Применение методов искусственного интеллекта при управлении производственными системами

Аннотация
Дано описание существующих методов искусственного интеллекта и определено их место в управлении производственными системами. Выделены области, в которых могут быть использованы методы искусственного интеллекта. Указаны возможные направления их внедрения и проблемные моменты их будущего развития.
Ключевые слова: искусственный интеллекта, управление производственными системами, экспертная система, нейронная сеть, виртуальный помощник.
Annotation
The article describes the existing methods of artificial intelligence and defines their place in the management of production systems. The areas in which the methods of artificial intelligence can be used are highlighted. The possible directions of their implementation and the problem points of their future development are indicated.
Key words: artificial intelligence, production systems management, expert system, neural network, virtual assistant.
В современном мире прогресс в различных сферах деятельности человека напрямую зависит от использования современных технологий. Одним из наиболее перспективных путей развития является использование искусственного интеллекта для решения каких-либо задач. Создание искусственного интеллекта откроет перед человечеством совершенно новые границы развития, так как компьютер будет выполнять не только однотипные операции, но и сможет сам обучаться.
Актуальность данной темы обуславливается тем, что их применение может существенно улучшить работу большинства сфер деятельности человека.
Первые работы в области ИИ начали вести в середине прошлого века. Пионером исследований в этом направлении стал Алан Тьюринг, хотя определенные идеи начали высказывать философы и математики в Средние века. В частности, еще в начале 20-го века была представлена механическое устройство, способное решать шахматные задачи. Но по-настоящему это направление сформировалось к середине прошлого столетия.
Развитие искусственного интеллекта как научного направления стало возможным только после создания электронно-вычислительных машин. Это произошло в 40-х гг. XX в. В это же время И. Винер (1894- 1964) создал свои основополагающие работы по новой науке - кибернетике.
Термин искусственный интеллект (artificial intelligence) предложен в 1956 г. на семинаре с аналогичным названием в Стэнфордском университете (США). Понятие «искусственный интеллект» начали активно использовать в мире с 2016 года, причем внедрение произошло очень быстро и незаметно.
Одним из направлений в сфере искусственного интеллекта являются системы искусственного интеллекта (интеллектуальные информационные системы). Это такие информационные системы, которые способны самостоятельно настраивать свои параметры в зависимости от состояния внешней среды и специфики задачи [1].
Исследование РСПП сообщает, что к 2019 году количество устройств, подключенных к интернету вещей, достигнет 1,9 млн. К 2021 году объем российского рынка искусственного интеллекта в промышленности составит 380 млн. долларов [8].
В дискретном производстве искусственный интеллект применяют для продления срока службы промышленного оборудования и повышения эффективности его технического обслуживания. Предсказательная аналитика помогает промышленникам получить сведения об остаточном ресурсе промышленных активов. А предписывающая аналитика дает рекомендации по предотвращению сбоев в работе и недопущению аварий.
Технологии ИИ также применяют в сфере робототехники и робозрения для создания систем обучения промышленных роботов. Однако эта область еще не сильно развита из-за низкой роботизации российского производства.
В области процессного производства применяют те же сценарии. Однако системы типа «цифровой советчик» для управления технологическими процессами более перспективны для повышения экономических показателей.
Россия может стать одним из лидеров по использованию технологий искусственного интеллекта в процессном производстве: металлургии, нефтегазе, химии, так как оно преобладает в структуре ВВП России и технологически готово к внедрению инноваций благодаря накопленному массиву данных.
Однако самые передовые методы ИИ в промышленности почти не применяют из-за их сложности и новизны, несмотря на то, что они могут дать хороший эффект.
Рассмотрим примеры применения систем с интеллектуальным интерфейсом. Основное назначение систем с интеллектуальным интерфейсом – это информационная и аналитическая поддержка процесса принятия управленческих решений в условиях мало структурированных и слабо определенных задач.
Интеллектуальные базы данных (ИБД) можно использовать при определении организацией цен на свою продукцию. Для этого, создается две таблицы – одна с предполагаемыми ценами на собственные товары, а другая – с реальными ценами на товары производителей-конкурентов (полученными, например, в результате проведения анализа рынка). После заполнения таблиц, оператор может составить запрос, который выведет список тех товарных позиций компании, цены на которые оказались выше среднеотраслевой.
Системы с естественно-языковым интерфейсом можно использовать, например, как модуль ИБД, для того, чтобы составлять запросы к этой базе данных могли не только специально обученные операторы (составляя запросы на определенном языке программирования), но и непосредственно менеджмент (составляя запросы на естественном для них языке и имея обратную связь благодаря функционалу проверки введенных запросов). Кроме того, естественно-языковой интерфейс используется, например, в BRMS-системах (системах управления бизнес-правилами).
На сегодняшний день виртуальные цифровые помощники стали сверхполезным инструментом при планировании различного рода задач. Он может подбирать места отдыха и развлечений, создавать напоминания, помогать в поиске какой-либо информации, бронировать билеты, заказывать такси. Все эти действия он выполняет, опираясь на поведения и интересы пользователя. На рынке присутствует большое количество виртуальных помощников различного рода: голосовой помощник от Google; Apple Siri; Amazon Alexa; Microsoft Cortana; Facebook M; X.ai; Viv; SoundHound Hound; Ozlo. Каждый из них имеет свои преимущества и недостатки, но в рамках данной статьи мы не будем рассказывать про них.
Далее рассмотрим примеры применения методов экспертных систем. Данный тип систем предназначен для решения сложных управленческих задач на основе постоянно накапливаемой и обновляемой базы знаний, причем база эта отражает опыт работы экспертов в определенной предметной области [3]. Достоинство подобных систем в том, что они способны решать проблемы, для которых алгоритм заранее неизвестен – он формируется непосредственно в процессе анализа исходных данных проблемы в виде цепочки рассуждений (т.н. правил принятия решений).
Применение такого вида информационных интеллектуальных систем, как экспертные системы, обширно: так HASP/SIAP система позволяет обнаружить и идентифицировать океанское судно. Эта система обеспечивает анализ данных от сетей гидрофонов в реальном времени и ведет постоянную корректировку ситуации на основе этих данных[10]. А такая система как S&PCBRS оценивает рейтинг ценных бумаг по данным о фирмах и формирует рейтинговые шкалы, что широко применяется в экономике наравне с системой принятия решений Nereid, которая была создана для оптимизации работы с валютными опционами, а точнее для облегчения нахождения оптимального ответа из возможных представленных вариантов. Экспертные системы могут использоваться, в качестве консультанта для неопытных менеджеров (недавно начавших работу в определенной сфере и не обладающих полным набором необходимых навыков), ассистента при необходимости анализа большого количества вариантов решений (например, при подготовке к запуску нового товара), или же партнера эксперта по вопросам из областей, которые для самого эксперта являются не основными, но смежными (скажем, в небольших предприятиях, где размер топ-менеджмента небольшой, из-за чего на каждого менеджера приходится решение вопросов из разных областей). Помимо этого, экспертная система может помочь пользователю вести здоровый образ, так, опираясь на анализируемые данные, система может рекомендовать пользователю больше двигаться в течение дня или, наоборот, чаще отдыхать и выпрямлять спину для сохранения осанки [4]. Такие системы активно применяются: ведь информация о физической активности человека является крайне ценной в долгосрочной оценке ряда физиологических параметров [5].
Самый яркий представитель самообучающихся систем – нейронные сети – особенно эффективен в случаях, когда необходимо провести анализ большого количества исходных данных для оценивания ситуации. Как правило, в бизнесе такие системы используются, когда для принятия решения необходимо проанализировать опыт за предыдущие периоды, например, принятие решения о выдаче кредитов (требуется анализ кредитной истории), предсказание курсов валют (требуется анализ курса за предыдущие периоды, изучение его корреляции с происходившими событиями), или, скажем, управление авиалиниями (для достижения оптимального заполнения мест необходимо составление расписания, отражающего спрос на перелеты в определенный период времени).
Несмотря на столь обширное применение систем искусственного интеллекта, эти системы все же обладают некоторыми недостатками, что не позволяет применять их повсюду [9]. В частности, наибольшей критике подвергаются экспертные системы. Основные причины перечислены ниже:
- База знаний – фундамент любой экспертной системы – хоть и является максимально близкой копией эксперта или группы экспертов, но в то же время является актуальной только непосредственно в момент получения знаний и заполнения этой базы. Сразу после получения знаний, начинается процесс их старения, а верификация и/или их обновление – долгий и трудозатратный процесс, который, к тому же, нужно проводить с определенной периодичностью, которая сильно зависит от сферы, в которой применяется система. - При проведении экспертных оценок во время процесса получения знаний, эксперт не заинтересован в следствиях принимаемого решения. Это, вкупе с несогласованием во времени между непосредственно процессом управления и процессом оценки, сказывается на рациональности полученных экспертных оценок, а значит, и знаний.
- Слабоструктурированная природа решаемых задач затрудняет использование большой группы экспертов для получения экспертных оценок. В то же время, при использовании одного или нескольких экспертов для проведения оценки, субъективность их мышления может сильно повлиять на окончательный результат.
Несмотря на существующие недостатки, системы искусственного интеллекта рекомендуется использовать в сферах, где необходимо принимать сложные решения в условиях ограниченных временных ресурсов и большого количества поступающих в реальном времени исходных данных.
Таким образом, область применения существующих на данный момент интеллектуальных информационных систем охватывает множество сфер, как в бизнесе, так и в государственном секторе и в спорте. Тем не менее, некоторые классы систем, например, голосовые помощники, пока еще не обладают возможностями, которые позволили бы им найти широкое применение.
Исключительные особенности системы искусственного интеллекта:
- Способность управлять и уменьшать поступающие большие объемы информации в реальном времени;
- Способность принимать решения в условиях нехватки времени и сложных задач;
- Способность к координации решений с другими звеньями процесса или объекта;
- Способность сохранять и распространять знания, полученные в результате многолетней работы экспертов.
Это позволяет решить одну из главных проблем организаций – проблему извлечения знаний для их сохранения и распределения.
Список литературы:
Бостром, Н. Искусственный интеллект. Этапы. Угрозы. Стратегии / Н. Бостром. – СПб. : Манн, Иванов и Фербер, 2016. – 496 с.
Зуенко А.А., Фридман А.Я., Кулик Б.А. Интеллектуальные базы данных. М. Юникс, 2015. 389 с.
Интеллектуальные системы в управлении знаниями. [Электронный ресурс]. Режим доступа: http://www.znannya.org/?view=intelligence-system-kmПонятие интеллектуальных ИТ и интеллектуальных ИС. [Электронный ресурс]. Режим доступа: http://www.studfiles.ru/preview/1957791/
Примеры экспертных систем. [Электронный ресурс]. Режим доступа: http://tplit.wikispaces.com/Примеры+Экспертных+систем
Российский союз промышленников и предпринимателей. [Электронный ресурс]. Режим доступа: http://www.rspp.ru/library
Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике. Спб.: Питер, 2016. 352 с.
Шевченко П.Н. Интеллектуальные информационные системы. М.: Путь, 2014. С.6-8 с.
Юдина, Т.Н. Цифровая экономика сквозь призму философии хозяйства и политической экономии / Т.Н. Юдина, И.М. Тушканов // Философия хозяйства. – 2017. – № 1. – С. 44-49.