УДК 658.512.4:658.012.011.56.012.3
СИСТЕМА ЗНАНИЙ ДЛЯ ТЕХНОЛОГИЧЕСКОЙ ПОДГОТОВКИ ПРОИЗВОДСТВА
Санкт-Петербургский национальный исследовательский университет информационных технологий механики и оптики, Россия
Рассмотрен подход к созданию онтологий для технологической подготовки производства. Предложена система управления знаниями. Показано применение PDM - системы для создания онтологии АСТПП. Показаны принципы онтологического реинжиниринга
Ключевые слова: технологическая подготовка, онтология, система управления знаниями, PDM - система, предметная область, предметные знания, фреймы, модели деталей, модели процессов, информационные ресурсы, словари, тезаурусы, онтологический реинжиниринг
Введение
Потребность в онтологических исследованиях для технологической подготовки производства (ТПП) возникла еще в 80-х годах. «Островная» автоматизация ТПП выявила большое разнообразие объектов и процессов, информацию о которых необходимо использовать в технологических проектах. Сюда относят детали и заготовки, сортамент материалов, технологическое оснащение, технологические процессы и многое другое. Созданные стандарты ЕСТПП и ЕСТД определили основные принципы автоматизации ТПП, однако онтологические вопросы в них были проработаны весьма слабо.
Создаваемые на предприятиях приложения для решения технологических задач обычно использовали свои собственные модели объектов и технологических процессов, а так же свои базы данных. По мере повышения уровня автоматизации ТПП возникла необходимость информационной интеграции подсистем АСТПП как между собой, так и с АСУ предприятия. Как следствие возникла проблема создания единого информационного пространства (ЕИП), что особенно важно в условиях накопления и активного использования баз знаний. Нерешенность онтологических вопросов сдерживает эффективное функционирование ТПП и требует дополнительных затрат на организацию взаимодействия между всеми компонентами АСТПП и АСУ предприятия. Предлагаемый подход к решению онтологических проблем ТПП основан на создании системы управления знаниями (СУЗ), которая в случае успешной разработки может быть расширена и на другие этапы жизненного цикла изделия.
Таким образом, анализ онтологических аспектов конструкторской и технологической подготовки производства необходим;
· для накопления и повторного использование знаний на основе применения баз знаний;
· для обеспечения информационной совместимости сообщений, которыми обмениваются между собой подсистемы ТПП и при передаче информации в АСУ предприятия;
· для анализа знаний при разработке моделей объектов, информация о которых циркулирует в ТПП;
· для создания единого информационного пространства.
Анализ онтологических аспектов ТПП
В основе СУЗ лежит понятие «онтология». Применительно к технической области знания существует много определений этого понятия, часто противоречащих друг другу, начиная от классического, сформулированного Н. Грубером: «Онтология – это спецификация концептуализации» [1], до самых сложных и развернутых определений. В данной работе под онтологией будем понимать: формальное явное описание понятий (будем называть их концептами) в рассматриваемой предметной области, включая свойства понятий и отношений между ними.
Анализ онтологических аспектов технологической подготовки производств показала следующее. Как было показано выше, по уровню обобщения онтология ТПП относится к онтологии предметной области и онтологии предметных знаний. Внутри предметной области онтология охватывает непосредственно конструкторскую и технологическую подготовку изделий.
По области применения онтология может быть использована для управления знаниями, а так же для создания экспертных систем и обучения. Важным направлением использования онтологий является информационная интеграция подсистем АСТПП, а так же моделирование объектов и процессов, множество которых является весьма многочисленным и разнородным по своей физической природе.
Владельцами онтологий могут являться группы родственных промышленных предприятий и их подразделения, специалисты которых имеют различные права доступа к различным разделам онтологии.
По глубине проработки онтология ТПП может включать в себя различные объекты в том числе: словарь; глоссарий; тезаурус; коллекции таксономий; коллекции фреймов; набор логических ограничений и т. д.
По применяемым языкам онтология ориентирована на формализованные языки для описания предметной области и формальные языки для описания предметных знаний.
На современной уровне для СУЗ характерна интеграция следующих технологии:
· экспертные системы и базы знаний
· системы управления базами данных (СУБД) и сами базы данных (БД);
· системы поддержки групповой работы;
· локальные корпоративные системы автоматизации;
· системы документооборота и worlflow;
· средства создания хранилищ данных (Data Warehousing);
· электронная почта и Интернет-ресурсы.
Уровни иерархии знаний
Как принято во многих работах по онтологии предлагаемая СУЗ разделена на три уровня иерархии знаний:
1. онтология верхнего уровня (онтология науки);
2. онтология среднего уровня (онтология предметной области);
3. онтология нижнего уровня (онтология предметных знаний);
Схема, показанная на рис. 1, взята из работы [2], при этом онтология 1 уровня оставлена без изменений (рис.2), а онтология предметной области (2 уровень) и предметные знания (3 уровень) разработаны применительно к технологической подготовке производства.
Онтология предметной области, названная «Производство», характеризует основные концепты, используемые в ТПП. На рис. 3 приведена частичная выборка из этой онтологии. Как видно из рисунка, чем ниже уровень иерархии, тем больше встречается составных концептов, например, «Инструмент режущий» или «Сверло цилиндрическоепиральное правое нормальной точности короткой серии…». Кроме вертикальных иерархических связей в данной предметной области фиксируются и горизонтальные связи, как это показано на рис. 4.
Составной частью СУЗ является «Информационный ресурс». Информационный ресурс состоит из двух основных частей: информационная база и интернет - ресурс. Информационная база – это исходная информация, характеризующая предметную область и необходимая не только для формирования системы знаний, но и для проектирования и эксплуатации подсистем АСТПП. К этой базе относятся стандарты (ГОСТ, ОСТ, СП); каталоги; справочники, а так же различные документы, инструкции и руководства. Интернет является оперативным источником знаний и позволяет быстро накапливать новую информацию о предметной области.
Рисунок 1. Система знаний для АСТПП
Одной из главных задач эксперта при анализе информационных ресурсов является извлечение знаний из информационной базы; переработка знаний под форматы, принятые для онтологии предметной области, и пополнение (корректировка) системы знаний с помощью программного инструментария СУЗ.
Онтология языка документов (словарь) — это система языковых средств выражения онтологии ПО. Лингвистическая информация представлена в словаре с помощью функциональных групп лексических единиц, выделенных классов понятий и набора дополнительных атрибутов, отражающих специфику выражений: синонимы, омонимы, составные понятия и т. п.
В настоящее время АСТПП используется достаточно много словарей различного типа. Это словари для деталей и заготовок, для средств технологического оснащения, для технологических процессов и нормативно-справочной информации. Однако возникает необходимость приведения их к единому виду для включения в единое информационное пространство ТПП.
Важнейшим задачей при организации системы управления знаниями является задача выбора инструментальных средств. В настоящее время имеется достаточно много редакторов онтологий (более 100), позволяющих проектировать, редактировать и анализировать онтологии различных уровней знаний. Среди них многие годы пользуется популярностью редактор Protégé [3]. Он имеет открытую, легко расширяемую архитектуру и помимо фреймов поддерживает наиболее распространенные языки представления знаний (SHOE, XOL, DAML+OIL, RDF/RDFS, 0WL).
Экспериментальное использование редактора Protégé показало принципиальную возможность его использования для создания онтологии «Производство» на основе фреймовой модели знаний. Однако автономность редактора, сложность его использование для онтологий предметных знаний в рамках АСТПП, в частности для моделирования таких объектов как детали, технологически процессы и технологическое оснащение, заставило продолжить исследования по выбору инструментальных средств, отвечающих поставленным задачам.
Рисунок 2. Онтология высокого уровня [2].
Применение PDM – системы для создания онтологии ТПП
Как указано в работе [4] для управления и контроля жизненного цикла изделий целесообразно использовать PDM – системы. Дерево проекта в PDM – системе позволяет фиксировать не только иерархию объектов, но и горизонтальные связи между ними. Эта особенность дает возможность на основе объектно-ориентированного подхода создавать онтологии предметной области ТПП подобно тому, как это делается в системе «Protégé». Преимуществом такого подхода заключается в том, что не привлекаются сторонние программные пакеты, и все подсистемы ТПП имеют возможность активно использовать создаваемые онтологии (их может быть несколько) не только в процессе функционирования, но и в процессе обмена сообщениями для обеспечения информационной совместимости. Кроме того могут быть использованы весьма развитые функциональные возможности самой PDM – системы, в частности, аппарат поиска по дереву проекта.
Исследования асп. показали, что для создания онтологии ТПП с успехом может быть использована PDM – система «SMARTEAM». Для этого был созданы суперкласс «ontolog» и подчиненный ему класс «concept». Экземпляры этого класса являются концептами и, следовательно, образуют вершину в онтологическом дереве «ontolog».
Рисунок 3. Онтология предметной области «Производство» (частичная выборка)
При регистрации объекта (концепта) автоматически создаются следующие закладки:
· паспорт (Profile Cart);
· логические связи (Links);
· заметки (Notes);
· версии (Revision);
· просмотр (Viewer).
Рисунок 4. Наличие горизонтальных отношений между концептами
В паспорте (учетной карточке) Profile Cart фиксируются атрибуты концепта. К ним относятся: атрибут ID – уникальный идентификатор объекта, наименование (например, «длина детали»), обозначение объекта (например, «Ld»), размерность, минимальное и максимально значение (если концепт предназначен для выражения значение какого-либо числового параметра физического объекта), номер классификатора, если концепт отражает качественный признак физического объекта), значение по умолчанию, тип и длина значения и т. д.
В закладке Links фиксируют как вертикальные связи, так и горизонтальные концепта с другими объектами.
В закладке Notes заносятся сведения, позволяющие зафиксировать данный концепт с требуемой полнотой описания (например, задать перечень синонимов), что позволяет со временем создать полноценный тезаурус для всех концептов предметной области. Необходимо отметить, что запросы по заметкам (Notes Query) позволяют фильтровать и отображать заметки, которые отвечают заданным критериям.
В закладке Revision отображается история выбранного концепта в течении его жизненного цикла, что позволяет отслеживать развитие онтологии во времени.
На закладке Viewer обычно можно посмотреть файл объекта как он выглядит во внешнем приложении обычно без запуска самого приложения. Здесь необходимо отметить что, информация о концептах фиксируется и в расширенном словаре, который выражен в реляционном виде и с помощью СУБД SQL Server используется подсистемами АСТПП. Каждая строка набора данных выражает информацию об одном концепте. Поэтому с помощью закладки Viewer мы можем видеть поля записи с атрибутами концепта в том виде, в котором они содержатся в базе данных (в словаре). Изменения атрибутов концепта ведет к автоматической корректировке соответствующей строки в базе данных. Таким образом, можно осуществлять сопровождение словаря концептов.
Переходя к предметным знаниям, отметим, что для информационного обеспечения АСТПП характерно наличие сложно структурированных объектов, информационное согласование которых может выполняться на основе онтологии предметной области. Для моделирования таких объектов предлагается фреймовое представление знаний, позволяющее описывать объекты с любой степенью детализации и удобными способами работать с моделями: выполнять поиск, модифицировать и дополнять модели объектов.
Моделирование деталей на основе фреймовой описания знаний
Указанный подход использован в системах разрабатываемый на кафедре технологии приборостроения СПб НИУ ИТМО для параметрических моделей деталей (заготовок) и технологических процессов. Описания этих моделей выполняются в виде иерархии фреймов и представляют собой XML – документы. Слоты фреймов выражают параметры указанных объектов и имеют следующую структуру: S = < oboz, Ot, Zn>; где oboz – обозначение параметра; otn – отношение; vel – значение параметра. Например, если длина детали равна 20 мм, то слот будет выглядеть следующим образом:
<oboz> Ld </oboz> <otn>=</otn> <vel>20</vel>
Тег oboz фиксирует обозначение концепта «длина детали». Слот может быть дополнен тегами с атрибутами данного концепта, которые называют «ограничениями слота» и которые могут быть автоматически выбраны из словаря. Развернутый слот используется для формирования формы ввода (редактирования) данных в виде таблицы, каждая строка которой фиксирует один параметр, как показано ниже:
Длина детали | Ld | = | 20 | мм |
Атрибуты: тип значения (целое, действительное), длина, предельные значения и т. д., являются скрытыми и используются при вводе или редактировании значения параметра. Вместо отношения «равно» могут быть использованы отношения порядка (>, ≥, <, ≤, ≠ и т. д.), которые применяются для поиска объектов или для моделирования множества объектов, параметры которых задаются с использованием отношений порядка.
Такой подход позволяет автоматически создавать шаблоны для ввода данных на основе типового паттерна, использующего словарь концептов. Это особенно важно для технологического оснащения, имеющего большое разнообразие структур хранимых данных.
Информация о средствах технологического оснащения фиксируется в реляционных базах данных. Обозначения полей в таблицах базы также являются обозначениями соответствующих концептов и зафиксированы в словарях СУЗ.
Таким образом, система управления знаниями является важнейшей компонентой автоматизированной ТПП. Создание СУЗ осуществляется на основе онтологического реинжиниринга.
Онтологический реинжиниринг
Онтологический реинжиниринг – это методы и средства создания СУЗ, а также организация на этой основе единого информационного пространства АСТПП и АСУ предприятия. Целью онтологического реинжиниринга является:
§ определение методов и средств создания СУЗ;
§ исследование методов интеграции подсистем ТПП на основе онтологического подхода к созданию ЕИП распределенной ТПП;
§ исследование методов интеграции подсистем ТПП с АСУ предприятия;
§ исследование инструментальных средств для создания ЕИП ТПП.
Онтологического инжиниринг обычно выполняется в два этапа: первый - это создание онтологии предметной области, второй этап - создание предметных знаний.
Основная цель первого этапа - это создание концептуальной модели онтологии (КМО) и получении новой онтологии на базе инструментальной реализации концептуальной модели. Создание концептуальной модели онтологии выполняется в следующей последовательности:
§ выделение базовых концептов ТПП;
§ определение уровней абстракции и распределение концептов по уровням;
§ построение связей между концептами — определение отношений и взаимодействий базовых понятий.
На наш взгляд, для создания КМО так же может быть применен подход, основанный на использовании PDM – системы «SMARTEAM». Создание КМО - длительный процесс и применение указанной системы позволяет удобными способами редактировать онтологическое дерево: добавлять или удалять вершины; менять как атрибуты концептов, так и их горизонтальные связи; отслеживать создаваемые версии концептов. Кроме того, удобно проводить анализ созданной КМО: проверку на непротиворечивость (нет конфликтов), на минимальность (нет явных или неявных дублирований) и на синтаксическую корректность. Проверка на полноту КМО может быть только условной, т. к. по мере создания предметный знаний и автоматизации решения технологических задач могут появиться новые концепты, которые нужно занести в онтологию ТПП.
После того как создана корректная и достаточно полная КМО, она дублируется и ее копия становится рабочей онтологией ТПП. Работа над КМО продолжается по мере необходимости.
Второй этап онтологического инжиниринга заключается в создание предметных знаний. Для этого разрабатываются модели объектов и проверяется возможность их использования для целей ТПП.,
Нужно признать, что на практике все происходит иначе. Решение задач ТПП на каждом предприятии выполняются на базе уже реально функционирующих автоматизированных систем, каждая их которых имеет собственные входные и выходные модели объектов. Поэтому создание КМО начинается с анализа предметных знаний и выделение из них реальных концептов. Это сложная работа, т. к. сходные концепты в разных системах могут иметь разные атрибуты. Такая ситуация требует принятия не тривиальных решений, в частности создания трансляторов, преобразующих концепты выходных сообщений одной системы в концепты входных сообщений другой системы. Создание СУЗ при этом значительно затягивается, так как система ТПП достаточно часто пополняется новыми приложениями.
Организацией хранилища данных
В заключение рассмотрим вопросы, связанные с (ХД) как некоторого Интернет - ресурса [5]. Применение концепции ХД для АСТПП является весьма важным для оценки перспектив развития как самой АСТПП, так и предприятия в целом. Поисковый агент ищет в Интернете заданный ему контент и фиксирует найденную информацию в многомерном кубе хранилища данных. Таким образом, в ХД последовательно и непрерывно накапливается информация, нужная для предприятия. Результатом поиска может быть информация о новом технологическом оснащении, новых технологиях и программных продуктах, которые можно применить в АСТПП. Это позволяет аналитику регулярно оценивать существующее положение дел в области ТПП и вырабатывать рекомендации для ведущих специалистов.
При создании ХД и для поиска информации могут быть использованы идеи «семантического веба», основанного на следующих технологических составляющих:
§ расширяемый язык разметки – XML;
§ система описания ресурсов — Resource Description Framework, RDF;
§ язык сетевых онтологий — Web Ontology Language, OWL.
Язык сетевых онтологий позволяет формально представлять онтологии для описания информации в виде, удобном для её поиска в сети Интернет.
Заключение
1. Система управления знаниями, содержащая онтологии различного уровня, словарную систему и информационные ресурсы должна стать важной компонентой автоматизированной технологической подготовки производства.
2. На базе СУЗ возможна организация эффективного информационного взаимодействия систем ТПП и создание единого информационного пространства.
3. PDM – система «SMARTEAM», применяемая для контроля и управления ТПП, достаточно удобна так же и для создания онтологии предметной области ТПП.
4. Для предметных знаний в ТПП возможна фреймовая организация знаний, при этом модели объектов могут быть выражены в виде XML - документов. Слоты фреймов характеризуют параметры объектов и дополнительная информация для них выбирается из расширенного словаря СУЗ.
5. Создание СУЗ выполняется на основе онтологического инжиниринга, однако трудности проектирования СУЗ связаны с тем, что онтология предметной области создается в условиях уже реального существования предметных знаний ТПП.
6. Организация хранилища данных на основе многомерных кубов и использование «семантического веба» для поиска в Интернете позволяет накапливать информацию, необходимую для перспективного развития ТПП.
Литература
Gruber Th. What is an Ontology// URL: http://www-sl. stanford. edu/kst/what-is-an-ontology. html. , , Сидорова знаний информационного интернет – портала по научной тематике. «Молодая информатика», Сборник трудов аспирантов и молодых ученых. - Новосибирск, 2005.С.11-19 с. , Проскудина инструментов инженерии онтологий. //Электронные библиотеки. 2004. Яблочников основы построения АСТПП/СПб: СПбГУ ИТМО, 2005.84 с. Туманов хранилищ данных для систем бизнес - аналитики: учебное пособие/ . – М.: Интернет – Университет Информационных Технологий: БИНОМ. Лаборатория знаний. 201с.