Upload
duongkiet
View
224
Download
0
Embed Size (px)
Citation preview
Uniwersytet ZielonogórskiInstytut Informatyki i Elektroniki
SYSTEMY EKSPERTOWE
wykład nr 9
Projektowanie Systemów Informatycznych
2Projektowanie systemów informatycznych
Inteligencja – czyli z czym komputery maj ą problemy ?
Zasadniczy problem stanowią codzienne zadania, które my (ludzie) wykonujemy bez problemów, a znalezienie dla nich algorytmów jest niezwykle trudne np.
rozpoznawanie ręcznie pisanych liter, rozpoznawanie twarzy ... ,
Jeżeli my sobie z tym radzimy, a klasyczny komputer nie, to może zrobić maszyny które będą bardziej podobne do nas.
Inteligencja – zdolności umysłowe człowieka (wg Cycerona).Inteligencja – zdolność rozumienia otaczających sytuacji i znajdowania na nie właściwych reakcji
3Projektowanie systemów informatycznych
Sztuczna Inteligencja
Sztuczna inteligencja jest nauką o maszynach realizujących zadania, które wymagają inteligencji wówczas, gdy są wykonywane przez człowieka. (Minsky’ego)
Sztuczna inteligencja stanowi dziedzinę informatyki dotyczącąmetod i technik wnioskowania symbolicznego przez komputer oraz symbolicznej reprezentacji wiedzy stosowanej podczas takiego wnioskowania. (Feigenbaum)
W metodachsztucznej inteligencji następuje przejście od przetwarzania danych do przetwarzania wiedzy .
Systemy te określa się jako systemy oparte na wiedzy(ang. knowledge-based systems).
4Projektowanie systemów informatycznych
Definicja Systemu Ekspertowego
Na obecnym „etapie rozwoju technologicznego”System Ekspertowy jest programem komputerowym, który wykonuje złożone zadania o dużych wymaganiach intelektualnych i robi to tak dobrze jak człowiek, będący
ekspertem w tej dziedzinie
Określenie „system ekspertowy” może być zastosowane do dowolnego systemu, który na podstawie szczegółowej wiedzy
może wyciągać wnioski i podejmować decyzje, działając w sposób zbliżony do procesu rozumowania człowieka
Systemy ekspertowe – stanowią jedną z gałęzi stosowanej sztucznej inteligencji (ang. Artificial Inteligence) i są nazywane także systemami doradczymi
5Projektowanie systemów informatycznych
Postać wiedzy
– Opisy (fakty) dotyczące pierwotnych cech i pojęć– Relacje opisujące zależności i asocjacje pomiędzy faktami
np..: „W starych silnikach Diesla przy przegrzaniu dochodzi do gwałtownego podwyższenia obrotów na skutek chwilowego spalania oleju.”
Wiedza – zbiór wiadomości z określonej dziedziny, jest również symbolicznym opisem otaczającego nas świata rzeczywistego
Symboliczna reprezentacja wiedzy
– Heurystyki: Obserwacje i doświadczenia zebrane z otaczającego światanp.: „Jak nie zaskakuje, a jest iskra, to warto sprawdzić przewód paliwa”.
Teoria danej dziedziny, np. teoria działania silników samochodowych.
Realizacje za pomocą sieci neuronowych lub algorytmów genetycznych
– Proceduralna określa zbiór procedur, działanie których reprezentuje wiedzęo danej dziedzinie (równania i prawa: matematyczne, fizyczne)
– Deklaratywna – polegająca na określeniu zbioru specyficznych dla danej dziedziny stwierdzeń oraz reguł. np.:„Przed zdjęciem obudowy wyciągnąć wtyczkę.”
Niesymboliczna reprezentacja wiedzy
6Projektowanie systemów informatycznych
Przykład SE
Fakty : F1: Andrzejma rybkiF2: Andrzejma grzałkę
Reguły: R1: IF x ma rybki THEN x ma akwariumR2: IF x ma grzałkę AND x ma akwariumTHEN x ma rybki żyjące
Wnioski: W1: Andrzej ma akwarium.W2: Rybki Andrzeja żyją.
7Projektowanie systemów informatycznych
Zrozumienie istoty SE – przykłady dialogów
SYSTEM DIAGNOSTYKI SILNIKA SAMOCHODOWEGO(Implementacja w języku CLIPS systemu edukacyjnego)Prosz ę odpowiada ć na pytanie tylko tak (T) lub nie (N)
Czy jest paliwo w zbiorniku ?TCzy kranik dopływu paliwa jest zamknięty ? NOdczekaj 5 min. Czy następna próba się powiodła ?NCzy paliwo wypływa z przewodu doprowadzającego je do pompy ?T
MOIM ZDANIEM: Uszkodzenie pompy paliwaEKSPERTYZA ZAKO ŃCZONACzy chcesz następnej diagnozy ?T
Czy jest paliwo w zbiorniku ?TCzy kranik dopływu paliwa jest zamknięty ? NOdczekaj 5 min. Czy następna próba się powiodła ?NCzy paliwo dopływa do gaźnika ?TCzy ustawienie przesłony rozruchowej jest prawidłowe ?TCzy główna dysza paliwa jest drożna ?T
MOIM ZDANIEM: Zanieczyszczona dysza biegu jałowego lub awaria w układzie zapłonowym
EKSPERTYZA ZAKO ŃCZONACzy chcesz następnej diagnozy ?N
8Projektowanie systemów informatycznych
Zrozumienie istoty SE – przykłady dialogów
Zaczerpnięty z systemu SCHOLAR
Pytanie u żytkownika: Ilu stroicieli fortepianów jest w Nowym Yorku ?
Odpowied ź systemu: Ponieważ w New Hawen liczącym około 300 000mieszkańców jest 3 lub 4 stroicieli fortepianów, co w stosunku do liczby mieszkańców wynosi 1 na 100 000 a New York liczy 7 milionów mieszkańców, stąd szacunkowo można określić liczbę stroicieli fortepianów na około 70, no powiedzmy 50 lub 60 stroicieli
fortepianów jest w Nowym Yorku
Pytanie u żytkownika: Czy w Rio Grande jest uprawiana kukurydza ?
Odpowied ź systemu: Nie wiem w czy kukurydza jest uprawiana w Rio Grande, chociaż wiem że roślinę tę uprawia się w pampasach. Ponieważ Rio Grande ma klimat oraz warunki glebowe podobne do pampasów, więc można się spodziewać, że na obszarze Rio Grande kukurydza jest jedną z roślin uprawnych
9Projektowanie systemów informatycznych
Dziedziny zastosowa ń Systemów Ekspertowych
Słabo sformalizowane dziedziny, którym trudno jest przypisać teorie oparte na matematyce oraz zastosować algorytmy dokładne,
lub gdy algorytm jest nieprzydatny, a z określonych względów lepiej sprawdza się heurystyka –algorytmy należące do klasy NP– zupełnych)
Finanse – strategie inwestycyjne, doradztwo giełdowe, analizy aplikacji kredytowych, systemy podatkowe
Przemysł – instrukcje naprawcze, modelowanie procesów sterowania, monitorowanie i diagnozowanie procesów produkcyjnych, kontrolowanie jakości produkcji
Zarządzanie – sterowania zapasami, informowaniekierownictwa, kontrolaadministracja jakości, wspomaganie podejmowania decyzji, planowanie,
inwestycje
Nauka i technika – diagnozowanie i konserwacja skomplikowanych maszyn, projektowanie systemów komputerowych,
identyfikacja: bakterii, węglowodanów
Medycyna – diagnozowanie i leczenie chorób, raporty medyczneInne , takie jak: geologia, prawo, astronautyka, robotyka, architektura
10Projektowanie systemów informatycznych
Korzy ści i zalety stosowania SE
Podczas gdy ludzie: łatwo się męczą, zapominają i stają się opieszali,mogąbyć tendencyjni lub niesubordynowani, mają ograniczonemożliwości percepcji, zapamiętywania...
zastępują ekspertów (których może brakować) w realizacji wybranych czynności jak również pomagają w rozwiązywaniu problemów
wymagających najbardziej specjalistycznej (najdroższej) wiedzy.
Systemy Ekspertowe: pracują szybciej, nie męczą się, są bardziejniezawodne, konsekwentne, obiektywne, dokładne
Zawsze do dyspozycji (nie strajkują!).Dodatkowo w SE możliwe jest zagregowanie wiedzy licznego zespołu ekspertów, a analiza dużych ilości danych wymaga odpowiedniego komputera.
Koszty: w dłuższym okresie czasu SE są znacznie tańsze
11Projektowanie systemów informatycznych
System Klasyczny i Ekspertowy
– wykorzystanie w procesie przetwarzania mechanizmu wnioskującego
– uzasadnienia podawanych odpowiedzi za pomocą modułu objaśniającego
– wspomaganie i aktualizacja bazy wiedzy, modułu akwizycji wiedzy
– dotyczą wąskiej dziedziny wiedzy
– możliwość wnioskowania z niepełnej wiedzy
– możliwość wyjaśniania łańcucha wnioskowania w sposób zrozumiały dla użytkownika;
– rozdział mechanizmu wnioskowania od bazy wiedzy
– zastosowanie reguł wnioskowania postaci „if ... then ...".
Podstawowe cechy systemów ekspertowych:
Cech róŜniące systemy ekspertowe od klasycznych
12Projektowanie systemów informatycznych
Podział Systemów Ekspertowych
– systemy doradcze (ang. advisery) prezentują rozwiązania, które użytkownik może odrzucić i zażądać innego
– podejmujące decyzje bez kontroli człowieka (ang. dictorial) stosowane są do sterowania obiektami do których dostęp człowieka jest utrudniony
– systemy krytykujące (ang. critical) analizują problem i przedstawiają rozwiązanie wraz z wyjaśnieniem wyboru
Ze względu na przeznaczenie
– diagnozy ocena aktualnego stanu
– prognozy przewidywanie stanu przyszłego
– planowania opis stanu, do którego należy dążyć i w jaki sposób tego dokonać.
Ze względu na to co uzyskujemy na wyj ściu
13Projektowanie systemów informatycznych
Podział Systemów Ekspertowych
– systemy dedykowane tworzone od podstaw przez inŜyniera wiedzy współpracującego z informatykiem
– systemy szkieletowe –(shells) są to systemy z pustą bazą wiedzyW zaleŜności od tego jaką wiedzę wprowadzimy do systemu moŜemy uzyskać system z wiedzą: eksperta-lekarza, eksperta- inŜyniera, czy eksperta-prawnika.
– z logiką dwuwartościową (Boole'a) – z logiką wielowartościową– z logiką rozmytą.
– systemy z wiedzą pewną (zdeterminowaną),– z wiedzą niepewną (w przetwarzaniu wykorzystuje aparat
probabilistyczny).
ze względu na sposób realizacji
ze względu na metodę prowadzenia wnioskowania:
ze względu na rodzaj przetwarzanej informacji
14Projektowanie systemów informatycznych
Podstawy realizacji SE
Baza Wiedzy
Mechanizm Wnioskowania
Interfejs u żytkownika -umożliwia interaktywny kontakt z użytkownikiem dostarcza wyjaśnień jak uzyskano rozwiązanie
- stosuje ekspertyzę do rozwiązywania problemu w sposób kompletny, dostarczając odpowiedzi a nie danych
- przechowuje zakodowane ekspertyzy jednego lub wielu ekspertów
– siła Systemu Ekspertowego zależy od bazy wiedzy (jej jakości), a potem posiadanego oprogramowania
– baza wiedzy pozwala otrzymywać efektywne decyzje posługując się zależnościami heurystycznymi, probabilistycznymi, eksperymentalnymi. Wiedza ma charakter indywidualny
– dla posługiwania się wiedzą ekspert musi mieć możliwość korzystania z trybu dialogowego
Założenia Struktury Systemu Ekspertowego:
Struktura Systemu Ekspertowego:
15Projektowanie systemów informatycznych
Konfiguracja Systemu Ekspertowego
MODUŁ POZYSKIWANIA WIEDZY – zespół rozkazów (procedur programu), umożliwiających nabywanie wiedzy, która zostaje zapisana w Bazie Wiedzy w postaci reguł i faktów
MODUŁ WNIOSKOWANIA – rozkazy, procedury, programy, które wykorzystują i prezentują zawarte w Bazie Wiedzy reguły i fakty. Łączy fakty z regułami aby sformułowaćodpowiedź dla użytkownika.
MODUŁ OBJAŚNIAJĄCY – oprogramowanie do interpretacji uzyskanych wyników. Nie zawsze istnieje, zależy od wielkości Systemu Ekspertowego.
Moduł Dialogowy zawiera zespół procedur i program, które pozwalają użytkownikowi na zdefiniowanie problemu.
System Ekspertowy nie może istnieć bez Modułu Dialogowego.
ModułPozyskiwania
Wiedzy
ModułWnioskowania
Użytkownik
ModułObjaśniający
Ekspert oraz
Inżynier wiedzy
Baza Wiedzy z awiera dziedzinową wiedzę systemuzbiór: definicji, faktów, pojęć i relacji między nimi,
reguły wnioskowania
16Projektowanie systemów informatycznych
Etapy tworzenia SE
Wyboór metody reprezentacji wiedzy i narzędzi do budowy SE
Analizy problemu
Czy budowa SE dla danego problem ma sens ?
Konstrukcji systemu
Specyfikacji systemu
Szczegółowego określenia funkcji i oczekiwań
Akwizycji wiedzy
zgromadzenia, wydobycia z ekspertów i organizacja
utworzenia bazy wiedzy, reguł wnioskowania, systemu wyjaśniającego rozumowanie i prowadzenia dialogu
Weryfikacja i testowania systemu
Wybór sposobów reprezentacji wiedzy oraz mechanizmów wnioskowania
17Projektowanie systemów informatycznych
Najczęściej stosowane metody reprezentowania wiedzy
Reguły wnioskowania jeżeli (m1 i m2 i ... ) to (d1 i d2 ... dn)
Sieci semantyczne określają relacje pomiędzy elementami dziedziny
Trójki lub czwórki <obiekt, atrybut, wartość, (poziom ufności) >
Ramki grupują dane i procedury w obiekty, z zachowaniem hierarchicznej struktury dziedziczenia w dół .
Rozmyta reprezentacja wiedzy Zastosowanie zbiorów rozmytych i zmiennych lingwistycznych
Węzły – zdarzenia, obiekty fizyczne, czynności , (cechy obiektów)Łuki – łączą obiekty
18Projektowanie systemów informatycznych
Pozyskiwanie wiedzy do Bazy wiedzy
Metody pozyskiwania wiedzy
Manualne Wspomagane komputerowo
Automatyczne uczenie maszynowe
Półautomatyczne dialogowe Pośrednie Bezpośrednie
Metody manualne: wywiady, obserwacje, dyskusje z ekspertem, kwestionariusze, raport eksperta, „burza mózgów”
Metody półautomatyczne – metody „dialogowe” lub trenowanie systemu.Dotyczy również zdobywania w czasie eksploatacji
Metody automatyczne – bez udziału inżyniera wiedzy. Wiedza zdobywana jest na bieżąco i na bieżąco wykorzystywana.
„W ąskie gardło” SE – Problem Ekstrahowania wiedzy
Uczenie maszynowe na podstawie wyja śnień (ang.explanation – based learning) oraz uczenie maszynowe na podstawie przykładów ( ang.empirical learning)
19Projektowanie systemów informatycznych
Metody wnioskowania
Wnioskowanie w przód – wnioskowanie progresywne, dedu kcyjne
Podejście sterowane danymi, zaczyna się od faktów przesuwając się w kierunku konkluzji.Umożliwia generowanie nowych reguł, dołączenie ich do już istniejących i wyprowadzenie konkluzji.
Początkowe fakty: A, B, C, D, E4 reguły:
R1. jeżeli A i B to FR2. jeżeli C i D to GR3. jeżeli F i G to HR4. jeżeli E i H to koniec
Krok 1. Ponieważ znane są A i B reguła pozwala wywnioskować F i dołączyć go do znanych faktów. Krok 2. Ponieważ znane są F i G ...
P1
Ponieważ znane są A
P2 P3 P4 CELR1 R2 R3 R4
Schematy wnioskowania progresywnego
Wnioskowanie w gł ąb
P4
P1
P2
P3
R4
R1
R2
R3CEL
Wnioskowanie w szerz
20Projektowanie systemów informatycznych
Metody wnioskowania
Wnioskowanie wstecz – wnioskowanie regresywne
Podejście odwrotne niż w metodzie wnioskowania w przód. Podejście sterowania celem, w którym zaczyna się od hipotezy (celu), poszukuje się argumentów (przesłanek), które mogłyby tę hipotezępotwierdzić lub obalić. W przypadku nieokreślonej wartości logicznej badanej przesłanki traktuje się jąjako nową hipotezę i próbuje wykazać jej prawdziwość.
Początkowe fakty: A, B, C, D, E4 reguły:
R1. jeżeli A i B to FR2. jeżeli C i D to GR3. jeżeli F i G to HR4. jeżeli E i H to koniec
system może zapytać użytkownikasam spróbować poszukiwać informacji w bazie wiedzy.
Rozumując wstecz zaczynamy od przyjęcia hipotezy.Aby konkludować koniec reguły R4. trzeba poznać fakty E i H. E jest dany, H trzeba znaleźć. F i G są potrzebne do H.F i G aby poznać – trzeba poznać A i B z reguły R1, C i D z reguły R2 – a one są dane z założenia.Można potwierdzić hipotezę, że rozwiązaniem problemu jest fakt koniec.
Fakt 1 CEL
Fakt 4
Fakt 3
Fakt 2
Fakt 1 CEL
Fakt 4
Fakt 3
Fakt 2
Schemat wnioskowania wstecz z nawrotem
Schemat wnioskowania wstecz
21Projektowanie systemów informatycznych
Metody wnioskowania
Wnioskowanie mieszane
Fakt 1P3
CEL
Fakt 4
Fakt 3
Fakt 2
Obejmuje dwa omówione sposoby wnioskowania.Część reguł podejście wnioskowania w przód, część wnioskowanie wstecz .
CEL
P2
P4
22Projektowanie systemów informatycznych
Metody wnioskowania
Wnioskowanie rozmyte
Maszyna wnioskowania rozmytego działa na podstawie wnioskowania rozmytego,które można przeprowadzić w dzięki odpowiedniej reprezentacji wiedzy opisującej dany problem za pomocą zbiorów rozmytych.
Blok fuzyfikacji Rozmywanie
Blok inferencji Rozmywanie
Blok defuzyfikacji Wnioskowanie
Blok regułrozmytych
Zmienne ilościowe Diagnoza
Obszar zmiennych lingwistycznych jakościowych
Relacje rozmyte
Wartość lingwistyczna – słowna ocena zmiennej lingwistycznej ( słaby, du ży, fałszywy, ...)
Zmienna lingwistyczna – wielko ść któr ą chcemy opisa ć (warto ścią ) lingwistyczn ą
Jeżeli N jest duże wtedy K jest uszkodzony
23Projektowanie systemów informatycznych
Hybrydowe systemy ekspertowe
Są to systemy softwerowe, a częściej hardwerowe, naśladujące po części działanie systemów nerwowych organizmów Ŝywych.
Ich zaletą jest niemalŜe błyskawiczność działania (przy wykonaniu hardwerowym), gdyŜ informacje wprowadzane do wielu wejść sąprzetwarzane równolegle (nie szeregowo jak w typowych komputerach).
Znajdują one szczególne zastosowania w klasyfikacji i selekcji (danych, obiektów, wiedzy), rozpoznawania obrazów, rozpoznawania mowy, itp.
Działanie systemu hybrydowego moŜna więc przedstawić na przykład jako: wstępną klasyfikację przez system sieci neuronowej, wnioskowanie przez maszynę wnioskującą i końcową selekcję przez system sieci neuronowej lub w podobny sposób.
Połączeniem omówionych systemów ekspertowych z systemami "Sztucznych Sieci Neuronowych"
24Projektowanie systemów informatycznych
Hybrydowe systemy ekspertowe
Są to systemy softwerowe, a częściej hardwerowe, naśladujące po części działanie systemów nerwowych organizmów Ŝywych.
Ich kapitalną zaletą jest niemalŜe błyskawiczność działania (przy wykonaniu hardwerowym), gdyŜ informacje wprowadzane do wielu wejść sąprzetwarzane równolegle (nie szeregowo jak w typowych komputerach).
Znajdują one szczególne zastosowania w klasyfikacji i selekcji (danych, obiektów, wiedzy), rozpoznawania obrazów, rozpoznawania mowy, itp.
Działanie systemu hybrydowego moŜna więc przedstawić na przykład jako: wstępną klasyfikację przez system sieci neuronowej, wnioskowanie przez maszynę wnioskującą i końcową selekcję przez system sieci neuronowej lub w podobny sposób.
Połączeniem omówionych systemów ekspertowych z systemami "Sztucznych Sieci Neuronowych".
25Projektowanie systemów informatycznych
Neuronowe SE
pocz ątkowa sieć neuronowa
wyuczona sieć neuronowa
Wiedza początkowa
Wiedza dostrojona
wi
w1
w2
wi
f(net)
x1
x2
xi
Duża szybko ść działania – implementacja układowa
Brak metod ekstrakcji reguł
Wiedza zaszyta w sieci poł ączeniach Neuronów
Wzorowane na ludzkim organi żmie – analogia do połączeń układu nerwowego człowieka
26Projektowanie systemów informatycznych
System Klasyczny i Ekspertowy
Podstawowe cechy systemów ekspertowych:
SE korzysta z wiedzy zamiast z danych aby kontrolować proces rozwiązywania problemów. Wiedzą są heurystyki naturalne.
Wiedza jest zakodowana i utrzymywana jako składnik systemu oddzielony od programu kontrolnego, nie jest kompilowana z programem kontrolnym,
SE umożliwia wyjaśnienia jak poszczególne konkluzje zostały osiągnięte i dlaczego żądana informacja jest potrzebna podczas konsultacji
SE stosuje symboliczną reprezentacją wiedzy. (Są to reguły, sieci semantyczne i ramy) i wykonuje wnioskowanie w oparciu o obliczenie symboliczne, które sąpodobne do manipulacji w języku naturalnym. Wyjątkiem od tej reguły są sieci neuronowe.
SE często wyciągają wnioski z tzw. Metawiedzy, tzn. z wiedzy o nich samych i posiadają mechanizm uczenia się.
27Projektowanie systemów informatycznych
Przykłady SE
MYCIN – system medyczny,
EMYCIN – Empty Mycin: pusty szkielet dla innych dzie dzin,
GUIDON – sk ładnik mycin s łużący do obja śniania,
HEARSAY II – do rozpoznawania mowy,
MACSYMA – system matematyczny,
DENDRAL – system ekspertowy w dziedzinie chemii.
PROSPECTOR – odkrywanie z łóż rud żelaza – geologia.
28Projektowanie systemów informatycznych
Narzędzia budowy SE
Bazujące na systemie medycznym Mycin
Powłoki systemów ekspertowych
Expert System Shells (ESS)PC Shell, Expert Builder
Dedykowane J ęzyki programowania
LISP (List PROcessing, przetwarzanie list), Prolog (Programming in Logic), Realizacja rachunku predykatów pierwszego rzędu, do prototypów, Prolog w projekcie V generacji; raczej mniejsze systemy lub prototypy
EMYCIN, KAS (Knowledge Aquisition System),
29Projektowanie systemów informatycznych
Podsumowanie ES
Zalety:• Przydatne do rozwiązywania złożonych problemów, w
dziedzinach, w których zgromadzono wiedzę empiryczną• Potrafią odpowiadać na pytania prezentując swoje konkluzje w
intuicyjne zrozumiały sposób, nie potrzeba programistów by zrozumieć ich działanie.
• Zwykle oparte są na jednolitym sposobie reprezentacji wiedzy, np. regułach lub ramach.
• Dzięki temu łatwo jest modyfikować wiedzę.
Wady:• Trudno przewidywalne skutki dodania nowej wiedzy,
rozumowanie zdroworozsądkowe jest trudne• Trudno pozyskiwać wiedzę (uczenie maszynowe i odkrywanie
wiedzy rzadko jest częścią ES)• Traktowanie niepewności nadal jest rzadko spotykane
30Projektowanie systemów informatycznych
KONIEC wykład 9
31Projektowanie systemów informatycznych
Podział Systemów Ekspertowych
Ze wzgl ędu na przeznaczenie :
– systemy doradcze - (ang. adwisery) prezentują rozwiązania, które użytkownik może odrzucić i zażądać innego
– podejmujące decyzje bez kontroli człowieka (ang. dictorial) stosowane są do sterowania obiektami do których dostęp człowieka jest utrudniony lub niemożliwy
– systemy krytykujące – (ang. critical) dokonują analizy problemu i przedstawiają rozwiązania wraz z komentarzem wyjaśniającym wybrane rozwiązanie
Ze względu na to co uzyskujemy na wyjście SE dzielimy na systemy:– diagnozy – ocena aktualnego stanu – prognozy – przewidywanie stanu przyszłego – planowania – opis stanu, do którego należy dążyć i w jaki sposób
tego dokonać.