Экспертная система проектирования печатных плат

Министерство образования и науки Российской Федерации
Федеральное государственное бюджетное образовательное учреждение высшего образования

ТОМСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СИСТЕМ УПРАВЛЕНИЯ И РАДИОЭЛЕКТРОНИКИ (ТУСУР)

Кафедра компьютерных систем в управлении и проектировании (КСУП)

УТВЕРЖДАЮ
Зав. кафедрой КСУП
Проф., д-р техн. наук
_________Ю.А.Шурыгин


«ЭКСПЕРТНАЯ СИСТЕМА ПРОЕКТИРОВАНИЯ ПЕЧАТНЫХ ПЛАТ»
Пояснительная записка к дипломному проекту



Руководитель от
университета
Доцент каф. КСУП,
канд. техн. наук
________ М.В. Черкашин







Студентка гр. 584-2
_______ В.А. Бабынцева

Руководитель практики
Профессор каф. АОИ,
доктор.техн. наук
________ Н.В. Замятин





Реферат
     Отчет выпускной квалификационной работе имеет27 страниц, 6 иллюстраций, 2 таблиц, 0 приложений, 6 источников.
      ЭКСПЕРТНАЯ СИСТЕМА, БАЗА ЗНАНИЯ, ПРОДУЦИОННАЯ МОДЕЛЬ, ОБОЛОЧКА, ИСКУСТВЕННЫЙ ИНТЕЛЛЕКТ.
     Объектом практики является экспертная система проектирования печатных плат для метода фотохимического нанесения защитного рельефа.
     Целью работы является разработка прототипа экспертной системы, которая при решении задач получают результаты, не уступающие по качеству и эффективности решениям, формируемым экспертом. 
     В процессе работы проводилась научная работа по нахождение наилучшего приложения для работы с экспертной системой.
     В результате исследования было выявлено, что для заданной задачи лучше всего использовать продукционную модель знаний в среде Clips
      Отчет по выпускной квалификационной работе выполнен в текстовом редакторе MicrosoftWord 2016. Экспертная система в приложении Clips.
Министерство образования и науки Российской Федерации
      Федеральное государственное бюджетное образовательное учреждение высшего образования
      ТОМСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СИСТЕМ УПРАВЛЕНИЯ И РАДИОЭЛЕКТРОНИКИ (ТУСУР)
      Кафедра компьютерных систем в управлении 
      и проектировании (КСУП)
      
«УТВЕРЖДАЮ»
Зав. каф. КСУП    д.т.н., проф.,
	Ю.А.Шурыгин
«	»	201	г.
      
   ТЕХНИЧЕСКОЕ ЗАДАНИЕ НА ПРЕДДИПЛОМНУЮ ПРАКТИКУ
      Студенту группы 584-2 Бабынцева Виктория Александровна.
1. Наименование проекта: Экспертная система проектирования печатных плат.
2. Цель проекта: формирование поле знаний в виде ментальной модели и представление знаний в видели модели знаний в компьютере.
3. Показатели назначения: 
Необходимо
      * рассмотреть модели знаний, исходя из следующих критериев:
	а. простота в использовании;
	б. легкость в программировании;
	в.  неограниченность в объеме;
	г. близка к человеческому рассуждению.
      
      * рассмотреть среды реализации приложения, исходя из следующих критериев:
      1. для языка программирования:
     а. открытый исходный код;
     б. стандартные функции для экспертной системы;
     в. расширенные возможности по обработки знаний.
      
4. Исходныеданные: 
      – Брусницына, Л. А. Б  «Технология изготовления печатных плат» : [учеб.пособие] / Л. А. Брусницына, Е. И. Степановских ;— Екатеринбург : Изд-во Урал.ун-та, 2015. — 200 с
      –   Козырева Г.Ф. Проектирование экспертных систем средствами CLIPS. Учебно-методическое пособие. – Армавир, 2011г.
5. Руководитель проекта: Профессор каф. АОИ, доктор.техн. наукН.В. Замятин.
6. Исполнитель проекта: В.А. Бабынцева.
7. Место выполнения проекта: ТУСУР кафедра КСУП.
Руководитель проекта
		(		) Дата:«	»		201_г.
Исполнитель:
		(		) Дата:«	»		201_г.
     
     
     
     
     
     
     
     
     

Содержание
      
      Определения	6
      Обозначение и сокращение	8
      Введение	9
      1.	Описание предметной области	12
      1.1	Обзор ЭС	17
      1.2	Обзор моделей знаний	22
      1.3	Инструментальные средства построение ЭС	29
      1.4 Выводы	35
      2.	Требования к проекту	36
      3.	Реализация ЭС	38
      3.1  Постановка задачи	38
      3.2 Идентификация проблемной области	38
      3.3 Формирование БД ЭС	39
      3.4 Реализация диалога с пользователем	41
      3.5 Схема алгоритма ЭС	43
      4.	Запуск и тестирование ЭС	45
      Заключение	49
      Список использованной литературы	50
      
     
     
     
     
     

Определения
       В настоящем отчете по НИР применяют следующие термины с соответствующими определениями.
       Экспертная система - это программная среда, использующая экспертные знания для обеспечения высокоэффективного решения неформализованных задач в узкой предметной области.
       Эпитаксия – явление ориентированного нарастания одного вещества на кристаллической поверхности другого.
       Легирование – это процесс введения в состав материала (металла, сплава, полупроводника) определенных примесей.
       Онтология – это попытка всеобъемлющей и подробной формализации некоторой области знаний с помощью концептуальной схемы.
       Оптимизация — улучшение системы для её эффективности.
       Инженер по знаниям - специалист по разработке экспертной системе (используемые им технологию, методы называют технологией (методами) инженерии знаний)
       Эксперт определяет знания (данные и правила), характеризующие проблемную область, обеспечивает полноту и правильность введенных в ЭС знаний.
       Режиме приобретения знаний – общение с ЭС,осуществляемая (через посредничество инженера по знаниям) экспертом. В этом режиме эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют экспертной системе в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области. 
       Режим консультации – общение с системе,осуществляемая конечным пользователем, которого интересует результат и (или) способ его получения. 
       БД (рабочая память) предназначена для хранения исходных и промежуточных данных решаемых в текущий момент задачи. Этот термин совпадает по названию, но не по смыслу с термином, используемым в ИПС и СУБД для обозначения всех долгосрочных данных, хранимых в системе.
       БЗ в ЭС предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.
       Фрейм – структура, содержащая описание объекта в виде атрибутов и их значений.
       Продукционная модель знания — модель, основанная на правилах, позволяет представить знание в виде предложений типа «Если (условие), то (действие)».
       Семантическая сеть - это ориентированные граф, вершины которого представляют собой понятия, а дуги – отношения между ними.
       Логическая модель представления знаний — модель в представлении знаний. Основная идея подхода при построении логических моделей представления знаний — вся информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике.
      










Обозначение и сокращение
       В настоящем отчете по НИР применяют следующие обозначения и сокращения с соответствующими определениями.
       ЭС – экспертные системы(ы).
       БД – база данных.
       БЗ – база знаний.
       ПО – предметная область.
       ИПС - информационно-поисковая система.
       СУБД – система управления базами данных. 
       ЭВМ – электронно-вычислительная машина.
       ТЯП – традиционный(ые) язык(и) программирования.
       ИИ – искусственный интеллект
       ЯИИ – язык(и) искусственного интеллекта.
       ПП – печатная(ые) плат(ы).
       ФР – фоторезист. 
       ФШ – фотошаблон.
       СПФ – сухой пленочныйфоторезист.
       ЖФР – жидкий фоторезист.
       AdvancedMicroDevices (AMD) – производитель интегральной микросхемной электроники..
      
      
      
      
      





Введение
   Развитие микро и нано электроники порождает необходимость повышения эффективности и качества управления технологическими процессами производства их элементов, и нуждается в новых подходов, основанных на применении новых информационных технологий. Технологии изготовления электронных устройств включают разнообразные процессы. Например, производство процессоров Intel и AMD содержит около 300 стадий технологического цикла. Поэтому большую роль в изготовке процессов играет опытное управление технологическим процессом
   Проблемы управления технологическими процессами электроники заключается в их сложности, протекании в высокотемпературных и химически агрессивных средах, в установках большой единичной мощности, практически не оснащенных устройствами автоматического контроля основных технологических параметров, что не позволяет оперативно контролировать изменение этих параметров по ходу процесса.
   Существующие процессы литографии, эпитаксии, легирования являются сложными системами, относящиеся к классу нестационарных, случайных, нелинейных объектов, характеризующиеся большим количеством параметров и неучтенных возмущающих воздействий, а также другими, еще не достаточно понятными явлениями. Для этих процессов отсутствует надежная и полная информации об основных технологических параметрах, что связано с низким уровнем автоматизации производства.
   Для таких сложных систем целесообразно применение методов моделирования и управления, которые не имеют явного аналитического или численного решения, а лишь указывают последовательность действий, выполнение которых приводит к конкретному решению. Поэтому целесообразно использовать интеллектуальные системы управления технологическими процессами микро и нано-электроники, включающие как аналитическое описание, так и установление логических взаимосвязей внутри объектов на основе выявления закономерностей методами системного анализа, и в конечном итоге формирование базы знаний, содержащей знания опытных технологов, операторов, проектировщиков и других специалистов по технологическим процессам.
   Такие системы не позволят полностью исключить оператора из контура управления, но все же приблизят к динамической экспертной системе, которая без участия оператора могла бы управлять сложным и плохо формализованным объектом.
   Поэтому возникла потребность в системах, которые должны функционировать в условиях неполной информации об объекте, при отсутствии автоматического контроля основных технологических параметров, позволяя, с достаточной степенью точности, рассчитывать значения этих параметров и прогнозировать их изменение. К таким системам относятся ЭС, позволяющие проводить качественную и количественную оценки технологических процессов микро и нано электроники с целью выявления причин, вызывающих его нарушения, а также для исследования, эффективного управления и оптимизации производства. ЭС предназначены, главным образом, для решения практических задач, возникающих в слабо структурированной и трудно формализуемой предметной области.
   На сегодняшний день отсутствуют реально действующие ЭС технологических процессов микро и нано электроники, и нужны ЭСпроектирования технологическими процессами микро и нано электроники, позволяющие повысить технико-экономические показатели этих процессов.
   Целью выпускной квалификационной работы является изучение существующих ЭС и БЗ,  выбор структуры ЭС и разработка БЗ для строения печатных плат, UML-диаграммы пользовательского использования.
   Задачи, которые необходимо решить для достижения цели:
– изучить классификацию экспертных систем;
– изучить существующие модели баз знаний;
– рассмотреть среды реализации экспертных систем;
– создать граф-схему описания структуры экспертной системы; 
– построить прототип экспертной системы элементов технологических процессов.
      В разделе 1.1 описывается Обзор ЭС: структурная схема, классификация. Раздел 1.2 обозревает существующие модели баз знаний и проводит сравнение между ними. Инструментарий и выбор подходящего описано в разделе 1.3. Выводы по первой главе находится в разделе 1.4
      Требования к проекту содержатся во второй главе. В третьей главе описана разработка ЭС: раздел 3.1 постановка задачи, раздел 3.2 идентификация проблемной области, раздел 3.3 формирование БД ЭС, раздел 3.4 реализация диалога с пользователем, 3.5 схема алгоритма ЭС. В четвертой главе описывается запуск и тестирование ЭС
   
   
   
   
      
      
      
      
      
      
      
      
      




      1. Описание предметной области
      Фотолитография — это перенос рисунка с ФШ на заготовку платы. На заготовку печатных плат (ПП) наносят светочувствительный слой ФР. Основой фотолитографии является использование ФР.
      ФР — это светочувствительный материал, чувствительный к ультрафиолетовому излучению . 
      Основные этапы фотохимического способа: 
      • нанесение ФР на поверхность заготовки ПП;
       •  установка ФШ, где реперные знаки  которого совмещаются под микроскопом с центрами базовых отверстий заготовки ПП;
       •   образование скрытого изображения за счет экспонирования рисунка схемы через ФШ; 
      •    получениезащитнойфотомаски.
      ФР различаются по результату воздействия света на позитивные и негативные.
      Позитивные ФР — это ФР, участки которые слепливаются с подложкой под воздействием излучения в защищенных местах, образуя фоторезистивную маску.. 
      Изготовленные на основе фоточувствительных смол позитивные ФР, являются пленкообразующими полимерами. Молекула позитивного ФР имеет строение R1-О-R2, где R1 и R2 — светочувствительная и полимерная части, О — соединяющий их атом кислорода. 
      Облученные участки фотослоя, в отличие от необлученных, становятся гидрофильными, хорошо смачиваются и удаляются щелочными проявителями.
      Негативные ФР — это ФР,участки которые слепливаются с подложкой под воздействием излучения в незащищенных местах, образуя фоторезистивную маску. 
      Негативные ФР изготавливают на основе сложных эфира циннамоильной кислоты и поливинильного спирта или на основе каучуков.
      При поглощении квантов излучения наиболее слабые химические связи СН = СН разрываются. За счет освободившихся связей происходит поперечное сшивание молекул ПВЦ в трехмерную сетку (фото структурирование).
      Состав негативныхФР на основе каучука содержит механическую смесь циклокаучука и добавок, которые в возбужденном состоянии вступают в химическое взаимодействие с каучуком, в результате чего происходит сшивание линейных полимеров 15 каучука образующимися свободными радикалами.
      Иллюстрационное различие негативных и позитивных ФР предоставлена на рисунке 1.1
      
      Рисунок 1.1 – Различие позитивных и негативных фоторезисторов
      Также ФР различаются по типу нанесения: СПФ и ЖФР
      СПФ применяются при изготовлении рисунка слоев МПП, ГПП, ГПК, полосковых плат и других плат высокого класса точности (с высокими требованиями по разрешающей способности). СПФ состоят из трех слоев: защитной полиэтиленовой пленки, слоя, чувствительного к УФ-излучению, и  прозрачной лавсановой пленки, предназначенной для защиты ФР от окисления на воздухе. Их накатывают на поверхность ПП валиком, нагретым до 120 °Сна установках для ламинирования. При этом полиэтиленовая пленка наматывается на бобину (рис. 1.2).
      
      Рисунок 1.2 – Нанесение сухого пленочного ФР: 1– ПП; 2– бобина; 3– СПФ.
      Достоинствами ЖФР являются: простота приготовления и применения, не токсичность, защита боковых поверхностей проводников и контактных площадок. 
      Недостатки ЖФР: для некоторых нанесения способов низкая разрешающая способность, разрастание проводников над ФР (толщина которой составляет порядка 25–30 мкм), окисление, ухудшение механической прочности и сцепление поверхностейФР в условиях повышенной влажности и температуры, заполнение монтажных и переходных отверстий при нанесении на ПП, препятствующее осаждению меди на стенки отверстий при химическом и гальваническом меднении, низкая устойчивость к действию электролитов гальванического меднения.
      Исходя из вышеперечисленной информация была сформирована иерархия поиска нужного ФР для ЭС (рис. 2.3).
      
      Рисунок 1.3 – Иерархия поиска нужного ФР
      Суть заключается в то, что ЭС находит возможную правильную версию по характеристикам ответ. Ответ в данном случае подразумевается вид ФР.
        Алгоритм поиска происходит по двум этапам, которые следуют друг за другом: Определение тип нанесения, ФР по воздействию света. Каждый из этих этапов имеют по 2 варианта ответа, н.п. по типу нанесения: СПФ или ЖФР, по воздействию света: негативный или позитивный ФР
      Для выбора необходимого нанесения немалую роль играют такие факторы как:
      – влажность и температура, т.е. окружающие условия;
      – разрешающая способность;
      – стойкость к растворам;
      – сложность применения и т.д.
      Каждая из этих характеристик относится к одному или иному типу нанесения. После того как найдет нужный тип, исходя из рисунка 1.2, ЭС передвигается из вершины «Фоторезист» в вершину «СПФ» или «ЖФР», где в дальнейшем происходит поиск уже по характеристикам воздействия света.
      Если изучить различие негативных и позитивных ФР, то можно заметить, что они отличаются не только инвариантными нанесениями фотомаски на подложку, но и наделены особыми характеристиками. Н.п. негативный ФР может многократно экспонироваться, а позитивный переносить рисунок с масштабом 1:1. ЭС производит ту же структуру поиска вероятного ответа, что и на первом этапе. Если же ЭС нашла подходящий ответ она передвигается из вершины «СПФ»  или «ЖФР» на вершину «Позитивный» или «Негативный». 
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
1.1 Обзор ЭС
      Структурная схема экспертной системы приведена на рис.1.4
     
     Рис 1.4 – Структурная схема экспертной системы
      Основу ЭС составляет БЗ о предметной области, которая наполняется знаниями специалиста-эксперта и затем накапливает и расширяет знания в процессе эксплуатации ЭС. Накопление и организация знаний важнейшее свойство всех ЭС.
      ЭС позволяет исследовать все технологические процессы электроники касательно разных критериев. Режим обучения и режим контроля знаний, позволяет исследовать влияние основных управляющих воздействий на показатели эффективности технологических процессов микро и нано-электроники, а также производит комплексное управление процессом.
      Реакция динамической ЭС на предложенное управление является схожей реакции реального объекта управления, а, значит, учитывает все взаимосвязи и особенности реального процесса, вследствие чего доказывает правильность разработанных ранее структурных схем, алгоритмов, а также адекватность математической парадигмы. Наряду с этим, имея удобный наглядный интерфейс для работы, ЭС дает возможность быстро и качественно управлять по всевозможным каналам, выполнять анализ и обретать практические навыки по работе с технологическими процессами.
      ЭС может эксплуатироваться для управления реальными технологическими процессом в условиях действующего производства и позволит исключить ряд убыточных ситуаций на нем. Конечной же целью ее применения является режим надзорного управления, в котором ЭС будет выполнять все функции обработки данных, принятия решений и прямого назначения управления реальным технологическим процессом в виде динамической ЭС.
      Для микро и нано-электроники основными технологическими процессами являются (диффузия, окисление, имплантация, травление и т.п.), что определяет особенность данной предметной области. Для формирования БЗ необходимо последовательно рассмотреть определенный технологический путь, состоящий из конечного числа технологических операций, и произвести моделирование каждой части технологического процесса, составляющего исходный технологический маршрут, учитывая их влияние друг на друга. Учет множества эмпирических факторов и обуславливают сложность аналитического моделирования технологических маршрутов.
      Класс «ЭС» сегодня объединяет несколько тысяч различных программных комплексов, которые можно классифицировать по различным критериям (Рис.1.5).
   
   Рисунок 1.5 – Классификация экспертных систем
   
      1.1.1 По решаемой задаче
      Данная ветка разделена на 6 категорий: Интерпретация данных, диагностика, мониторинг, проектирование, прогнозирование, планирование и обучение.
   
1.1.1.1 Интерпретация данных
      Интерпретация данных – это одна из устоявшихся задач для ЭС. Под интерпретацией понимается определение смысла данных, результаты которого должны быть согласованными и корректными. Предусматривается многовариантный анализ данных, например, обнаружение и идентификация различных типов животных, определение основных свойств личности по результатам психосоматического тестирование и др.

1.1.1.2 Диагностика
      Под диагностикой понимается нахождение неисправности в определенной системе, где неисправность – это некоторое отклонение от нормы. Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания людей, и всевозможные природные аномалии. Например, это может быть диагностика ошибок в аппаратуре или математическом обеспечении ЭВМ и др.
  
1.1.1.3 Мониторинг
      Основная задача мониторинга – постоянная интерпретация данных в реальном времени и сообщении о выходе тех или иных параметров за приемлемые пределы. Главные проблемы при этом – пропуск тревожной ситуации и проблема ложного срабатывания. Примерами являются контроль за работой гидростанции, помощь диспетчерам атомного реактора, контроль аварийных датчиков на химическом заводе и др.
  
1.1.1.4 Проектирование
      Проектирование – состоит в подготовке спецификаций на создание объектов с заранее заданными свойствами. Под спецификацией здесь понимается весь набор необходимых документов, включая чертежи, пояснительная записка и т.д. Для организации эффективного проектирования необходимо формировать не только сами проектные решения, но и мотивы их принятия. Таким образом, в задачах проектирования тесно связаны два основных процесса, выполняемых в рамках соответствующих ЭС: процесс вывода решения и процесс объяснения. Примером может являться проектирование конфигурацией ЭВМ, синтез электрических схем и т.д.

1.1.1.5 Прогнозирование
      Прогнозирующие системы логически выдаются вероятные следствия из указанных ситуаций. В прогнозирующей системе обычно применяется параметрическая динамическая модель, в которой значение параметров «подгоняются» под заданную ситуацию. Выводимые из этих модели вывод составляет основу для прогнозов с вероятными оценками. Примеры: прогноз погоды, оценка гибели урожая, прогнозы в политике и др.
  
1.1.1.6 Планирование
      Под планированием подразумевается нахождение планов действий, относящихся к объектам, способным выполнять некие функции. Втаких ЭС применяются модели поведения реальных объектов, чтобы логически вывести последствия их планируемой деятельности. Примеры: планирование поведения робота, планирование промышленных заказов, планирование эксперимента и др.
      1.1.1.7 Обучение
       Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказывают верные решения. Они копят знания о предположительном «ученике» и его свойственных ошибках, а затем при работе способны диагностировать слабости в знаниях обучаемых и находить нужные средства для устранения пробелов в знаниях. Кроме того, схожие системы планируют акт общения с учеником, в зависимости от успехов ученика, с целью передачи знаний.

1.1.2  По связи с реальным временем
      В ЭС классификация по связи с реальным временем существует: Статические ЭС, квазидинамические ЭС  и динамические ЭС.
   
1.1.2.1 Статические ЭС
      Статические ЭС разрабатываются в предметных областях, в которых БЗ и интерпретируемые данные стабильны,не меняются во времени. Пример – диагностика неисправностей в ноутбуке.

1.1.2.2 Квазидинамические ЭС
      Квазидинамические ЭС истолковывают ситуацию, которая меняется с некоторым установленным интервалом времени. Примеров являются микробиологические ЭС, в которых один раз в 4-5 часов снимаются лабораторные измерения с технологического процесса и анализируется динамика полученных показателей по отношению к прошлому измерению.

1.1.2.3 Динамические ЭС
      Динамические ЭС работают в сопряжении с датчиками объектов в режиме реального времени с непрерывными интерпретацией входящих данных. Примеры – управление гибкими производственными комплексами, мониторинг в реанимационных палатках и т.д.
   
   
   
   
1.1.3 По степени интеграции
      В экспертных системах классификация по степени интеграции существует: Автономные ЭС, гибридные ЭС.

1.1.3.1 Автономные ЭС
      Автономные ЭС работают непосредственно в режиме консультаций с пользователем для «спецификации экспертных» задач, при решении которых не требуется привлекать традиционные методы обработки данных (расчеты, моделирование и т.д.)

1.1.3.2 Гибридные ЭС
      Гибридные ЭС представляют собой программные комплексы, объединяющие в себе стандартные пакеты прикладных программ и средства манипулирования знаниями.
      Несмотря на внешнюю привлекательность гибридного подхода, следует отметить, что разработка таких систем представляют собой задачу, на порядок более сложную, чем разработка автономной ЭС.
1.2 Обзор моделей знаний
      Существуют десятки моделей представления знаний для различных предметных областей. Большинство из них  может быть сведено к следующим классам: 
      – продукционные модели;
      – семантические сети;
      – фреймы;
      – формальные логические модели.
      
1.2.1 Формальные логические модели
      На основе моделей такого типа лежит формальная система, задаваемая четверкой множеств вида: М = <Т, Р, А, В>.
      Здесь множество Т – это множество базовых элементов различной природы (например, слов из китайского ограниченного словаря, деталей детскогоробота, машинки и т.д.) 
      Формулировка синтаксически правильных совокупностей происходит за счет извлечения элементов множества Т элементами множества Р.
      Некоторое множество А, элементы которого называется аксиомами, выделяются в множестве синтаксически правильных совокупностей. Процедура П(А), с помощью которой для любой синтаксически правильной совокупности можно получить ответ на вопрос о принадлежности ее к множеству А, должна существовать и для других составляющих формальной системы.
      Множество В– это множество правил вывода, примененные к элементам А, из которых можно получать новые синтаксические правильные совокупности. А изних снова можно применять правила из В, и т.д. Так формируется множество выводимых в данной формальной системе совокупностей. Если имеется процедура П(В) является выводимой, с помощью которой можно определить для любой синтаксически правильной совокупности,то соответствующая формальная система называется разрешимой. Это демонстрирует, что именно правило вывода является самой сложной составляющей формальной системы.
      Для знаний, входящих в БЗ, множество А образуют все файлы, которые введены в БЗиз внешних источников, а с помощью правил вывода из них создаются новые производные знания. Другими словами, формальная система представляют собой генератор порождения новых знаний, образующих множество выводимых в данной системе знаний. Это свойство логических моделей делает их приемлемыми для использования в БЗ, оно позволяет хранить в базе лишь знания, которые образуют множество А, а все остальные знания получать из них по правилам вывода.



1.2.2 Продукционная
      Продукционная модель, или модель, основанная на правилах, позволяет представить знания в виде предложений типа: «Если (условие), то (действие)». Здесь под условием понимается некоторое предложение – прообраз, по которому выполняется поиск в БЗ, а под действием – действия , выполняемые при успешном исходе поиска.
      При применении продукционной модели БЗ состоит из набора правил. Программа же, управляющая перебором этих правил, называется машиной вывода. Чаще всего вывод бывает прямым (от данных – к поиску цели) или обратным (от цели, для ее подтверждения, – к данным).
      Машина вывода выполняется две функции:
      1) просмотр занесенных фактов (из рабочей памяти) и правил (из БЗ) и добавление в рабочую память новых фактов;
      2) определение порядка просмотра и применения правил.
      Действие машины вывода основано на применении следующего правила: если известно, что истинно утверждение C, и существует правило вида «если C, то D», тогда утверждение D также правдиво.
      Правила выполняются, если найдены факты, удовлетворяющие их левой части: если истина посылка, то должно быть истин и конец.
      Управляющий компонент машины вывода определяет порядок применения правил и выполняет четыре следующих функции:
      1) сопоставление – образец правила сопоставление с имеющимися фактами;
      2) выбор – если может быть применено несколько правил, то выбирается только одно из них по какому-либо критерию;
      3) срабатывание – если образец правила совпал с каким-либо фактом, то данное правило срабатывает;
      4) действия – в рабочую память добавляются заключения сработавшего правила
      Эти действия итерационное, пока мы не дойдем до конечного правила или у нас больше не окажется сопоставлений. Цикл работы машины вывода изображен на рис. 1.6

Рисунок 1.6 – Цикл работы машины вывода
      Продукционная модель эксплуатируется в промышленных ЭС. Она привлекает разработчиков своей наглядностью, высокой эффективностью, легкостью занесение дополнений и изменений и простотой механизма логического вывода.

1.2.3 Фреймовая
      Некоторые считают, что в фреймовой теории служат психологические концепции: как мы видим или воспринимаем объект. Сам Минский, являющийся автором теории фреймов, считал, что фреймовая модель была «теорией постановки задач». Суть ее заключалась в том, как человек видит в памяти структуру, соответствующей этой ситуации. Именно эта структура носит имя фрейм.Можно сказать, что фрейм является единицей представления навыка или знания, заполненные в прошлом, детали, которые по необходимости изменяются и уточняются к некоторой ситуации. Вкаждый такой фрейм можно занести информацию по  способу применения этого фрейма, последствий такого применения и т.п. Например, жизнь любогочеловека – эточереда типовых ситуаций, различающихся каждый раз в деталях, но в целом повторяющихся.
      В психологии и философии известно понятие абстрактного образа. Например, слово «дом» вызывает у человека, который слушает, примерно образ жилого помещения с четырьмя стенами окнами и полом. В таком описании ничего нельзя пропустить по существу (например, убрав из него окна, мы получим подвал, а не дом), но в нем есть «лакуны», или «слоты», – пустые  значения выбранных атрибутов – конкретное значение окон, высота потолка, цвет стен, покрытие пола и др.
      В теории фреймов такой образ и называется фреймом, равно как и формализованная модель для отображения такого образа.
      С точки зрения пользователя различают три уровня единства фреймов:
      1) скелетный фрейм (шаблон);
      2) фрейм общего понятия (прототип) – шаблон, который заполнен переменными;
      3) фрейм конкретного понятия (экземпляр) – прототип, заполненный константами.
      У каждого фрейма должно быть свое уникальное имя во всей фреймовой системе, чтобы предотвратить синтаксическую ошибку.Описывается фрейм слотами, имеющие свое уникальные имена внутри фрейма, и предназначены для описания характерными данными. Переход от исходного фрейма- прототипа к фрейму-экземпляру может быть пошаговым.
      На машинном уровне у фрейма присутствуют функции, создающие иерархию фреймов, средства по созданию конкретных фреймов из шаблона, ресурсы для их взаимодействия.
      Заимствованные из теории семантических сетей, АКО-связи («А-Kind-of» – «это») являются важнейшим свойством теории фреймов. Именно они помогают унаследовать слотам свойства фреймов более высокого уровня иерархии, откуда неявно наследуется значение аналогичных слотов.
      Например, в сети фреймов, показанной на рис 1.7, слот «ученик» наследует свойства фреймов «ребенок» и «человек», находящиеся по иерархии более высоком уровне. Отвечая на вопрос: «Ученики могутмыслить?» ответ: «Да», так как этим свойством обладают все люди, что указано во фрейме «Человек»
   
   
   Рисунок 1.7 – Сеть фреймов
      В конце можно сказать, что основное преимущество фреймов как модели представления знаний является способность отражать концептуальную основу организации памяти человека, а также ее гибкость и наглядность.

1.2.4 Семантическая сеть
      Семантическая сеть – означает смысловая сеть. А сама семантика – это наука, которая устанавливает отношение между символами и обозначающими объектами, т.е. наука, определяющая смысл знаков.
      В качестве понятий обычно выступают возможные или конкретные объекты,а отношения – это связи типа: «это», «имеет», «принадлежит», «думает» и т.д. Присущей особенностью семантических сетей является обязательное наличие трех типов отношений:
      * класс (элемент класса);
      * свойство (значение);
      * пример элемента класса.
      Семантическая сеть находит поиск решение проблемына графе, который  позволяет от вершин с исходными данными добраться до вершин с заданными величинами. Поиск может быть автоматизирован.
      Продуцирование новых знаний в семантической сети обрабатывается в двух направлениях: от известных данных к цели или, наоборот, от результата  к известным данным.
      На рисунке 1.8 изображен пример семантической сети, где вершинами является понятия: «Человек», «Иванов», «Автомобиль», «Вид транспорта», «Двигатель».
   
   
   Рисунок 1.8 – Семантическая сеть
      Основной недостаток данной модели – сложность поиска вывода на семантической сети.
   
1.2.5 Сравнительная таблица
      Логическая модель обладает большим потенциалом описания знаний, но имеет запреты на пространство поиска решений и трудна в понимании формализованных знаний. Для построения механизма логического вывода необходимо применение методов доказательства существования решения. 
      Продукционная модель используется для широкого класса задач. Однако при большом количестве знаний усложняется понимание взаимосвязей объектов предметной области. Семантические сети, как модель представления знаний, позволяют установить связи между понятиями предметной области. Представление знаний только в виде семантических сетей в ряде случаев оказывается неэффективным, поэтому семантические сети используются как дополнение к продукционным моделям.
      Предоставлена сравнительная таблица баз знаний (таблица 1.1), где обозначены положительные и отрицательные характеристики по данным критериям.
Таблица 1.1 – Сравнительная таблица баз знаний
Модели знаний
Простота в использование
Легкость программирования
Неограниченность в объеме
Близка к человеческому  рассуждению
Фреймовая
-
-
+
+
Семантическая сеть
+
-
+
-
Продукционна.......................