Экспертные системы в логистике

СОДЕРЖАНИЕ

 

Введение………………………………………………………………………...…3

1. Экспертные системы в логистике, их особенности…………………...…5
2. Области применения экспертных систем…………………………..…….9
3. Основные линии развития экспертных систем………………………..13

Заключение……………………………………………………………………….16

Список литературы………………………………………………………………17

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ВВЕДЕНИЕ 

 

Экспертные  системы (ЭС) возникли как значительный практический результат в применении и развитии методов искусственного интеллекта (ИИ) – совокупности научных дисциплин, изучающих методы решения задач интеллектуального (творческого) характера с использованием ЭВМ.

Область ИИ имеет более чем сорокалетнюю историю развития. С самого начала в ней рассматривался ряд весьма сложных задач, которые, наряду с  другими, и до сих пор являются предметом исследований: автоматические доказательства теорем, машинный перевод (автоматический перевод с одного естественного языка на другой), распознавание изображений и  анализ сцен, планирование действий роботов, алгоритмы и стратегии игр.

ЭС – это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области. ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз. Практическое применение ЭС на предприятиях способствует эффективности работы и повышению квалификации специалистов.

Главным достоинством экспертных систем является возможность накопления знаний и  сохранение их длительное время. В отличии  от человека к любой информации экспертные системы подходят объективно, что  улучшает качество проводимой экспертизы. При решении задач, требующих  обработки большого объема знаний, возможность возникновения ошибки при переборе очень мала.

При создании ЭС возникает ряд затруднений. Это  прежде всего связано с тем, что  заказчик не всегда может точно сформулировать свои требования к разрабатываемой  системе. Также возможно возникновение трудностей чисто психологического порядка: при создании базы знаний системы эксперт может препятствовать передаче своих знаний, опасаясь, что впоследствии его заменят “машиной”. Но эти страхи не обоснованы, т. к. ЭС не способны обучаться, они не обладают здравым смыслом, интуицией. Но в настоящее время ведутся разработки экспертных систем, реализующих идею самообучения. Также ЭС неприменимы в больших предметных областях и в тех областях, где отсутствуют эксперты.

Экспертная  система состоит из базы знаний (части  системы, в которой содержатся факты), подсистемы вывода (множества правил, по которым осуществляется решение  задачи), подсистемы объяснения, подсистемы приобретения знаний и диалогового процессора. [1]

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1. ЭКСПЕРТНЫЕ СИСТЕМЫ В ЛОГИСТИКЕ, ИХ ОСОБЕННОСТИ 

 

Под экспертными системами в  логистике понимают специальные компьютерные программы, помогающие специалистам принимать решения, связанные с управлением материальными потоками. Экспертная система может аккумулировать знания и опыт нескольких специалистов-экспертов, работающих в разных областях. Труд высококвалифицированных экспертов стоит дорого, однако, как правило, требуется не повседневно. Возможность получить совет экспертов по разным вопросам посредством обращения к компьютеру позволяет квалифицированно решать сложные задачи, повышает производительность труда персонала и в то же время не требует затрат на содержание штата высокооплачиваемых специалистов.

Применение экспертных систем позволяет:

• принимать быстрые и качественные решения в области управления материальными потоками;
• готовить опытных специалистов за относительно более короткий промежуток времени;

 

  Обращение с  экспертными программами за короткий  промежуток времени формирует опытного специалиста. В то же время, задача повышения обучающих возможностей экспертных систем является сегодня актуальной, так как большинство программ не объясняют пользователю причины рекомендуемых решений.

• сохранять «ноу – хау» компании, так как персонал, пользующийся системой, не может вынести за пределы компании опыт и знания, содержащиеся в экспертной системе;
• использовать опыт и знания высококвалифицированных специалистов на непрестижных, опасных, скучных и тому подобных рабочих местах.[2]

К недостаткам экспертных систем следует  отнести ограниченную возможность использования «здравого смысла». Логистические процессы включают множество операций с разнообразными грузами. Учесть все особенности в экспертной программе невозможно. Поэтому, чтобы не поставить коробку весом в сто килограммов на коробку весом в пять килограммов здравым смыслом, дополняющим знания экспертной системы, должен обладать пользователь.

Экспертные системы применяются  на различных стадиях логистического процесса, облегчая решение проблем, требующих значительного опыта и затрат времени. Например, на складе, при принятии решения о пополнении запасов, когда менеджеру необходимо оценить большой объем разнообразной информации: ожидаемые цены в разрезе закупаемых товаров, тарифы на доставку, необходимость одновременного пополнения запасов по разным позициям ассортимента и т. д. Использование здесь экспертных систем позволяет принимать не только правильные, но и быстрые решения, что зачастую не менее важно.

В качестве примера использования  экспертных систем в складском хозяйстве  приведем систему Inventory Management Assistant, IMA («помощник в складском менеджменте»), разработанную для логистического отдела Военно-воздушных сил США. Отдел обслуживает свыше 19000 самолетов по всему миру. Складская система отдела содержит 916000 наименований запасных частей для самолетов. Цель создания IMA — помощь персоналу складов при решении задач, связанных с управлением запасами. Использование названной экспертной системы позволило на 8-10% повысить эффективность решения обычных проблем. Эффективность решения вопросов в сложных ситуациях возросла на 15 – 18 %.

По данным исследований Европейского Совета по логистике на 1995 год более 12 500 компаний использовали экспертные системы в областях:

управления запасами, транспорта, складирования, розничной торговли, планировании и управлении, сервисном  обслуживании, управлении материальными  потоками. На 2000 год составило 400 000 компаний.

В России пока наибольше распространение  получают экспертные системы по управлению централизованными складами, сервисному обслуживанию и ремонту техники.

ЭС склада соотносится с базами данных по товарам, контрагентам, возможностям склада, нормативам хранения и базой  знаний по решениям специалистов о  размещении товара, выполняемых технологических  и кон-1рольных операциях, используемом оборудовании и порядке работы. Она  помогает решить задачи размещения товара, составления графика работы, предупреждает о наступлении точек заказа, истечении срока хранения товаров, оптимизируя трудоемкость, аккуратность, использование ресурсов, управление запасами

Технология экспертных систем будет  эффективно функционировать если она  поддерживается существованием корпоративных  баз данных по товарам (прежде всего), поставщикам, клиентам, использованием классификации товаров и их штрихового кодирования, электронного обмена данными.

Следует сказать несколько слов и о специфике разработки экспертных систем. Процесс их внедрения итеративен: из начального описания проблемы разрабатывается  система, строится прототип, анализ работы которого выявляет новые аспекты  проблемы, добавляет новые знания изменяя систему необходимой практикой при внедрении ЭС является пробное функционирование на моделируемом материальном и информационных потоках, тестовых участках. Для принятия идеологии ЭС в крупных компаниях целесообразно использование политики "малых успехов".[1]

Зарубежная статистика показывает, что инвестиции на одну ЭС в логистике  окупаются в среднем за 1,5 – 2 года , и составляют от $25 000 до $100000.

Итак, основными результатами применения ЭС являются устранение перегрузки данными  ЛПР, снижение отрицательного эффекта  некачественной информации, повышение качества принимаемых решений, увеличение надежность систем контроля и управления. Кроме того сохраняется опыт, иногда уникальный, и знания профессионалов - экспертов.

ЭС потенциально содержат возможности  по предсказанию сценариев развития, самообучению и преобразованию информации в знания.

ЭС косвенно влияют на качество и  количество производимой, (распределяемой, перевозимой) продукции, поэтому экономический  эффект от использования ЭС можно  оценить только после ее внедрения  установления обратной связи между  ЭС и пользователем.[3]

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2. ОБЛАСТИ ПРЕМЕНЕНИЯ ЭКСПЕРТНЫХ СИСТЕМ

 

Области применения систем, основанных на знаниях, могут быть сгруппированы  в несколько основных классов: медицинская  диагностика, контроль и управление, диагностика неисправностей в механических и электрических устройствах, обучение.

 а) Медицинская диагностика.

Диагностические системы используются для установления связи между нарушениями деятельности организма и их возможными причинами. Наиболее известна диагностическая  система MYCIN, которая предназначена  для диагностики и наблюдения за состоянием больного при менингите  и бактериальных инфекциях. Ее первая версия была разработана в Стенфордском университете в середине 70-х годов. В настоящее время эта система  ставит диагноз на уровне врача-специалиста. Она имеет расширенную базу знаний, благодаря чему может применяться  и в других областях медицины.

б) Прогнозирование.

Прогнозирующие  системы предсказывают возможные  результаты или события на основе данных о текущем состоянии объекта. Программная система “Завоевание Уолл-стрита” может проанализировать конъюнктуру рынка и с помощью статистических методов алгоритмов разработать для вас план капиталовложений на перспективу. Она не относится к числу систем, основанных на знаниях, поскольку использует процедуры и алгоритмы традиционного программирования. Хотя пока еще отсутствуют ЭС, которые способны за счет своей информации о конъюнктуре рынка помочь вам увеличить капитал, прогнозирующие системы уже сегодня могут предсказывать погоду, урожайность и поток пассажиров. Даже на персональном компьютере, установив простую систему, основанную на знаниях, вы можете получить местный прогноз погоды.

в) Планирование.

 

Планирующие системы предназначены для достижения конкретных целей при решении  задач с большим числом переменных. Дамасская фирма Informat впервые в  торговой практике предоставляет в  распоряжении покупателей 13 рабочих  станций, установленных в холле  своего офиса, на которых проводятся бесплатные 15-минутные консультации с  целью помочь покупателям выбрать  компьютер, в наибольшей степени  отвечающий их потребностям и бюджету. Кроме того, компания Boeing применяет  ЭС для проектирования космических  станций, а также для выявления  причин отказов самолетных двигателей и ремонта вертолетов. Экспертная система XCON, созданная фирмой DEC, служит для определения или изменения  конфигурации компьютерных систем типа VAX и в соответствии с требованиями покупателя. Фирма DEC разрабатывает  более мощную систему XSEL, включающую базу знаний системы XCON, с целью оказания помощи покупателям при выборе вычислительных систем с нужной конфигурацией.

г) Интерпретация.

Интерпретирующие  системы обладают способностью получать определенные заключения на основе результатов  наблюдения. Система PROSPECTOR, одна из наиболее известных систем интерпретирующего  типа, объединяет знания девяти экспертов. Используя сочетания девяти методов  экспертизы, системе удалось обнаружить залежи руды стоимостью в миллион  долларов, причем наличие этих залежей  не предполагал ни один из девяти экспертов. Другая интерпретирующая система- HASP/SIAP. Она определяет местоположение и  типы судов в тихом океане по данным акустических систем слежения.

д) Контроль и управление.

Системы, основанные на знаниях, могут применятся в качестве интеллектуальных систем контроля и принимать решения, анализируя данные, поступающие от нескольких источников. Такие системы уже  работают на атомных электростанциях, управляют воздушным движением  и осуществляют медицинский контроль. Они могут быть также полезны при регулировании финансовой деятельности предприятия и оказывать помощь при выработке решений в критических ситуациях.

е) Диагностика  неисправностей в механических и  электрических устройствах.

В этой сфере  системы, основанные на знаниях, незаменимы как при ремонте механических и электрических машин (автомобилей, дизельных локомотивов и т.д.), так и при устранении неисправностей и ошибок в аппаратном и программном  обеспечении компьютеров.

ж) Обучение.

Системы, основанные на знаниях, могут входить  составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта (например, студента) и анализирует  его поведение. База знаний изменяется в соответствии с поведением объекта. Примером этого обучения может служить  компьютерная игра, сложность которой  увеличивается по мере возрастания  степени квалификации играющего. Одной  из наиболее интересных обучающих ЭС является разработанная Д.Ленатом  система EURISCO, которая использует простые  эвристики. Эта система была опробована в игре Т.Тревевеллера, имитирующая  боевые действия. Суть игры состоит  в том, чтобы определить состав флотилии, способной нанести поражение  в условиях неизменяемого множества  правил. Система EURISCO включила в состав флотилии небольшие, способные провести быструю атаку корабли и одно очень маленькое скоростное судно  и постоянно выигрывала в течение  трех лет, несмотря на то, что в стремлении воспрепятствовать этому правила  игры меняли каждый год.