METODY POZYSKIWANIA I REPREZENTACJI WIEDZY DLA POTRZEB DIAGNOZOWANIA OKR TOWEGO SILNIKA T OKOWEGO

DIAGNOSTYKA 4 (40)/2006 139 METODY POZYSKIWANIA I REPREZENTACJI WIEDZY DLA POTRZEB DIAGNOZOWANIA OKR TOWEGO SILNIKA T OKOWEGO Rafa PAWLETKO Katedra Si owni Okr towych, Akademia Morska w Gdyni ul. Morska 81-87, 81-225 Gdynia, e-mail: pawletko@am.gdynia.pl Streszczenie Systemy ekspertowe okaza y si bardzo przydatne w procesie diagnozowania z o onych obiektów technicznych. Jednym z najwa niejszych etapów podczas tworzenia takiego systemu jest pozyskanie odpowiedniej wiedzy. W artykule zidentyfikowano potencjale ród a wiedzy dla systemu ekspertowego wspomagaj cego proces diagnozowania silnika okr towego oraz dokonano przegl du metod pozyskiwania i reprezentacji wiedzy. S owa kluczowe: diagnozowanie silników spalinowych, pozyskiwanie wiedzy diagnostycznej. THE KNOWLEDGE ACQUISITION AND REPRESENTATION METHODS FOR THE MARINE DIESEL ENGINE DIAGNOSIS Summary The Expert Systems are very useful tool for complex objects diagnosis. Proper knowledge acquisition is one of the most important steps during creation of such system. The paper presents the source of knowledge for expert system for marine diesel engine diagnosis and review of the methods of knowledge acquisition and representation. Keywords: marine diesel engine diagnosis, diagnostic knowledge acquisition. 1. WPROWADZENIE Wspó czesne si ownie okr towe, a zw aszcza silniki t okowe stanowi ce nap d g ówny statku oraz pr dnic, staj si coraz bardziej z o one. Jednocze nie rosn wymagania zwi zane z niezawodno ci dzia ania oraz ochron rodowiska. Prawid owa eksploatacja okr towych silników t okowych jest mo liwa tylko w sytuacji, gdy mechanik okr towy dysponuje odpowiedni wiedz i do wiadczeniem, nie tylko na poziomie ogólnym, ale równie wiedz szczegó ow zwi zan z konkretnym typem silnika. Cz sto konieczne s informacje na temat przebiegu eksploatacji w przesz o ci, znajomo s abych ogniw silnika, czy uk adów i elementów, które wymagaj szczególnej troski eksploatacyjnej. Metody sztucznej inteligencji stanowi now generacj rodków diagnozowania obiektów technicznych. Szczególnie interesuj ce, z punktu widzenia diagnozowania okr towego silnika t okowego, wydaje si zastosowanie systemu ekspertowego. System taki, posiada szereg unikalnych cech, takich jak: mo liwo zapisania i agregacji wiedzy licznego zespo u ekspertów danej dziedziny, oddzielenie bazy wiedzy od reszty programu, umo liwiaj ce atwe modyfikowanie i rozbudowywanie jej zawarto ci oraz mo liwo wykorzystania tzw. systemów szkieletowych. Bior c pod uwag specyfik eksploatacji wspó czesnych si owni okr towych, cz sto zmieniaj cy si personel obs uguj cy i zanikaj c praktyczn wiedz diagnostyczn, system ekspertowy mo e stanowi niezwykle przydatne narz dzie wspomagaj ce oficera mechanika okr towego w podejmowaniu decyzji eksploatacyjnych. Jednym z najwa niejszych etapów podczas tworzenia systemu ekspertowego jest poprawne okre lenie dziedziny, w której system b dzie wykorzystywany, identyfikacja potencjalnych róde wiedzy oraz mo liwo ci jej pozyskania. W artykule podj to prób okre lenia celów, jakie musi spe nia wspó czesny system ekspertowy wspomagaj cy diagnozowanie silników okr towych, zidentyfikowano ród a wiedzy dla takiego systemu oraz dokonano krótkiego przegl du metod pozyskiwania i reprezentacji wiedzy. 2. METODY POZYSKIWANIA WIEDZY Przez pozyskiwanie wiedzy rozumie si proces ujawniania wiedzy z danej dziedziny oraz zapisania jej w bazie wiedzy za pomoc formalnych rodków reprezentacji [10]. W najbardziej ogólnym przypadku wiedza mo e by pozyskana od ekspertów lub z baz danych. Pozyskiwanie wiedzy od ekspertów mo e by przeprowadzone z udzia em lub bez udzia u in yniera wiedzy. W pierwszym przypadku in ynier wiedzy jest po rednikiem, który

140 DIAGNOSTYKA 4 (40)/2006 umo liwia ekspertowi formalne uj cie oraz zapisanie posiadanej przez niego wiedzy. W procesie pozyskania bez udzia u in yniera wiedzy, ekspert korzysta z dedykowanych narz dzi umo liwiaj cych dost p do bazy wiedzy systemu ekspertowego. Mo liwe jest zatem bezpo rednie tworzenie oraz edycja wiedzy przez eksperta. Pomimo niezwykle istotnej roli jak powinni odgrywa eksperci szczególnie w pocz tkowym etapie tworzenia bazy wiedzy, w literaturze [5, 6] bardzo cz sto podkre lany jest fakt ma ej efektywno ci takiego rozwi zania. Dodatkowo powstaje problem doboru odpowiednich ekspertów oraz wiarygodno ci i weryfikacji tak pozyskanych informacji. Alternatyw dla ma o efektywnych metod pozyskiwania wiedzy od ekspertów s metody umo liwiaj ce pozyskiwanie wiedzy z diagnostycznych baz danych. W sytuacji kiedy mamy do czynienia z przyk adami wst pnie sklasyfikowanymi wykorzystuje si metody uczenia maszynowego, w przeciwnym przypadku metody odkry w bazach danych [3]. 2.1. Pozyskiwanie wiedzy od ekspertów Wa nym ród em wiedzy s eksperci. W dotychczasowych pracach obejmuj cych zagadnienia tworzenia systemów diagnozowania silników okr towych nie podejmowano jednak problemu wykorzystania wiedzy ekspertowej. Taki stan rzeczy wynika przede wszystkim ze specyfiki eksploatacji silników okr towych. Pomimo podobie stwa konstrukcyjnego oraz funkcji, jakie spe niaj te urz dzenia na statkach, posiadaj one szereg cech indywidualnych, które praktycznie uniemo liwiaj opracowanie uniwersalnych metod i systemów diagnozowania. Podczas opracowywania takiego systemu nale y bra pod uwag producenta silnika, jego typ, szereg indywidualnych cech konstrukcyjnych, wyposa enie kontrolnopomiarowe oraz rodzaj statku, na którym pracuje urz dzenie. Podobny problem dotyczy potencjalnych ekspertów, których wiedza mo e by wykorzystana. Trudno jest bowiem wy oni specjalistów, posiadaj cych do wiadczenie eksploatacyjne oraz wiedz dostateczn do opracowania bazy wiedzy systemu diagnozowania okre lonego typu silnika. Przedstawione uwarunkowania oraz dodatkowo znaczne zró nicowanie przebiegu eksploatacji silników, nawet tego samego typu zamontowanych na podobnych statkach znacznie ograniczaj mo liwo ci wykorzystania wiedzy ekspertowej. Wydaje si jednak zasadne podj cie próby pozyskania tzw. uniwersalnej wiedzy umo liwiaj cej diagnozowanie silnika okr towego, któr nabywaj za ogi maszynowe statków w wyniku wieloletnich do wiadcze eksploatacyjnych. Wiedza ta obejmuje najs absze ogniwa silnika, wyst puj ce uszkodzenia oraz podstawowe relacje umo liwiaj ce ocen stanu silnika. Jest ona na tyle uniwersalna, e mo e wspomaga diagnostyk ró nych typów silników. W celu pozyskanie wiedzy dla potrzeb diagnozowania okr towych silników t okowych, konieczna jest identyfikacja róde, z których mog pochodzi eksperci. Mo na wyró ni tutaj dwie przestrzenie dzia alno ci: wytwarzanie oraz eksploatacja. W obszarze wytwarzania eksperci s zwi zani ci le z firmami produkuj cymi silniki okr towe. Badania zwi zane z niezawodno ci oraz diagnostyk silników s prowadzone przez producentów silników od wielu lat. Oferuj oni obecnie wyspecjalizowane systemy diagnozowania [7]. Prowadzone s równie statystki uszkodze i awarii. Wytwórcy silników dysponuj wysokiej klasy specjalistami, którzy posiadaj szerok wiedz, zwi zan zarówno z eksploatacj, jak i diagnostyk silników. Podstawow barier ograniczaj c wykorzystanie ekspertów z obszaru wytwarzania jest szeroko poj ty interes najwi kszych producentów. Wiedza w dzisiejszym wiecie jest warto ci sam w sobie i sta a si niezwykle cenna. Pojawia si zatem problem z jednej strony udost pnienia przez producentów specjalistów w celu przeprowadzenia bada ekspertowych, z drugiej za wykorzystania w ten sposób pozyskanej wiedzy w systemie diagnostycznym. Drugim ród em ekspertów dla potrzeb diagnostycznego systemu ekspertowego silników okr towych, obok producentów, jest obszar eksploatacji. Wyró nikiem specjalistów pochodz cych z tego obszaru jest z ca pewno ci brak g bokiej specjalizacji w okre lonych typach silników. Specyfika pracy za óg maszynowych statków handlowych, narzuca bardzo cz ste zmiany miejsca pracy. Nie spotyka si praktycznie sytuacji w której danych mechanik w czasie swojej praktyki zawodowej ma do czynienia tylko z kilkoma statkami. Zazwyczaj do wiadczenie zawodowe obejmuje kilkana cie lub kilkadziesi t jednostek bardzo zró nicowanych technicznie w bardzo ró nym wieku. W wyniku tego do wiadczony mechanik okr towy dysponuje wiedz uniwersaln o du ym stopniu ogólno ci, pozyskan w wyniku do wiadcze z wieloma urz dzeniami ró nego typu. Oczywi cie istnieje niebezpiecze stwo, e wiedza w takiej sytuacji mo e by jedynie bardzo powierzchowna i cz sto niepe na, dlatego nale y do niej podchodzi z du ostro no ci. Niew tpliw zalet specjalistów z dziedziny eksploatacji si owni okr towych jest ich atwa dost pno. Wspó czesne wymagania armatorów oraz Mi dzynarodowej Organizacji Morskiej narzucaj konieczno rozszerzania oraz odnawiania certyfikatów potwierdzaj cych kompetencje niezb dne do pracy na morzu. W rezultacie bardzo cz sto trafiaj oni na ró nego rodzaju kursy w o rodkach szkoleniowych, w których mo liwe jest przeprowadzanie bada. G ównym ród em wiedzy dla proponowanego systemu diagnostycznego na etapie bada ekspertowych wydaj si by zatem za ogi

DIAGNOSTYKA 4 (40)/2006 141 maszynowe statków handlowych. Przed realizacj bada konieczne jest wst pne okre lenie warunków dla doboru ekspertów. W odniesieniu do za óg maszynowych istotne s dwa kryteria. Pierwsze kryterium powinno dotyczy sta u pracy niezb dnego do zdobycia wiedzy eksploatacyjnej. Kryterium drugie powinno by zwi zane z zajmowanym stanowiskiem, które jest ci le zwi zane z zakresem obowi zków, warunkuj cych zdobycie do wiadczenia w obs udze silnika g ównego oraz silników pomocniczych. O ile nadzór nad eksploatacj silników pomocniczych, stanowi cych nap d agregatów pr dotwórczych mo e sprawowa mechanik na stanowisku oficera wachtowego, tak za silnik g ówny jest odpowiedzialny dopiero drugi mechanik. Badania powinny zatem obejmowa osoby przynajmniej posiadaj ce sta na stanowisku drugiego mechanika. Wymagany okres p ywania na stanowisku drugiego mechanika dla osób uczestnicz cych w takim kursie, wynosi obecnie 18 miesi cy co mo na uzna za minimalny okres pozwalaj cy na zdobycie dostatecznej wiedzy eksploatacyjnej. Pozyskiwanie wiedzy ekspertowej mo e by realizowane z udzia em in yniera wiedzy oraz bez jego udzia u. Wyeliminowanie in yniera wiedzy wymaga zastosowania dedykowanych narz dzi programowych umo liwiaj cych bezpo redni edycj bazy wiedzy przez eksperta. Szczególnie w pocz tkowym etapie tworzenia systemu ekspertowego nie jest to dobre rozwi zanie. Wymaga opracowania specjalnego oprogramowania, a dodatkowo pozbawia twórc systemu, kontroli nad procesem pozyskiwania wiedzy oraz jako ci w ten sposób pozyskanych informacji. Na pocz tku lepszym rozwi zaniem wydaje si zatem wykorzystanie in yniera wiedzy, który mo e po pierwsze zweryfikowa wst pnie samych ekspertów oraz dokona oceny poprawno ci przekazanej przez nich wiedzy. Pozyskiwanie wiedzy w metodzie ekspertowej odbywa si na drodze prowadzenia wielokrotnych wywiadów z ekspertami, specjalistami w dziedzinie obs ugi technicznej badanych urz dze, wst pnej weryfikacji zdobytej wiedzy oraz zapisaniu jej za pomoc sformalizowanych metod reprezentacji zrozumia ych dla komputera. Pod poj ciem wywiad rozumie si metod, która przez zaplanowan, ukierunkowan rozmow oraz pytania pozwala uzyska informacj o badanych obiektach. Efektywno oraz poprawno tego procesu zale y w znacznym stopniu od in yniera wiedzy. Istnieje wiele metod umo liwiaj cych przeprowadzenie badania ekspertowego. Najcz ciej wykorzystywan jest wywiad kwestionariuszowy jawny. Metoda ta jest zaliczana do najbardziej rzetelnych i efektywnych technik, pozwalaj cych na dok adn analiz badanych obiektów. Zachowanie jawno ci badania, polegaj ce na informowaniu ekspertów o celach prowadzenia wywiadu, umo liwia zdobycie pe niejszych informacji (uzupe nionych o w asne spostrze enia i przemy lenia eksperta). 2.2. Pozyskiwanie wiedzy z baz danych Ze wzgl du na specyfik eksploatacji, z o ono funkcjonaln obiektu bada, jakim jest okr towy silnik spalinowy badania ekspertowe mog by tylko wst pnym etapem tworzenia bazy wiedzy diagnostycznego systemu ekspertowego. Dziedzina tych bada pozwoli na uzyskanie tylko podstawowych informacji o wyst puj cych stanach niezdatno ci oraz bardzo ogólnych relacji diagnostycznych. G ówny ci ar podczas tworzenia bazy wiedzy musi zatem spocz na metodach pozyskiwania wiedzy z diagnostycznych baz danych. Bazy takie zawieraj informacje zebrane podczas czynnych i biernych eksperymentów diagnostycznych jak i normalnej eksploatacji obiektów. Bazy danych s w obecnie powszechnie stosowane na statkach. Gromadz one dane zwi zane z przebiegiem eksploatacji silników g ównych i pomocniczych oraz ca ej si owni okr towej, zgromadzone g ównie poprzez pok adowe uk ady monitoringu. Dane te stanowi obszerne ród o wiedzy na temat aktualnego stanu urz dze, jak równie przebiegu eksploatacji w przesz o ci. Dzi ki odpowiednim interfejsom programowym mog si sta bezcennym ród em wiedzy dla potrzeb diagnostycznych systemów ekspertowych. Wed ug [5] metody pozyskiwania wiedzy z baz danych podzieli mo na na dwie zasadnicze grupy: metody uczenia maszynowego oraz metody odkry w bazach danych. Uczenie maszynowe stosuje si w sytuacji kiedy mamy do czynienia z przyk adami wst pnie sklasyfikowanymi. Metody odkry w bazach danych pozwalaj na pozyskanie zupe nie nowej porcji wiedzy w przypadku gdy przyk ady w bazie danych nie s sklasyfikowane. W literaturze wymienia si najcz ciej nast puj ce metody uczenia maszynowego [5, 6]: za pomoc drzew decyzyjnych (generowanie regu za pomoc drzew decyzyjnych); selektywna indykcja regu poprzez generowanie pokry ; indukcja regu z zastosowaniem zbiorów przybli onych; za pomoc sieci semantycznych. Jedn z najbardziej popularnych metod pozyskiwania wiedzy na podstawie przyk adów jest algorytm indukcji drzew decyzyjnych, w obecnym kszta cie wprowadzonych przez Quinlana [8] w systemach ID3, C4 oraz C4.5. W systemach tych, regu y dotycz obiektów, przy czym ka dy z obiektów charakteryzowany jest za pomoc zbioru atrybutów. W generowanym drzewie decyzyjnym korze jest tworzony przez wybrany atrybut, a poszczególne ga zie reprezentuj warto ci tego atrybutu. W z y drzewa na dalszych poziomach maj przyporz dkowane dalsze atrybuty wyst puj ce w zadaniu klasyfikacji. Na najni szym poziomie li cie drzewa charakteryzuj poszczególne

142 DIAGNOSTYKA 4 (40)/2006 klasy. Celem metody generowania jest okre lenie drzewa decyzyjnego, przy w a ciwym doborze warto ci atrybutów, do zadania klasyfikacji [6]. Otrzymane drzewo decyzyjne mo e by bezpo rednio przekszta cone do zbioru regu. Innym znanym podej ciem jest indukcja regu na podstawie zbioru przyk adów przez generowanie pokry. Wiedz reprezentuje si tutaj za pomoc tzw. regu decyzyjnych o postaci: JE ELI cechy maj pewne warto ci TO obiekty nale do i-tej klasy decyzyjnej. Przyk adami indukcji regu przez generowanie pokry s kolejne wersje systemów AQ, rozwijanych w zespole R. Michalskiego [4]. Pozyskiwanie wiedzy w systemach serii AQ polega na wyznaczaniu regu, maj c do dyspozycji pewien zbiór regu pocz tkowych oraz zbiór przyk adów. Algorytm wyznacza regu y, które s udoskonalane wed ug okre lonego kryterium. Obydwa wymienione algorytmy maj charakter iteracyjny i charakteryzuj si atwo ci implementacji komputerowej. Kluczow spraw we wszystkich rozwi zaniach jest to, e algorytm powinien znale taki zbiór regu, który z jednej strony poprawnie opisuje dane treningowe, z drugiej s mo liwie ogólne, gdy tylko uogólnienie wydobytej z danych treningowych wiedzy umo liwi zastosowanie jej do przypadków nowych, nie wchodz cych w sk ad zbioru treningowego. Nale y podkre li, e dla ró nych zbiorów danych, skuteczne s ró ne strategie pozyskiwania wiedzy. Istnieje konieczno doboru w a ciwej metody dla konkretnych danych na drodze eksperymentalnej. Nie istnieje bowiem uniwersalna skuteczna metoda dla dowolnych zastosowa. 3. REPREZENTACJA WIEDZY Kluczowym elementem ka dego systemu ekspertowego jest baza wiedzy. Gromadzi ona wiedz z dziedziny zwi zanej z dzia aniem systemu oraz umo liwia przeprowadzenie procesu wnioskowania. Zagadnieniem ci le zwi zanym z budow bazy wiedzy dla SE jest sposób jej reprezentacji. Termin reprezentacja wiedzy jest u ywany do okre lenia niezale nego od rozpatrywanej informacji, ogólnego formalizmu przekazywania, zapisywania i gromadzenia dowolnego zasobu wiedzy [3]. W opracowaniach dotycz cych SE wyró nia si nast puj ce dwie klasy reprezentacji wiedzy: reprezentacja deklaratywna, pozwalaj ca na okre lenie zbioru specyficznych dla rozpatrywanej dziedziny faktów, stwierdze i regu ; reprezentacja proceduralna, pozwalaj ca na okre lenie zbioru procedur, które reprezentuj wiedz o danej dziedzinie. Obydwie metody reprezentacji wiedzy maj szereg wad i zalet, optymalnym rozwi zaniem wydaje si zatem zastosowanie wiedzy cz cej cechy zarówno reprezentacji deklaratywnej, jak i proceduralnej. Wed ug [3] do najcz ciej stosowanych technik reprezentacji wiedzy (organizowania baz wiedzy) zaliczy nale y: zapis regu i stwierdze ; sieci stwierdze ; sieci przekona (bayesowskie); sieci neuronowe; ramy; tablice decyzyjne (drzewa decyzyjne). Dla potrzeb diagnostyki technicznej szczególnie przydatne s modele systemów ekspertowych bazuj ce na reprezentacji wiedzy w postaci stwierdze i regu. Systemy takie nazywa si cz sto systemami regu owymi i pomimo istnienia obecnie du ej liczby innych metod reprezentacji wiedzy wi kszo systemów stanowi w a nie systemy regu owe [6]. G ównymi elementami bazy wiedzy w takim przypadku s stwierdzenia oraz regu y. Stwierdzenia stanowi informacj o charakterze orzekaj cym o obserwowanych faktach lub reprezentuj cych okre lon opini [5]. Stwierdzenia najcz ciej s reprezentowane w postaci: o, a, v, t, b (1) gdzie: o, a, v tre stwierdzenia, wypowied o tym, e obiektowi o przys uguje cecha (atrybut) a o warto ci v, t okre la czas w którym rozpatrywany jest obiekt, b ocena stopnia prawdziwo ci lub stopnia przekonania o prawdziwo ci wypowiedzi W celu uproszczenia zapisów stwierdze stosuje si s owniki nazw obiektów i atrybutów oraz ich warto ci. Umo liwia to identyfikacj stwierdze za pomoc etykiet bez wielokrotnego powtarzania nazw. Baza wiedzy systemu ekspertowego stanowi zbiór stwierdze i relacji mi dzy nimi. W zwi zku z tym zapis stwierdze jest niewystarczaj cy do reprezentacji wiedzy. Drugim istotnym elementem bazy zawieraj cej stwierdzenia s regu y. Za pomoc stwierdze i regu mo liwe jest reprezentacja wiedzy z danej dziedziny. Regu y najcz ciej zapisuje si w postaci: JE ELI p(o) TO q(o) (2) gdzie: p(o) jest przes ank regu y, a q(o) konkluzj regu y. Przes anka jest warunkiem, którego spe nienie pozwala na przyj cie konkluzji. Mo e by ona prostym zdaniem logicznym lub zdaniem z o onym sk adaj cym si z kilku warunków po czonych funktorami and (i), or (lub). Inn metod reprezentacji relacji mi dzy stwierdzeniami w bazie wiedzy s sieci stwierdze. Mo na je przedstawi jako graf, którego w z ami s

DIAGNOSTYKA 4 (40)/2006 143 stwierdzenia, a ga ziami relacje mi dzy nimi [6]. W z om i ga ziom mog by przypisane wagi okre laj ce np. stopnie przekonania o s uszno ci tych stwierdze. Do sieci tego typu mo na zaliczy modele formu owane w postaci sieci przekona (sieci bayesowskich) [2]. Sie taka jest acyklicznym grafem skierowanym, sk adaj cym si z w z ów i cz cych je ga zi skierowanych. W z y w sieci przekona reprezentuj zmienne (np. cechy obiektu) przyjmuj ce cechy dyskretne, ga zie natomiast, zale no ci pomi dzy zmiennymi, okre lone przez prawdopodobie stwa warunkowe, przyporz dkowane warto ciom przyjmowanym przez w z y sieci. Prawdopodobie stwa te s subiektywn miar stopnia przekonania. Z koncepcji sieci stwierdze wywodz si sieci semantyczne lub asocjacyjne [6]. W rozwi zaniu tym w z y sieci nie s tylko stwierdzeniami, ale odpowiadaj kompletnym opisom poj lub obiektów. Mo liwe jest zatem zapisanie bezpo rednich relacji mi dzy obiektami, które najwygodniej jest przedstawi w formie grafu. Mechanizm wnioskowania w takim przypadku odpowiada poruszaniu si po grafie, co pozwala na pozyskanie ró nych konkluzji. Przyj t i sprawdzon metod reprezentacji wiedzy w diagnostycznych systemach doradczych s ramy [6]. Umo liwiaj one reprezentacj zarówno wiedzy proceduralnej jak i deklaratywnej. Najwi ksz zalet ram jest mo liwo grupowania regu zwi zanych z funkcjami pe nionymi w bazie wiedzy. Rama jest pewn struktur danych reprezentuj c obiekt. Ka da rama sk ada si z tzw. klatek, które z kolei dziel si na mniejsze elementy fasety. Klatka mo e reprezentowa w a ciwo ci lub cech obiektu opisywanego przez ram [6]. W fasetach mog by przechowywane rzeczywiste warto ci cech (faseta typu VALUE) lub na przyk ad warunki dotycz ce uznania warto ci atrybutu jako warto ci dopuszczalnej. Mo liwe jest czenie ram w z o one struktury hierarchiczne, w których relacje podrz dno ci oznacza dziedziczenie w a ciwo ci obiektu okre lanego przez ram nadrz dn. Mechanizm ten pozwala na znaczne ograniczenie redundancji bazy wiedzy. Teoria ram przewiduje i definiuje podstawowe rodzaje i nazwy faset oraz klatek w zale no ci od pe nionych funkcji. Sieci neuronowe stanowi ciekaw alternatyw dla klasycznych technik reprezentacji wiedzy w systemach ekspertowych. Dzi ki zdolno ci do uczenia w sposób naturalny mog one reprezentowa wiedz pozyskan na podstawie przyk adów. W zale no ci od rodzaju zastosowanej sieci neuronowej mo liwe jest wykorzystanie przyk adów sklasyfikowanych (sieci z uczeniem nadzorowanym), jak i przyk adów niesklasyfikowanych (sieci z uczeniem nienadzorowanym). Du zalet sieci neuronowych zastosowanych w systemach ekspertowych jest fakt, e oprócz reprezentacji wiedzy pe ni one jednocze nie rol maszyny wnioskuj cej. Najcz ciej wykorzystuje si tutaj w asno ci klasyfikuj ce sieci neuronowych. Jest to szczególnie przydatne w sytuacji kiedy system ekspertowy operuje na wiedzy rozmytej i przybli onej. Systemy regu owe wymagaj w takiej sytuacji zastosowania z o onego aparatu matematycznego, podczas gdy sieci neuronowe operuj na wiedzy przybli onej w sposób naturalny. Powa n wad sieci neuronowych jest niemo no obja nienia uzyskanych za ich pomoc rozwi za, poniewa stanowi one model tzw. czarnej skrzynki. W celu unikni cia tej niedogodno ci buduje si tzw. systemy hybrydowe, w których sieci neuronowe wspó dzia aj z innymi metodami wnioskowania i reprezentacji wiedzy. W diagnostycznych systemach ekspertowych pojawi a si potrzeba reprezentacji wiedzy pozyskanej podczas bezpo rednich wywiadów z ekspertami. Metody takie spe nia musz kilka niezb dnych warunków. Po pierwsze musz stanowi klarowny i zrozumia y dla potencjalnego eksperta rodek umo liwiaj cy zapisanie posiadanej przez niego wiedzy. Z drugiej strony powinny umo liwia atwe przekszta cenie do postaci zrozumia ej dla komputera. Najcz ciej wykorzystuje si proste relacje umo liwiaj ce zapisanie zwi zku pomi dzy warto ciami cech wej, wyj i stanów obiektu. Relacje diagnostyczne mog by pozyskiwane za pomoc formularza papierowego, który jest uzupe niany przez eksperta lub z zastosowaniem formularza elektronicznego [9, 5]. 4. PODSUMOWANIE Znajomo stanu technicznego okr towego silnika t okowego jest konieczna do prowadzenia efektywnej strategii eksploatacji. Umo liwia planowanie niezb dnych czynno ci obs ugowych i remontowych oraz zmniejsza ryzyka wyst pienia awarii. Istnieje obecnie szereg metod oraz systemów diagnozowania stanu technicznego silników okr towych, rozwijanych zarówno przez o rodki badawcze, jak i przez producentów silników. G ówn wad wi kszo ci wspó czesnych rozwi za jest to, e s to systemy zamkni te. Modele procesów roboczych oraz algorytmy oceny stanu technicznego zaimplementowane na etapie tworzenia systemu, nie mog by modyfikowane w czasie pó niejszej eksploatacji. Bior c pod uwag d ugi okres eksploatacji silników okr towych, nale y uzna taki stan rzeczy za powa n wad. Trudno oczekiwa, e modele przebiegu procesów roboczych utworzone dla silnika nowego, b d aktualne po dwudziestu latach eksploatacji. Kolejn niedogodno ci wspó czesnych systemów diagnozowania silników okr towych jest to, e nie s zdolne do nauki. Dysponuj wiedz, która nie mo e by rozszerzana ani modyfikowana.

144 DIAGNOSTYKA 4 (40)/2006 Alternatyw dla takiego stanu rzeczy mo e by opracowanie systemu ekspertowego wspomagaj cego diagnozowanie silników okr towych. Modu owa struktura systemów ekspertowych, a przede wszystkim oddzielenie bazy wiedzy od reszty programu, umo liwia opracowywanie systemów otwartych, w których wiedza diagnostyczna mo e by w atwy sposób uaktualniania i rozszerzana. Istotn zalet tych systemów jest równie mo liwo reprezentacji wiedzy, pochodz cej z ró nych róde. Jednym z najwa niejszych etapów podczas tworzenia systemu ekspertowego jest identyfikacja potencjalnych róde wiedzy oraz mo liwo ci jej pozyskania. W sytuacji najbardziej ogólnej wiedza dla ekspertowego systemu diagnozowania silnika okr towego mo e by pozyskana od ekspertów (specjalistów w dziedzinie eksploatacji) oraz z diagnostycznych baz danych. Bior c pod uwag przedstawione w artykule uwarunkowania oraz przede wszystkim mo liwo praktycznej realizacji bada, grup ekspertów stanowi powinni do wiadczeni oficerowie mechanicy floty handlowej. Badania ekspertowe obj powinny przede wszystkim podstawow wiedz z dziedziny eksploatacji silników, dotycz c najs abszych ogniw silnika, rodzaju wyst puj cych uszkodze silników podobnych oraz podstawowych relacji diagnostycznych, umo liwiaj cych ocen stanu technicznego. Istnieje obecnie bardzo du y wybór metod reprezentacji wiedzy dla systemów ekspertowych. Brak jest jednocze nie kryteriów pozwalaj cych na ocen, która z nich b dzie najbardziej efektywna dla okre lonego zastosowania. Wi kszo praktycznych aplikacji systemów ekspertowych bazuje na regu owej reprezentacji wiedzy. Systemy takie zwane s potocznie regu owymi. Wykorzystanie tej metody reprezentacji umo liwia wykorzystanie mi dzy innymi systemów szkieletowych z wbudowanymi mechanizmami wnioskowania oraz weryfikacji poprawno ci zapisanej wiedzy. Mo liwe jest ponadto zastosowanie znanych i ogólnodost pnych algorytmów indukcji regu takich, jak generowanie regu za pomoc drzew decyzyjnych czy selektywna indukcja regu z zastosowaniem pokry. Rozwi zania te w znacznym stopniu mog usprawni proces pozyskiwania wiedzy diagnostycznej oraz tworzenia systemu ekspertowego. BIBLIOGRAFIA [1] Cholewa W.: Metoda diagnozowania maszyn z zastosowaniem zbiorów rozmytych, ZN Pol. l skiej nr 764, Seria: Mechanika z. 79, Gliwice 1983. [2] Kici ski J. Modelowanie i diagnostyka oddzia ywa mechanicznych, aerodynamicznych i magnetycznych w turbozespo ach energetycznych, Wydawnictwo IMP PAN, Gda sk 2005. [3] Korbicz J., Ko cielny J, Kowalczuk Z., Cholewa W.: Diagnostyka procesów, WNT Warszawa 2002. [4] Michalski R. S.: A theory and methodology of inductive learning, Artificial Inteligence 20 (1983), pp. 111-161 [5] Moczulski W. Metody pozyskiwania wiedzy dla potrzeb diagnostyki maszyn, ZN Pol. l skiej nr 1382, Seria: Mechanika z. 130, Gliwice 1997. [6] Mulawka J., J.: Systemy ekspertowe, WNT, Warszawa 1996. [7] Pawletko R., Wspó czesne systemy diagnozowania okr towych silników t okowych, XXXIII Ogólnopolskie Sympozjum Diagnostyka Maszyn, W gierska Górka 2006 r. [8] Quilian J. R.: Induction of decision trees. Machine Learning, 1 (1986), pp. 81-106. [9] Rychlik A.: Wykorzystanie hybrydowego systemu ekspertowego w diagnostyce wybranych maszyn samojezdnych. Rozprawa doktorska, Politechnika Warszawska, P ock 2005. [10] ó towski B., Cempel Cz.: In yniera Diagnostyki Maszyn. Polskie Towarzystwo Diagnostyki Technicznej, Instytut Technologii Eksploatacji PIB Radom, Warszawa, Bydgoszcz, Radom 2004. Mgr in. Rafa PAWLETKO jest asystentem w Katedrze Si owni Okr towych, Wydzia u Mechanicznego Akademii Morskiej w Gdyni. Zajmuje si diagnostyk okr towych silników spalinowych.