Inżynieria oparta na wiedzy - Knowledge-based engineering

Ten artykuł dotyczy wykorzystania technologii opartej na wiedzy w domenie CAD. Aby uzyskać informacje na temat tworzenia systemów ekspertowych we wszystkich dziedzinach, zobacz Inżynieria wiedzy .

Inżynieria oparta na wiedzy (KBE) to zastosowanie technologii systemów opartych na wiedzy w dziedzinie projektowania i produkcji. Proces projektowania jest z natury czynnością intensywnie wykorzystującą wiedzę, dlatego duży nacisk w KBE kładzie się na wykorzystanie technologii opartej na wiedzy do wspomagania projektowania wspomaganego komputerowo (CAD), jednak techniki oparte na wiedzy (np. zarządzanie wiedzą) mogą być stosowane do całego cyklu życia produktu .

Domena CAD zawsze wcześnie przyjmowała techniki inżynierii oprogramowania stosowane w systemach opartych na wiedzy, takie jak orientacja obiektowa i reguły . Inżynieria oparta na wiedzy integruje te technologie z CAD i innymi tradycyjnymi narzędziami inżynierskimi.

Korzyści z KBE obejmują lepszą współpracę zespołu projektowego dzięki zarządzaniu wiedzą, lepsze ponowne wykorzystanie artefaktów projektowych oraz automatyzację głównych części cyklu życia produktu.

Przegląd

KBE jest zasadniczo inżynierią w oparciu o modele wiedzy . Model wiedzy wykorzystuje reprezentację wiedzy do reprezentowania artefaktów procesu projektowania (jak również samego procesu) zamiast lub jako dodatek do konwencjonalnych technik programowania i baz danych.

Korzyści płynące z wykorzystania reprezentacji wiedzy do modelowania zadań i artefaktów inżynierii przemysłowej to:

  • Ulepszona integracja. W tradycyjnych systemach CAD i przemysłowych każda aplikacja ma często swój nieco inny model. Posiadanie znormalizowanego modelu wiedzy ułatwia integrację różnych systemów i aplikacji.
  • Więcej ponownego wykorzystania. Model wiedzy ułatwia przechowywanie i oznaczanie artefaktów projektowych, dzięki czemu można je łatwo znaleźć i ponownie wykorzystać. Ponadto modele wiedzy są same w sobie bardziej wielokrotnego użytku dzięki wykorzystaniu formalizmu, takiego jak relacje IS-A (klasy i podklasy w paradygmacie zorientowanym obiektowo). Dzięki podklasom tworzenie nowych typów artefaktów i procesów może być bardzo łatwe, zaczynając od istniejącej klasy i dodając nową podklasę, która dziedziczy wszystkie domyślne właściwości i zachowania swoich rodziców, a następnie może być dostosowywana w razie potrzeby.
  • Lepsza konserwacja. Hierarchie klas nie tylko ułatwiają ponowne wykorzystanie, ale także ułatwiają utrzymanie systemów. Mając jedną definicję klasy, która jest współdzielona przez wiele systemów, kwestie kontroli zmian i spójności są znacznie uproszczone.
  • Więcej automatyzacji. Reguły systemu eksperckiego mogą przechwytywać i automatyzować podejmowanie decyzji pozostawionych ekspertom w przypadku większości konwencjonalnych systemów.

KBE może mieć szeroki zakres, który obejmuje pełen zakres działań związanych z zarządzaniem cyklem życia produktu i optymalizacją projektów multidyscyplinarnych . Zakres KBE obejmuje projektowanie, analizę ( inżynieria wspomagana komputerowo – CAE), produkcję i wsparcie. W tej integracyjnej roli KBE musi objąć dużą interdyscyplinarną rolę związaną z wieloma technologiami wspomaganymi komputerowo ( CAx ).

Istnieją dwa główne sposoby implementacji KBE:

  1. Buduj modele wiedzy od podstaw przy użyciu technologii opartej na wiedzy
  2. Nakładaj technologię opartą na wiedzy na istniejących aplikacjach CAD, symulacyjnych i innych aplikacjach inżynierskich

Wczesnym przykładem pierwszego podejścia było narzędzie Simkit opracowane przez Intellicorp w latach 80. XX wieku. Simkit został opracowany w oparciu o środowisko inżynierii wiedzy Intellicorp (KEE). KEE było bardzo potężnym środowiskiem programistycznym opartym na wiedzy. KEE zaczął od Lispu i dodał ramki , obiekty i reguły , a także potężne narzędzia dodatkowe, takie jak wnioskowanie hipotetyczne i utrzymywanie prawdy. Simkit dodał możliwości symulacji stochastycznych do środowiska KEE. Możliwości te obejmowały model zdarzeń, generatory dystrybucji losowej, wizualizację symulacji i wiele innych. Narzędzie Simkit było wczesnym przykładem KBE. Można by zdefiniować symulację pod względem modeli klasowych i reguł, a następnie przeprowadzić symulację tak, jak zrobiłaby to konwencjonalna symulacja. W międzyczasie symulacja może nadal odwoływać się do reguł, demonów i metod obiektowych, zapewniając potencjał znacznie bogatszej symulacji i analizy niż konwencjonalne narzędzia symulacyjne.

Jednym z problemów, z którymi borykał się Simkit, był wspólny problem dla większości wczesnych systemów KBE opracowanych tą metodą: środowiska oparte na wiedzy Lisp zapewniają bardzo potężną reprezentację wiedzy i możliwości wnioskowania ; jednak zrobili to kosztem ogromnych wymagań dotyczących pamięci i przetwarzania, które rozciągały granice ówczesnych komputerów. Simkit może przeprowadzać symulacje z tysiącami obiektów i przeprowadzać bardzo wyrafinowaną analizę tych obiektów. Jednak symulacje przemysłowe często wymagały dziesiątek lub setek tysięcy obiektów, a Simkit miał trudności ze skalowaniem do takich poziomów.

Drugą alternatywą dla rozwoju KBE jest pakiet produktów CATIA . CATIA rozpoczęła od produktów dla CAD i innych tradycyjnych aplikacji inżynierii przemysłowej, a także dodała do nich możliwości oparte na wiedzy; na przykład ich moduł KnowledgeWare.

Historia

KBE opracowany w latach 80-tych. Była to część początkowej fali inwestycji w sztuczną inteligencję dla biznesu, która napędzała systemy eksperckie. Podobnie jak systemy eksperckie, opierał się na najnowocześniejszych w tamtych czasach postępach w korporacyjnej technologii informacyjnej, takich jak komputery PC , stacje robocze i architektury klient-serwer . Te same technologie ułatwiały również rozwój oprogramowania CAx i CAD . CAD miał tendencję do napędzania najnowocześniejszych technologii, a nawet przekraczania ich obecnych ograniczeń. Najlepszym tego przykładem było programowanie obiektowe i technologia baz danych , które zostały zaadaptowane przez CAD, kiedy większość firmowych sklepów informatycznych była zdominowana przez relacyjne bazy danych i programowanie proceduralne .

Podobnie jak w przypadku systemów eksperckich, KBE doznało spowolnienia podczas AI Winter . Podobnie jak w przypadku systemów eksperckich i ogólnie technologii sztucznej inteligencji, ponownie pojawiło się zainteresowanie Internetem. W przypadku KBE, zainteresowanie było prawdopodobnie największe w handlu elektronicznym typu business-to-business i technologiami, które ułatwiają definiowanie standardowych słowników branżowych i ontologii dla wytwarzanych produktów .

Sieć semantyczna to wizja Tima Bernersa Lee dla następnej generacji Internetu. Będzie to oparty na wiedzy Internet oparty na ontologiach , obiektach i technologiach ramek , które były również technologiami umożliwiającymi rozwój KBE. Ważnymi technologiami dla sieci semantycznej są XML , RDF i OWL . Sieć semantyczna ma doskonały potencjał dla KBE, a ontologie i projekty KBE stanowią silny obszar dla bieżących badań.

Zarządzanie KBE i cyklem życia produktu

Zarządzanie cyklem życia produktu (PLM) to zarządzanie procesem produkcyjnym dowolnej branży produkującej towary. Może obejmować cały cykl życia produktu, od generowania pomysłów po wdrożenie, dostawę i utylizację. KBE na tym poziomie zajmie się kwestiami produktowymi o charakterze bardziej ogólnym niż w przypadku CAx . Naturalnym obszarem nacisku jest proces produkcji; jednak zarządzanie cyklem życia może obejmować o wiele więcej zagadnień, takich jak planowanie biznesowe, marketing itp. Zaletą korzystania z KBE jest uzyskanie zautomatyzowanych usług wnioskowania i zarządzania wiedzą w środowisku opartym na wiedzy zintegrowanych z wieloma różnymi, ale powiązanymi potrzebami zarządzania cyklem życia. KBE wspiera procesy decyzyjne związane z konfiguracją, handlem, kontrolą, zarządzaniem i wieloma innymi obszarami, takimi jak optymalizacja .

KBE i CAx

CAx odnosi się do dziedziny narzędzi komputerowego wspomagania analizy i projektowania. CAx obejmuje wiele domen. Przykładami są komputerowe wspomaganie projektowania wytwarzanych części, oprogramowania, architektury budynków itp. Chociaż każda konkretna domena CAx będzie miała bardzo różne rodzaje problemów i artefaktów, wszystkie mają wspólne problemy, takie jak konieczność zarządzania współpracą zaawansowanych pracownicy wiedzy, projektowanie i ponowne wykorzystanie złożonych artefaktów itp.

Zasadniczo KBE rozszerza, rozbudowuje i integruje się z domeną CAx, zwykle określaną jako Computer Aided Design (CAD). W tym sensie KBE jest analogiczne do Inżynierii Oprogramowania opartej na Wiedzy , która rozszerzyła dziedzinę Inżynierii Oprogramowania Wspomaganego Komputerowo o narzędzia i technologie oparte na wiedzy. Tym, czym KBSE było dla oprogramowania i CASE, KBE jest dla wytwarzanych produktów i CAD.

Przykładem może być doświadczenie Boeinga. Program 777 podjął wyzwanie posiadania samolotu zdefiniowanego cyfrowo. Wymagało to inwestycji w wielkoskalowe systemy, bazy danych i stacje robocze do prac projektowych i analitycznych. Biorąc pod uwagę ogrom pracy obliczeniowej, która była wymagana, KBE ugrzęzło, że tak powiem, poprzez „plan płatności na bieżąco”. Zasadniczo technika ta miała wykazać korzyści, a następnie uzyskać w ten sposób więcej pracy (pomyśl o zwinnej inżynierii). W przypadku 777 projekt dotarł do miejsca, w którym wpływy na zmiany we wczesnej części strumienia projektowania/kompilacji (obciążenia) można było przeliczyć w ciągu weekendu, aby umożliwić ocenę przez dalsze procesy. Zgodnie z wymaganiami inżynierowie byli na bieżąco, aby zakończyć i podpisać się do pracy. Jednocześnie CAx pozwalał na spełnienie węższych tolerancji. Dzięki 777 KBE odniosło taki sukces, że kolejne programy zastosowały go w większej liczbie obszarów. Z biegiem czasu obiekty KBE zostały zintegrowane z platformą CAx i stanowią normalną część operacji.

KBE i zarządzanie wiedzą

Jedną z najważniejszych technologii opartych na wiedzy dla KBE jest zarządzanie wiedzą . Narzędzia do zarządzania wiedzą obsługują repozytorium o szerokim spektrum, tj. repozytorium, które może obsługiwać wszystkie rodzaje artefaktów pracy: nieformalne rysunki i notatki, duże tabele baz danych, obiekty multimedialne i hipertekstowe itp. Zarządzanie wiedzą zapewnia różne narzędzia wsparcia grupowego, aby pomóc interesariusze współpracują przy projektowaniu i wdrażaniu produktów. Zapewnia również narzędzia do automatyzacji procesu projektowania (np. zasady) i ułatwiające ponowne wykorzystanie.

Metodologia KBE

Rozwój aplikacji KBE dotyczy wymagań dotyczących identyfikacji, przechwytywania, strukturyzowania, formalizowania i wreszcie wdrażania wiedzy. Wiele różnych tak zwanych platform KBE obsługuje tylko etap implementacji, który nie zawsze jest głównym wąskim gardłem w procesie rozwoju KBE. W celu ograniczenia ryzyka związanego z rozwojem i utrzymaniem aplikacji KBE należy oprzeć się na odpowiedniej metodyce zarządzania wiedzą i utrzymywania jej na bieżąco. Jako przykład takiej metodologii KBE, projekt unijny MOKA „Metodologia i narzędzia zorientowane na aplikacje oparte na wiedzy” proponuje rozwiązania, które koncentrują się na etapach strukturyzowania i formalizacji oraz powiązania z wdrożeniem.

Alternatywą dla MOKA jest zastosowanie ogólnych metod inżynierii wiedzy, które zostały opracowane dla systemów eksperckich we wszystkich branżach lub zastosowanie ogólnych metodologii tworzenia oprogramowania, takich jak metody Rational Unified Process lub Agile .

Języki dla KBE

Dwie kluczowe kwestie dotyczące języków i formalizmów używanych w KBE to:

  • Programowanie oparte na wiedzy a programowanie proceduralne
  • Standaryzacja a zastrzeżona

Programowanie oparte na wiedzy a programowanie proceduralne

Podstawowy kompromis utożsamiany z reprezentacją wiedzy w sztucznej inteligencji dotyczy mocy ekspresyjnej i obliczalności. Jak zademonstrował Levesque w swoim klasycznym artykule na ten temat, im silniejszy zaprojektuje się formalizm reprezentacji wiedzy, tym bardziej formalizm zbliży się do wyrazistej mocy logiki pierwszego rzędu. Jak zademonstrował również Levesque, im bliżej język jest do logiki pierwszego rzędu, tym bardziej prawdopodobne, że dopuści wyrażenia, które są nierozstrzygalne lub wymagają mocy obliczeniowej przetwarzania wykładniczego. We wdrażaniu systemów KBE kompromis ten znajduje odzwierciedlenie w wyborze użycia potężnych środowisk opartych na wiedzy lub bardziej konwencjonalnych proceduralnych i obiektowych środowisk programistycznych.

Standaryzacja a zastrzeżona

Istnieje kompromis między używaniem standardów, takich jak STEM, a zastrzeżonymi językami specyficznymi dla dostawcy lub firmy. Standaryzacja ułatwia dzielenie się wiedzą , integrację i ponowne wykorzystanie. Zastrzeżone formaty (takie jak CATIA) mogą zapewnić przewagę konkurencyjną i zaawansowane funkcje wykraczające poza obecną standaryzację.

Genworks GDL, produkt komercyjny, którego rdzeń jest oparty na projekcie Gendl na licencji AGPL, rozwiązuje problem długowieczności aplikacji, dostarczając jądro języka deklaratywnego wysokiego poziomu, które jest nadzbiorem standardowego dialektu języka programowania Lisp ( ANSI Common Lisp lub CL). Sam Gendl/GDL jest proponowany jako de facto standard dla języków KBE opartych na ANSI CL.

W 2006 roku Object Management Group wydała dokument RFP dotyczący usług KBE i poprosiła o informację zwrotną. Do tej pory nie istnieje specyfikacja OMG dla KBE; istnieje jednak standard OMG dla usług CAD.

Przykładem niezależnego od systemu języka do tworzenia ontologii odczytywalnych maszynowo, który znajduje się w domenie KBE, jest Gellish English .

KBE w środowisku akademickim

Realizacje

W handlu dostępne są następujące pakiety programistyczne KBE:

Dla CAD

Do ogólnego tworzenia aplikacji internetowych

Do analizy, projektowania i procesów inżynieryjnych

Zobacz też

Bibliografia

  1. ^ „Inżynieria oparta na wiedzy” . technosoft.com . Technosoft . Pobrano 5 lipca 2014 .
  2. ^ Prasad, Brian. „Co odróżnia KBE od automatyzacji” . coe.org. Zarchiwizowane z oryginału w dniu 24 marca 2012 roku . Źródło 3 lipca 2014 .
  3. ^ Drummond, Brian; Marilyn Stelzner (1989). „Simkit: zestaw narzędzi do symulacji budowania modeli” . W Mark Richer (red.). Narzędzia i techniki AI . Aplex. s. 241-260. Numer ISBN 978-0-89391-494-3. Pobrano 6 lipca 2014 .
  4. ^ „Co to jest CATIA?” . pierwszareforma.pl . pierwsza forma . Pobrano 6 lipca 2014 .
  5. ^ Świtlik, John (październik-listopad 2005). "Inżynieria oparta na wiedzy (KBE): aktualizacja" . coe.org . COE. Zarchiwizowane z oryginału w dniu 24 marca 2012 r . . Pobrano 6 lipca 2014 .CS1 maint: nieodpowiedni adres URL ( link )
  6. ^ Łyżka Dawida (1991). „W kierunku zorientowanego obiektowo modelu danych dla mechanicznego systemu bazy danych CAD”. O obiektowych systemach baz danych . Na temat systemów baz danych zorientowanych obiektowo w systemach informatycznych . Tematy w systemach informatycznych. s. 189–205. doi : 10.1007/978-3-642-84374-7_13 . Numer ISBN 978-3-642-84376-1.
  7. ^ „Zima AI” . ainewsletter.com . ainenewsletter. Zarchiwizowane od oryginału w dniu 9 listopada 2013 roku . Pobrano 6 lipca 2014 . Zima AI późnych lat 80-tych. Fraza została ukuta przez analogię z „zimą nuklearną” – teorią, że masowe użycie broni nuklearnej zniszczy słońce dymem i kurzem, powodując spadek globalnych temperatur, zamarzniętą Ziemię i wyginięcie ludzkości. Zima AI spowodowała jedynie wyginięcie firm zajmujących się sztuczną inteligencją, częściowo z powodu szumu wokół systemów eksperckich i rozczarowania spowodowanego, gdy biznes odkrył ich ograniczenia.
  8. ^ Berners-Lee, Tim; Hendlera, Jamesa; Lassila, Ora (17 maja 2001). „Sieć semantyczna Nowa forma treści internetowych, która ma znaczenie dla komputerów, uwolni rewolucję nowych możliwości” . Naukowy Amerykanin . 284 (5): 34–43. doi : 10.1038/scientificamerican0501-34 . Zarchiwizowane od oryginału w dniu 24 kwietnia 2013 r.
  9. ^ Zhang, WY; Yun, ŚJ (kwiecień 2008). „Poznawanie technologii semantycznych sieci Web do modelowania ontologicznego we współpracy w projektowaniu inżynieryjnym”. International Journal of Advanced Manufacturing Technology . 36 (9-10): 833-843. doi : 10.1007/s00170-006-0896-5 . S2CID  12420678 .
  10. ^ Zobacz stronę dyskusji, przykład punktu w czasie - referencje muszą zostać zaktualizowane
  11. ^ Sainter, P (10-13 września 2000). „ZARZĄDZANIE WIEDZĄ O PRODUKCIE W SYSTEMACH OPARTYCH NA WIEDZY” . Materiały z konferencji technicznej DETC'00ASME 2000 Design Engineering oraz konferencji Computers and Information in Engineering . Pobrano 4 lipca 2014 .
  12. ^ „MOKA: Ramy strukturyzowania i reprezentowania wiedzy inżynierskiej” . Projekt Esprit. Zarchiwizowane z oryginału 22 kwietnia 2004 . Pobrano 5 lipca 2014 .CS1 maint: nieodpowiedni adres URL ( link )
  13. ^ Kendal, SL; Creen, M. (2007), Wprowadzenie do inżynierii wiedzy , Londyn: Springer, ISBN 978-1-84628-475-5, OCLC  70987401
  14. ^ Levesque, Hektor; Ronalda Brachmana (1985). „Podstawowy kompromis w reprezentacji wiedzy i rozumowaniu” . W Ronald Brachman i Hector J. Levesque (red.). Czytanie w reprezentacji wiedzy . Morgana Kaufmanna. str. 49 . Numer ISBN 978-0-934613-01-9. Dobrą wiadomością w redukcji usługi KR do dowodzenia twierdzeń jest to, że mamy teraz bardzo jasne, bardzo konkretne pojęcie, co powinien robić system KR; złą nowością jest to, że jasne jest również, że usługi nie mogą być świadczone... decydowanie o tym, czy zdanie w FOL jest twierdzeniem... jest nierozwiązywalne.
  15. ^ Wilsona, Waltera. „Język projektowania inżynierskiego” (PDF) . step.nasa.gov . Lockheeda Martina . Pobrano 4 lipca 2014 .
  16. ^ „Genworks” . genworks.com . Pobrano 4 lipca 2014 .
  17. ^ „Specyfikacja języka GDL” .
  18. ^ „Usługi KBE dla PLM RFP” . omg.org . Grupa Zarządzania Obiektem. 2006 . Pobrano 4 lipca 2014 .
  19. ^ „Specyfikacja usług projektowania wspomaganego komputerowo” . omg.org . Grupa Zarządzania Obiektem. Styczeń 2005 . Pobrano 4 lipca 2014 .
  20. ^ "Automatyzacja projektowania - tworzenie rysunków 2D i modeli 3D do sprzedaży | Tacton" . Takton . Źródło 2018-06-20 .
  21. ^ "Szczegóły produktu" . solidworks.com . Źródło 2018-06-20 .
  22. ^ "Automatyzacja projektowania Tacton | Certyfikowane aplikacje | Sieć programistów Autodesk" . Źródło 2018-06-20 .

Linki zewnętrzne