Проведен анализ методов искусственного интеллекта. В работе представлена разработка структурной схемы функционирования агентов по подбору оборудования в электронные технологические процессы.

Ключевые слова: технологический процесс, изделия.

Для оптимизации электронного технологического процесса, где конструкторами научно-технического центра происходит разработка несколько тысяч оригинальных изделий ежемесячно. В связи с тем, что квалификация специалистов технологов различная, а справочники по оборудованию являются «слаборазвитыми», поэтому появилась идея в разработке автоматизированного механизма, который позволит системе самой на основе исходных данных, таких как 3D-модель изделия, подбирать необходимое оснащение. Актуальность данной темы не ослабевает, в связи веком информационных технологий.

Все большую и большую популярность набирает искусственный интеллект, поэтому было принято решение использовать методы ИИ для решения задачи по подбору оборудования в технологические процессы моделирования. Термин интеллект (intelligence) происходит от латинского intellectus — что означает ум, рассудок, разум; мыслительные способности человека. Из этого следует, что искусственный интеллект (artificial intelligence) — ИИ (AI) обычно толкуется как свойство автоматических систем брать на себя некоторые функции интеллекта человека. Например, выбираются и принимаются оптимальные решения на основе раннее полученного опыта и рационального анализа внешних воздействий.

Изучив, различные подходы и методы искусственного интеллекта, пришли к выводу, что для решения данной задачи следует применить метод многоагентных систем. В связи с тем, что в задаче по подбору оборудования каждая механическая обработка имеет свои специфические требования и при написании электронного технологического процесса требуются отдельные части программы специализированные на конкретном виде обработки.

Также МАС имеет множества достоинств, которые необходимы для решения данной задачи:

1. Распределение вычислительной нагрузки между множеством агентов;
2. Повышение качества выполнения функций за счет поиска оптимальных вариантов при взаимодействии агентов;
3. Гибкость и масштабируемость за счет децентрализации;
4. Применение знаний и вывода на существующих знаниях.

Для получения результата, лучшего, чем суммарный вклад всех агентов, входящих в МАС, необходима организация взаимодействия агентов между собой; к тому же агенты должны обладать интеллектуальными свойствами. Под задачей принятия решения будем понимать задачу выбора наилучшего варианта из многих, осуществляемую в условиях нехватки информации, то есть в условиях неопределенности.

Для создания сообщества агентов необходимо разработать:

– структуру МАС;

– стратегии поиска решения;

– структуру представления информации.

В разрабатываемой системе (рис. 1) каждый интеллектуальный агент имеет доступ к базе знаний (БЗ) и может обмениваться этими знаниями с другими агентами. Агенты являются разнородными и соответствуют множеству методов решения задачи.

На структурной схеме показано разделения агентов по выполнениям их функций и с чем взаимодействовать при работе. Агент-координатор собирает сообщения о готовности выполненных заданий от всех членов группы. Агент-координатор:

– обеспечивает выполнение пошагового алгоритма принятия решения;

– поддерживает целостность баз данных системы на групповом уровне и вносит в них необходимые изменения;

– подготавливает диалоговые формы для информационного обмена через Интернет.

Рис. 1. Структурная схема многоагентной системы решения задачи

Агент-исполнитель или группа агентов (агент токарной обработки, агент фрезерной обработки, агент сверлильной обработки, агент шлифовальной обработки, агент типа обработки) получает задание от агента-координатора и отвечает непосредственно за его выполнение. База знаний — содержит описания среды деятельности, целей и задач, знаний и орудий, сценариев действий. База знаний создавалась экспертом-главным специалистом по изготовлению. Данная многоагентная система позволяет организовать правильную работу системы, которая требуется для обеспечения получения желаемого результата.

Несмотря на то, что агенты используются давно: при поиске информации в БД и сети Интернет, при работе операционных систем и т. д., — использование МАС, а тем более с интеллектуальными компонентами сильно затруднено. Описанный в статье подход не претендует на полноту и законченный вид, а является только началом исследования различных вариантов МАС, пригодных для принятия решений в условиях роста неопределенности выбора оптимального варианта из множества альтернатив.

Литература:

1. Многоагентная система проектирования технологических процессов 2013 г.: [Электронный ресурс]. Дата обращения: 16.04.2018: URL: https://otherreferats.allbest.ru/programming/00879504_0.html
2. Принятие технических решений с помощью многоагентных систем.: [Электронный ресурс]. Дата обращения: 23.06.2018: URL: http://e-notabene.ru/kp/article_8305.html
3. Cтруктура мультиагентной системы принятия решений для многокритериальной оценки инновационной деятельности предприятия: [Электронный ресурс]. Дата обращения: 15.05.2018: URL: https://fundamental-research.ru/ru/article/view?id=4281
4. Экспертные системы, основные понятия и определения: [Электронный ресурс]. Дата обращения: 15.05.2018: URL: http://bourabai.ru/einf/chapter133.htm