstavljen primer ekspertnega sistema za inženirsko oblikovanje smo

zgradili s pomočjo programskega ogrodja d3web. d3web ni zelo znano ogrodje; zanj smo

zvedeli med raziskovanjem za to nalogo. Kljub temu pa smo v preizkusih ugotovili, da je

napredno in stabilno, ter da se delo na njem nadaljuje. d3web je odprto-kodno programsko

orodje, ki omogoča izdelavo ekspertnega sistema s pomočjo enostavnega uporabniškega

vmesnika [11]. Sam razvoj ogrodja d3web temelji na programerski praksi Agile in tudi delo z

d3web je nastavljeno tako, da podpira Agile izgradnjo ekspertnega sistema. Ker je cilj

diplomske naloge izdelati zasnovo ekspertnega sistema in želimo prikazati primer kako bi tak

sistem deloval, nam to pride zelo prav.

Agile je ime metodologije razvoja programske opreme, katerega bistvo je iterativen in

postopen razvoj programske opreme in kjer se zahteve in cilji spreminjajo na podlagi

sodelovanja samostojnih multifunkcijskih skupin programerjev. Pri delu z d3web se to kaže v

tem, da je možno zelo hitro izdelati osnovno ogrodje ekspertnega sistema z malo vnesenega

znanja. Tak prototip ekspertnega sistema lahko predstavimo uporabnikom in dobimo takoj

povratne informacije za izboljšave. Znani so primeri, kjer so programerji s klasično metodo

razvoja ekspertnega sistema, snovali strukturo sistema tako dolgo, da so porabili vsa denarna

sredstva, ne da bi lahko pokazali praktično delovanje sistema, ali pa se je ekspertni sistem

kmalu izkazal za manj uporabnega kot se je to zdelo snovalcem.

- 14 -


d3web je ustvaril Oddelek za informatiko VI, Univerze Würzburg. d3web je

nadaljevanje dela prof. dr. Frank Puppe, ki je v osemdesetih letih na Univerzi Würzburg

zasnoval medicinska ekspertna sistema MED1 in MED2. Ta sistema sta bila izključno

namenjena medicinski uporabi; njun naslednik D3 je bil uporaben za splošne ekspertne

sisteme. d3web je naslednik sistema D3. MED1, MED2 in D3 so bili napisani v programskem

jeziku Lisp, d3web je napisan v Javi.

d3web je narejen modularno. Sklepno jedro, ki na podlagi podanega znanja išče rešitev

zadanega problema, je samostojno in se uporablja v različnih ekspertnih sistemih. d3web

lahko uporablja tri načine sklepanja. Prvi temelji na hevrističnih pravilih, drug na teoriji

množic in tretji na odločitvenih drevesih. Za vsako vrsto sklepanja je potrebno zapisati znanje

posebej. Prav tako ima vsak način sklepanja nekatere edinstvene zmogljivosti (npr. uteži pri

teoriji množic). Sklepi so pri enakem znanju podobni, kljub temu pa je v nekaterih primerih

eden od načinov sklepanja lahko bolj uspešen od ostalih. Poleg jedra obstajata dva različna

uporabniška vmesnika (KnowME in KnowWE) in program za prikaz vprašalnika in rezultatov

Dialog2. Za izgradnjo našega ekspertnega sistema smo preizkusili oba uporabniška vmesnika.

KnowME deluje kot običajni računalniški program napisan v Javi. Uporabniški vmesnik

je ponekod podoben Excelu (slika 4.1), saj pritrdilne ali nikalne stavke vnašamo v polja

podobna Excelovi razpredelnici. Logične stavke IF, THEN, AND itd. vnašamo s pomočjo

menijev. Tak način dela je nekoliko zamuden in omejuje napredne možnosti, po drugi strani

pa omogoča, da znanje vnašajo strokovnjaki samostojno in v mnogih primerih ni potreben

programer.

- 15 -


Drug vmesnik se imenuje KnowWE. KnowWE temelji na principu Wiki strani. To

pomeni, da podobno kot na Wikipediji, lahko vsako stran urejamo in povezujemo strani med

sabo. Za oblikovanje strani je uporabljena enaka sintaksa kot za ostale Wiki strani na spletu.

KnowWE poleg vnašanja besedila, slik in povezav omogoča tudi vnašanje znanja in logičnih

stavkov. Znanje, logični stavki in vprašanja se napišejo ločeno od besedila s posebno sintakso.

Ko uporabnik odpre neko stran lahko klikne na gumb, ki odpre vprašalnik na tej strani (slika

4.2). Ko uporabnik odgovarja na zastavljena vprašanja se odgovori sproti prikazujejo v polju

levo od besedila.

- 16 -

Slika 4.1: Urejanje znanja v okolju KnowME.


Tak način močno vzpodbuja sodelovanje strokovnjakov pri izboljšavi znanja. Poleg

znanja zajetega v bazi znanja lahko imamo bogato podporno znanje v obliki besedila in slik

na straneh Wiki. Zaradi teh zmožnosti KnowWE smo se sprva nagibali k uporabi tega sistema

in kot preizkus vnesli nekaj primerov ekspertnega znanja. Pri tem smo ugotovili, da KnowWE

še ni dozorelo orodje in je delo z njim težavno. Težave so se pojavile tako v delovanju sistema

kot pri vnašanju podatkov. Pri vnašanju znanja je težava ta, da je zaenkrat potrebno vnesti

veliko znanja in logičnih stavkov na več mestih. Če znanje na teh različnih mestih ni isto,

sistem ne deluje pravilno. Vnašanje znanja je tudi zamudno, saj vsak stavek zahteva precej

dodatne sintakse. KnowWE ima tudi manj napreden prikaz znanja kot KnowME– ne pokaže

kako je sistem prišel do nekega sklepa. Iz teh razlogov smo se odločili proti uporabi

KnowWE sistema in uporabili KnowME. KnowME sicer nima nekaterih funkcij, ki so po

našem mnenju zaželene za področje inženirskega oblikovanja, kljub temu pa je jedro sistema

bolj funkcionalno in je izgradnja baze znanja lažja. Ker nas šele zanima kako uporaben bo

ekspertni sistem za inženirsko oblikovanje in ne njegova končna oblika smo se odločili za

KnowME.

- 17 -

Slika 4.2: Primer izpolnjevanja vprašalnika v okolju KnowWE.


4.2 Delo z KnowME

Za naš prototip smo torej uporabili ogrodje d3web z uporabniškim vmesnikom KnowME.

Tukaj bomo najprej predstavili kako se to programsko orodje uporablja, kasneje pa kako

deluje naš primer ekspertnega sistema.

Kot že rečeno je jedro tega ogrodja d3web, vendar ga ne uporabljamo direktno pač pa

skozi dva uporabniška vmesnika. Prvi je KnowME in je namenjen vnašanju, urejanju in

preverjanju znanja v bazo znanja. Drug vmesnik je d3web.Dialog in je namenjen

uporabnikom. d3web.Dialog poganja strežnik Apache Tomcat, ki temelji na Javi. Ker ta

vmesnik temelji na strežniku do njega dostopamo z internetnim brskalnikom. To pomeni, da

lahko do ekspertnega sistema dostopamo iz lokalnega omrežja ali od koderkoli preko

interneta. Kot smo že opisali je potrebno zavarovati dostop do ekspertnega sistema z

omejitvami mrežnega dostopa.

Uporabniški vmesnik d3web.Dialog

d3web.Dialog prikličemo tako, da v internetnem brskalniku vtipkamo pravilen http

naslov. V srednjem, širokem stolpcu se prikaže vprašalnik (slika 4.3). V levem stolpcu so

prikazani vsi vprašalniki. S klikanjem na odgovore v vprašalniku omogočamo, da d3web s

pomočjo baze znanja prikaže relevantno znanje. Rezultati se začnejo sproti izpisovati v

desnem stolpcu. Z vsakim dodatnim izborom se rezultati posodobijo. Rezultati so ločeni glede

na način sklepanja. Mi smo uporabili dva načina sklepanja, ki ju omogoča d3web:

• hevristična pravila za tehnične podatke, strokovno znanje in predloge

strokovnjakov,

• teorijo množic za prikaz komponent telefonov

- 18 -


Poleg rezultatov so prikazane tudi številke, ki odvisno od načina sklepanja predstavljajo

relevantnost znanja. Pri hevrističnih pravilih so to točke; več točk predstavlja boljše ujemanje

prikazanega znanja z izbori, ki jih je uporabnik naredil v vprašalniku. Pri teoriji množic so

prikazani odstotki; 100% predstavlja popolno gotovost ekspertnega sistema, da je odgovor ali

priporočilo pravilno. Te vrednosti predstavljajo nivo gotovosti strokovnjaka, da je določen

odgovor relevanten za vnose, ki jih je naredil uporabnik. Kako sklepno jedro d3web izračuna

te rezultate tukaj ne bomo razlagali, ker je proces kompleksen, čeprav je matematika na

katerem sloni preprosta. Poznavanje teh izračunov ni potrebno, da dobimo smiselne rezultate,

zagotovo pa je v pomoč pri izdelavi sistema. Izračuni so opisani v disertaciji dr. Joachima

Baumeistra [11].

- 19 -

Slika 4.3: Uporabniški vmesnik d3web.Dialog.


Ko uporabnik naredi svoj izbor lahko klikne na gumb “Result page” in prikaže se mu

zaslonsko okno z rezultati – slika 4.4. Tukaj lahko kliknemo na posamezni rezultat in

prikazalo se nam bo okno, kjer je podrobno prikazano kako je ekspertni sistem prišel do

zaključka – ti prikazi so različni za različne načine sklepanja. Pri hevrističnih pravilih vidimo

koliko je kateri izbor prispeval točk h končnemu rezultatu. Pri sklepanju s teorijo množic pa

vidimo, kolikim množicam pripada nek rezultat in kako so posamezne množice obtežene. Po

pregledu rezultatov lahko uporabnik zaključi delo z d3web.Dialog ali začne nov primer.

Uporabniški vmesnik KnowME

KnowME je računalniški program napisan v Javi. Deluje kot aplikacija na računalniku,

zato ne moremo do njega dostopati preko mreže kot lahko to počnemo z d3web.Dialog.

Program sprva zgleda preprost, a funkcije so porazdeljene v več zavihkih, tako da na enkrat

vidimo le del funkcij.

- 20 -

Slika 4.4: Prikaz rezultatov in potek sklepanja.


Uporabniški vmesnik je razdeljen na tri glavna okna (slika 4.5). Levo zgoraj je okno z

vprašalniki, pod njim je okno z odgovori in desno je največje okno. Vsebina tega okna je

odvisna od tega kateri zavihek imamo izbran – zavihki so velike ikone, ki so razporejene

navpično v sredini. Zaporedje teh zavihkov lahko uporabnik spreminja, na naši sliki pa so v

naslednjem vrstnem redu:

Urejevalnik lastnosti: v tem zavihku lahko vidimo in urejamo predmet, ki ga

imamo izbranega v enem od oken na levi strani. Tukaj pišemo tekst vprašanj ali

odgovorov in urejamo osnovne podatke. Med drugim lahko določimo tudi

podobnost med odgovori. Če izberemo en odgovor, ki podoben nekemu drugemu

- 21 -

Slika 4.5: Uporabniški vmesnik programa KnowME. Pogled na lastnosti vprašanja.


odgovoru (od 0 do 1.0), dobita oba odgovora enako relevantnost – to deluje le za

model s teorijo množic.

Hevristična pravila: v tem zavihku dodajamo hevristična pravila. Tukaj lahko

urejamo le kako nek odgovor ustreza določenemu vprašanju. Ocene so od N7

(nikoli ne ustreza) do P7 (vedno ustreza). Te ocene niso linearne, pač pa so koraki

okoli srednje točke 0 manjši, proti ekstremoma pa se večajo – P1 da 2 točki, P2

da 5 točk, P6 da 80 točk. Nelinearen potek je po avtorjevih ugotovitvah bolj

primeren prikazu gotovosti strokovnjaka v nek odgovor. Naprednejša pravila

urejamo v zavihku 4. Pravila, ki jih podamo tukaj in na zavihku 4 se obdelajo s

programskim sklepanjem po hevrističnih pravilih.

Tabela za teorijo množic: ta zavihek je podoben tistemu s hevrističnimi pravili, le

da lahko tukaj izbiramo le od “No strength” do P7 (vedno ustreza). Ocene, ki jih

vnašamo tukaj se obdelajo z programskim sklepanjem po teoriji množic.

Urejanje pravil: na tem zavihku urejamo naprednejša hevristična pravila. Tukaj

lahko vnašamo logične stavke AND, IF, OR… Okno je razdeljeno na dva dela; v

zgornji zapišemo pogoj v spodnji pa dejanje. Na sliki 4.6 vidimo primer pravila z

več logičnimi stavki, ki smo jih vnesli s pomočjo menijev. Vneseni logični stavki

ekspertnemu sistemu povejo, da če uporabnik izbere za ciljno skupino ženske z

nizkimi dohodki in ceno telefona višjo od 100€, naj sistem prikaže priporočilo

eksperta Marije, ki uporabniku sporoči, da je cena telefona previsoka za izbrano

ciljno skupino.

- 22 -


Hiter urejevalnik lastnosti: ta zavihek ima enako funkcionalnost kot prvi zavihek,

le da je prikaz veliko bolj strnjen in zato omogoča urejanje več vprašanj ali

odgovorov v enem oknu.

Pregled pravil: ker je hevrističnih pravil v bazi znanja ogromno lahko na tem

zavihku filtriramo vsa pravila in imamo tako hiter pregled nad pravili, ki jih

želimo urejati.

Podporno znanje: tukaj lahko dodamo fotografije, tekst in internetne povezave k

vprašanjem ali odgovorom. Ta pojasnila in podatki so v pomoč uporabniku – do

njih dostopa tako, da klikne na ikono, ki se pojavi poleg vprašanj ali odgovorov,

ki imajo dodano znanje.

- 23 -

Slika 4.6: Urejanje naprednih hevrističnih pravil.


Nastavitve: v tem zavihku lahko urejamo napredne možnosti ekspertnega

sistema.

Hiter urejevalnik hevrističnega znanja: urejevalnik je podoben tistemu iz točke 2,

a omogoča hitrejše dodajanje nekaterih naprednejših logičnih stavkov kot sta

AND in OR.

Pregled primerov: d3web omogoča shranjevanje primerov. To pomeni da lahko

vsako uporabo ekspertnega sistema shranimo kot en primer. Tukaj lahko vidimo

kako je uporabnik odgovarjal na vprašanja in kako dolgo je uporabljal sistem. To

nam je v pomoč pri izboljšavah ekspertnega sistema.

Opisali smo delovanje desnega, velikega okna. Levi manjši okni imata manj funkcij in

so si podobne. Z desnim klikom na ti polji dobimo meni v katerem izberemo ali želimo dodati

vprašanje/odgovor, ga izbrisati ali preimenovati. Odgovore lahko združujemo v skupine in

podskupine, a to nima nobenega vpliva na delovanje sistema, pač pa pomaga preglednosti pri

urejanju odgovorov. Tudi vprašanja lahko razporedimo v skupine ne pa v podskupine. Ko

uporabnik izpolnjuje obrazec vidi samo vprašanja iz ene skupine in mora preklapljati med

obrazci, da izpolni vprašanja iz druge skupine. Pri dodajanju vprašanj imamo na izbiro več

možnosti. Dodamo lahko Da/Ne vprašanje, vprašanje z eno izbiro ali več možnimi izbirami

ter vprašanje kjer lahko vpišemo tekst ali število. Če uporabimo vprašanje kjer vpišemo

število lahko nastavimo razpone števil.

4.3 Delo s prototipom za inženirsko oblikovanje

Tukaj bomo opisali način uporabe našega ekspertnega sistema skozi d3web.Dialog in kako

smo uredili bazo znanja. Z našim ekspertnim sistemom preverjamo smotrnost ekspertnega

sistema za inženirsko oblikovanje. Pri izdelavi sistema smo uporabiti izsledke pridobljene iz

raziskave obstoječe literature o drugih ekspertnih sistemih in lastne ugotovitve med delom s

sistemom. Tehnične podatke telefonov smo dobili iz internetnih strani proizvajalcev. Vneseno

znanje ni znanje strokovnjaka iz tega področja pač pa služi le prikazu sistema – sami smo

vnesli nekaj znanja, ki se nam je zdelo, da bo pokazalo zmožnosti sistema. Tudi vprašalniki

služijo prikazu sistema in ne prikazu znanja. S prototipom želimo tudi prikazati ureditev in

način urejanja baze znanja.

- 24 -


Vnašanje znanja mora potekati po določenih pravilih sicer lahko postane baza znanja

nepregledna ali daje nepravilne rezultate – v nadaljevanju dajemo naše predloge. Če bi se med

delom ugotovilo, da delo po naših napotkih ni najboljše se lahko struktura znanja v bazi

sorazmerno hitro spremeni – to je možno ker sta jedro d3web in vmesnik KnowME napisana

tako, da omogočata korenite in hitre spremembe baze znanja.

Uporabniški vmesnik d3web.Dialog

Delo z d3web.Dialog je preprosto. Uporabnik z miškinim kazalcem izbira odgovore na

zastavljena vprašanja. Odgovori lahko na vse, a predvideva se, da bo odgovoril le na nekaj

vprašanj, ki so relevantna za njegov projekt. Vprašanja smo razdelili v smiselne skupine –

Glavne lastnosti, Programska oprema, Ciljne skupine, Komponente – slika 4.5 zgoraj levo.

Na zaslonu z rezultati ekspertni sistem prikazane izdelke in napotke strokovnjakov

razvrsti po tem kako močno se ujemajo z izbori uporabnika. Vsak izbor dodeli določeno

število točk različnim izdelkom in priporočilom, odvisno od tega, kako je strokovnjak ocenil

ujemanje nekega izbora z nekim izdelkom ali priporočilom. Končni rezultati so prikazani v

takšnem vrstnem redu kot imajo število točk – točke so prikazane poleg vsakega rezultata. Če

uporabnik izbere tri lastnosti bodo višje na seznamu izdelki, ki ustrezajo vsem trem lastnostim

pod njimi tisti, ki ustrezajo dvema itn.

Uporabniški vmesnik KnowME

Naš ekspertni sistem ne vsebuje le znanja strokovnjakov. Inženirsko oblikovanje ni le

oblikovanje zunanjosti izdelka, tako da ta zgleda lepo. Inženirsko oblikovanje stremi k

združitvi estetske oblike s funkcionalnostjo izdelka. Samo oblikovanje zunanjosti je styling.

Kadar je oblika ločena od funkcionalnosti ima izdelek lupino, ki ni povezana s

funkcionalnostjo – takšni izdelki lahko izpadejo kičasti. Le kadar je oblikovalec dobro

seznanjen s tehnologijo in funkcionalnostjo izdelka ga lahko oblikuje v obliko, ki je smotrna,

funkcionalna, pa tudi všečna in ergonomska.

Da bi dosegli združitev tehnične in oblikovalske plati izdelka, smo v bazo znanja poleg

strokovnega znanja in izkušenj oblikovalca, vnesli tudi imena, tehnične podatke in povezave

do fotografij telefonov. S tem vzpodbujamo, da uporabnik sistema upošteva tehnično realnost

naprav, ko razmišlja o novi obliki in funkcionalnosti. K tej odločitvi je prispevalo spoznanje

iz 1. Gauvreau-jevega mita o gradnji mostov – uporabniku se ne podajo le pravila, pač pa tudi

bolj splošni napotki. Splošni napotki v našem primeru so fotografije, tehnični podatki

- 25 -


telefonov in ocene telefonov (uporabnikov in strokovnjakov), ki omogočajo, da oblikovalec

pride do lastnih odločitev s pomočjo znanja v ekspertnem sistemu.

V bazo znanja smo vnesli tudi komponente telefonov. Predpostavljamo, da je

oblikovalcu to v pomoč, saj lahko vidi kako uspešni so telefoni, ki so uporabili določene

komponente – spodnje polje slike 4.4. Uporabniku sistema se pokažejo samo komponente

telefonov, kateri ustrezajo njegovemu izboru. Če je komponenta uporabljena v več prikazanih

telefonih se prikaže le enkrat. Glede prikaza komponent imamo veliko idej za izboljšave; te

bomo opisali v naslednjem poglavju.

Na podlagi pogojev, ki smo jih zastavili za ekspertni sistem je nastal sistem, ki se

uporablja podobno kot internetna trgovina z dodanimi nasveti strokovnjaka. Čeprav to sprva

ni bil naš namen, je delo s takšnim sistemom domače vsakomur, ki je uporabljal internetne

trgovine. Tudi tam lahko uporabnik izbira izdelke po kategorijah in zožuje izbor z določanjem

lastnosti izdelka. Pri našem sistemu pa poleg izdelkov dobiva še napotke strokovnjakov glede

na izbrane kriterije – slika 4.4.

Znanje smo organizirali v skupine; podobno kot vprašalnike. Na sliki 4.7 je vidna

razporeditev. Prva skupina so izdelki (telefoni) s podskupinami, ki so imena podjetij. Če bi

kliknili na katero od imen bi videli vse izdelke tega podjetja. Po potrebi bi lahko izdelki

podjetij bili razdeljeni na še manjše skupine – kot že omenjeno, razporeditev nima vpliva na

delovanje sistema. Druga skupina so komponente telefonov. Tukaj imamo le dve podskupini,

seveda pa bi jih moralo biti veliko več, če bi hoteli zajeti vse relevantne komponente. Tretja

skupina je znanje o kompatibilnosti. To znanje smo ločili od priporočil strokovnjakov, ker je

to znanje objektivno in zato avtor znanja ni pomemben. Podobno bi ločili tudi vso ostalo

objektivno znanje. Zadnja, četrta, skupina so priporočila strokovnjakov. Tukaj je znanje

ločeno po imenih strokovnjakov. Znotraj teh skupin se nahaja vso znanje, ki ga ime nek

strokovnjak s tega področja. Znanje je ločeno po avtorjih zaradi ugotovitve, ki smo jo poprej

dobili iz Gauvreau-jevega 2. mita o gradnji mostov.

- 26 -


Tako urejeno bazo znanja je enostavno urejati, saj preko skupin hitreje najdemo iskano

znanje. KnowME omogoča enostavno urejanje znanja, saj lahko z miško potegnemo

katerokoli znanje ali kategorijo znanj v drugo skupino.

Opišimo še nekaj primerov znanja, ki smo ga vnesli sami. Ponavljamo, da znanje ni

strokovno ampak služi predstavitvi ekspertnega sistema:

• Če je izbran tip monitorja LCD in vrednost telefona višja od 350€ priporoča

Janez, da se raje uporabi AMOLED zaslon. Marija pa priporoča da se uporabi

kvalitetnejši SAMOLED zaslon. Tukaj vidimo primer kjer se mnenja dveh

strokovnjakov razhajata. Uporabniku se prikažeta oba predloga in odločiti se

mora sam katerega se bo držal. Uporabniku se poleg priporočil izpiše tudi ime

strokovnjaka, tako da lahko izbere po svoji presoji, kateri je bolj kvalificiran

strokovnjak.

• Če je cena telefona višja od 100€, ciljna skupina pa so ženske z nizkim

dohodkom, je Marijino opozorilo, da je cena telefona previsoka. Takšno znanje

je lahko subjektivni predlog strokovnjaka, lahko pa je tudi bolj objektiven

izsledek statistične analize kupcev.

• Če je izbran zaslon na dotik in operacijski sistem Symbian 40, ekspertni sistem

da opozorilo, da Symbian 40 ne podpira zaslonov na dotik.

- 27 -

Slika 4.7: Razvrstitev znanja


• Če je vrednost ekrana telefona večja od tretjine celotne vrednosti telefona Janez

opozarja, da je cena ekrana previsoka.

• V bazo znanja smo vnesli tudi, kako različne ciljne skupine ocenjujejo različne

telefone. To znanje bi bilo pridobljeno s statistično analizo trga. Kot primer smo

dodali naslednje kategorije ciljnih skupin: starost, spol, zaslužek, interesi in

poreklo (kraj rojstva po kontinentih).

Naš prototip ekspertnega sistema vrača uporabniku koristno znanje. Na vprašanje iz

začetka naše naloge lahko odgovorimo, da ekspertni sitem za inženirsko oblikovanje lahko

opravlja koristno funkcijo. Če bo za to zanimanje, bi bilo smotrno nadaljevati preizkuse

takega sistema v delovnem okolju. Trenutni sistem ima veliko pomanjkljivosti, predvsem

glede prikaza znanja; velik del tega problema bi rešilo izboljšano okolje KnowWE.

Verjamemo, da bi se s pomočjo programerjev sistem dal izboljšati. Predloge izboljšav podamo

v naslednjem poglavju.

- 28 -


5 MOŽNOSTI IZBOLJŠANJA

Skozi celotno diplomsko nalogo smo omenjali kako si zamišljamo ekspertni sistem za

inženirsko oblikovanje. Uporabili smo orodja, ki so bila najbolje prilagojena za tak sistem in

za hiter razvoj prototipa. Ta orodja pa ne omogočajo vseh funkcij, ki si jih želimo. Prav tako

nismo šli v podrobnosti izdelave baze znanja, ker bi za to potrebovali dejanske strokovnjake s

tega področja – tukaj ne mislimo na strokovnjake oblikovanja ampak konkretno, strokovnjake

oblikovanja mobilnih telefonov. V tem poglavju bomo združili te predloge in opisali, kako bi

prišli do želene funkcionalnosti.

Na začetku naloge smo omenili, da bodo obstajali pomisleki glede uporabe ekspertnega

sistema na področju, ki je izrazito subjektivno in ustvarjalno. Te pomisleke lahko najhitreje

odpravimo z delujočim in uporabnim ekspertnim sistemom. V tej nalogi opisujemo kako bi

tak sistem deloval. Na podlagi prototipa vidimo, da sistem lahko daje koristno znanje.

Uporabnost sistema pa bomo lahko ocenili šele ko bo tak sistem v delovnem okolju in se bo

naredila ustrezna študija.

Nadalje predlagamo možnost ocenjevanja rezultatov s strani uporabnika. V nalogi smo

že omenili, da če se prikaže več protislovnih priporočil strokovnjakov, bi bilo koristno če bi

lahko uporabnik izbral v programu kateri je bolj koristen. Če bi to razširili bi omogočili, da bi

uporabnik lahko ocenil vsak predlog strokovnjaka. Trenutno naš sistem tega ne omogoča.

Potrebno bi bilo spremeniti računalniški program d3web, da bi to omogočal. S tem dodatkom

bi strokovnjaki dobili povratne informacije drugih uporabnikov njihovega sistema in bi tako

lahko izboljšali bazo znanja. Praktičnost takega sistem, bi bilo potrebno preveriti.

Trenuten sistem tudi ne omogoča zapisa datuma, ko je bilo znanje vneseno. Prikaz

datuma vnosa nekega priporočila morda ne pomaga uporabniku sistema, menimo pa da bi

pomagalo pri ažurnosti podatkov. Omenili smo, da obstaja v kulturi in pričakovanjih kupcev

dinamika, zato so zastareli podatki lahko napačni. Administrator baze znanja, bi lahko

razporedil vnose po datumu in tako preveril ali so najstarejši vnosi še relevantni.

Komponente telefonov v našem ekspertnem sistemu niso razporejene v smiselnem

vrstnem redu. Želeli bi si, da bi bile prikazane po takšnem vrstnem redu, kot je vrstni red,

kako uspešni so telefoni, ki vsebujejo te komponente. Tako bi bile komponente uspešnejših

- 29 -


telefonov bolj vidne kot tiste, ki so se slabše prodajali ali bili kako drugače slabše ocenjeni. To

bi verjetno zahtevalo večji poseg v d3web.

Rezultati hevrističnega znanja so sedaj prikazani vsi v istem seznamu, razporejeni po

številu točk. Preglednost rezultatov bi se povečala, če bi lahko kategorizirali te rešitve. Sedaj

se nam prikažejo priporočila strokovnjakov sredi imen izdelkov. Če bi lahko ustvarili različne

kategorije hevrističnega znanja, bi lahko to ločili. Imeli bi urejene sezname, ločene po

kategorijah. Te bi bile: izdelki, priporočila strokovnjakov, objektivne omejitve. Gotovo bi v

končnem sistemu imeli še več kategorij.

Naš sistem smo že primerjali z delovanjem kataloga spletnih trgovin. Trgovine imajo

prednost pred našim sistemom, da lahko uporabnik brska po celotnem katalogu zelo hitro in

brez, da bi izbral določene filtre. Zato predlagamo, da bi tudi naš sistem omogočal, da

uporabnik lahko brska tako po izdelkih kot tudi po priporočilih strokovnjakov, brez da izpolni

obrazec. Program za urejanje baze znanja KnowME to omogoča, a menimo, da bi to moral

omogočati tudi uporabniški vmesnik d3web.Dialog.

Vredno bi bilo poizkusiti kako bi sistem deloval, če bi lahko uporabnik ob vsakem

vprašanju oziroma kategoriji določil tudi utež. Če bi izbral več kategorij oziroma odgovoril na

več vprašanj hkrati, bi prikazani rezultati bili odvisni tudi od tega koliko obtežena so

posamezna vprašanja. To sedaj lahko upravlja administrator sistema, ne pa uporabnik.

Uporabnikove uteži bi veljale le za trenutni primer.

Omenili smo že, da ima vmesnik KnowWE boljše lastnosti za ekspertni sistem za

inženirsko oblikovanje kot KnowME. Zato si seveda želimo, da se bo razvoj na KnowWE

nadaljeval. Naš sistem bi bil močno izboljšan, če bi znanje lahko bilo obdano z dodatnimi

informacijami, slikami in skicami, ki ga omogoča okolje Wiki.

Za konec še moramo omeniti, da bi si želeli več znanja v naši bazi znanja. Vendar je

smiselno imeti dejansko znanje in ne le spekulativno. V naš sistem še nismo vnašali drugih

kategorij znanja, katere bi bilo potrebno preveriti ali so koristne za uporabnika. Med njimi so

ocene in kritike strokovnjakov iz drugih področij (umetniki, filozofi, tehniki) ali ocene, ki jih

podeljujejo revije ali druge javne publikacije. Pri upoštevanju teh ocen pa smo izpostavljeni

možnim manipulacijam, ki bi poslabšale kvaliteto baze znanja.

- 30 -


6 SKLEP

V diplomski nalogi smo si zastavili cilj, da ugotovimo, ali je ekspertni sistem za inženirsko

oblikovanje smotrn. Že pri pregledu literature smo videli, da že obstajajo podobni sistemi in

da so naleteli na določene kritike. Sami smo poskušali zasnovati sistem, ki bi se izognil tem

kritikam. Na podlagi teh spoznanj in lastne presoje smo izdelali prototip ekspertnega sistema.

V ekspertni sistem smo vstavili nekaj fiktivnega znanja, ki je omogočalo, da smo

preučili delovanje sistema. Na podlagi ugotovitev menimo, da je izvedljivost uporabnega

ekspertnega sistema za inženirsko oblikovanje, možna.

Tak sistem bi bil uporaben predvsem v srednjih in velikih podjetjih, ker v majhnih

podjetjih ni dovolj znanja, da bi bila smotrna izdelava tako kompleksnega sistema. Sistem bi

pripomogel k ohranitvi znanja v podjetju, ko se delavci menjavajo ali gredo v pokoj. Znanje

bolj izkušenih se lahko hitreje prenese na manj izkušene sodelavce. Omogočal bi hranbo

znanja na enem mestu, kar olajša njegovo varovanje in upravljanje. Menimo, da so prednosti,

ki jih lahko tak sistem daje velike, in da bi se izplačala izgradnja sistema v dovolj velikih

podjetjih.

Za izdelavo končne oblike sistema bo potrebno še veliko dela. Tukaj smo predstavili

naše predloge kako ekspertni sistem za inženirsko oblikovanje izdelati in izboljšati,

verjamemo pa, da bi se našlo še mnogo drugih izboljšav.

- 31 -


7 ŽIVLJENJEPIS

Rodil sem se leta 1983 v Mariboru. 1985 se je družina preselila na Ptuj. Obiskoval sem

Osnovno šolo Mladika nato pa Gimnazijo Ptuj. Leta 2002 sem odslužil vojaški rok. Isto leto

sem se vpisal na Fakulteto za strojništvo Maribor in si izbral smer Inženirsko oblikovanje.

- 32 -


SEZNAM UPORABLJENIH VIROV

[1] Clarke Roger. Knowledge-Based Expert Systems [svetovni spelt]. Avstralija : Xamax

Consultancy Pty Ltd, 1988. Dostopno na WWW:

http://www.rogerclarke.com/SOS/KBT.html [29.11.2010].

[2] Buchanan G. Bruce, Shortliffe H. Edward. Rule-Based Expert Systems: The MYCIN

Experiments of the Stanford Heuristic Programming Project. Addison-Wesley, 1984.

Dostopno na WWW [2.12.2010]:

http://www.aaai.org/AITopics/pmwiki/pmwiki.php/AITopics/RuleBasedExpertSystems

[3] Steinmann Heinrich, Chorafas Dimitris N.. Expert systems in banking : a guide for

senior managers. New York: New York University Press, 1990, str. 222-225.

[4] Mony Hari, Baumgartner Jason, Paruthi Viresh, Kanzelman Robert, Kuehlmann

Andreas. Scalable Automated Verification via Expert-System Guided Transformations.

V : Hu J. Alan, Martin K. Andrew (ur.). 5th International Conference on Formal

Methods in Computer-Aided Design 2004. Formal Methods in Computer-Aided Design,

Austin, Texas, november 2004. New York : Springer-Verlag, 2007, str. 159-173.

[5] Sawyer B.T., Pecht M.. An Expert System for Electronics Design [tehnično poročilo].

Univerza Maryland, 1987.

[6] Masters H. Cynthia. Computerized interior design expert system [svetovni splet]. US

Patent 6572377, 2001. Dostopno na WWW: http://www.google.com/patents/about?

id=PXYNAAAAEBAJ [29.11.2010].

[7] Zuk William. A Rating Index for Bridge Aesthetics. Concrete International (1995), vol.

17, no. 8, str. 45-47.

[8] Gauvreau Paul Douglas. The Three Myths of Bridge Aesthetics. V : Brett P. H., Banthia

N., Buckland P. G. (ur.). Developments in Short and Medium Span Bridge Engineering

2002. Montreal: Canadian Society for Civil Engineering, 2002, str. 49-56.

[9] de Noblet Jocelyn. Industrial Design : Reflections of a Century. Paris : Flammarion,

1993.

- 33 -


[10] Mashinchi Reza Mohammad. Aesthetic Cognition: An Attempt for Implementation in

Computer Systems. Advances in Fuzzy Mathematics (2006), vol. 1, no. 1, str. 45–54.

[11] Baumeister Joachim. Agile Development of Diagnostic Knowledge Systems. Univerza

Würzburg, 2004.

- 34 -

zasnova ekspertnega sistema za inŽenirsko oblikovanje · ekspertni sistemi se uporabljajo predvsem...

Documents