WYKŁAD 2

SYSTEMY WSPOMAGANIADECYZJI, EKSPERCKIE

METODY KOMPUTEROWE W DROGACH KOLEJOWYCHstudia II stopnia, specjalność ITS, semestr 1

rok akademicki 2018/19

dr inż. Jacek Makuch

Katedra

Mostów i Kolei

WSPOMAGANIE DECYZJI(bez wykorzystania komputerów) (racjonalne)

• odbywa się w oparciu o informacje:− podstawowe – uzyskane w wyniku pozyskiwania

− wtórne – uzyskane w wyniku przetwarzania, z zastosowaniem technik:� obliczeniowych:

− wartości średnie− miary rozproszenia (odchylenie standardowe, współczynniki

zmienności)− syntetyczne wskaźniki

� graficznych:− rozkłady− wykresy− histogramy

• informacje wymagają interpretowania

• zwieńczeniem procesu jest konkluzja

GENEZASYSTEMÓW WSPOMAGANIA DECYZJI

komputerowe wspomaganie zarządzaniaCAM (Computer Aided Management)

↓systemy informowania kierownictwa

MIS (Management Information Systems)

↓systemy wspomagania decyzji (doradcze)

DSS (Decision Support Systems)

przetwarzanie danych

(data processing)

+ metody: optymalizacyjne,

sieciowe, symulacyjne, teorii

odnowy i niezawodności

ISTOTASYSTEMÓW WSPOMAGANIA DECYZJI

rzeczywiste problemy

↓modele matematyczne

analizowane zjawiska

transformowane

↓sformalizowane

↓rozwiązania

algorytmiczne

↓niesformalizowane

↓rozwiązania heurystyczne

systemy eksperckie (ekspertowe)ES (Expert Systems)

DEFINICJE:

SYSTEM EKSPERCKI:program komputerowy wyposażony w:

• bogaty zestaw prawideł heurystycznych oraz• specjalistyczną wiedzę z danej dziedziny,

służący do rozwiązywania problemów z wykorzystaniem:• opisu tej wiedzy i• toku rozumowania.

HEURYSTYKA:• umiejętność zauważania faktów i wykrywania związków

pomiędzy nimi dzięki czemu dochodzi się do nowych prawd (heurisko – z greckiego: znajduję, odkrywam),

• przeciwieństwo podejścia algorytmicznego,

• postępowanie oparte na metodzie prób i błędów.

• tworzone na podstawie doświadczenia, intuicji, osądów

• mają postać zdań warunkowych:

jeżeli <przesłanka> to <akcja>

• wykorzystują symboliczny, a nie liczbowy sposób przedstawiania danych

• dają rozwiązania jedynie prawdopodobne, przybliżone(w przeciwieństwie do metod algorytmicznych, gdzie uzyskuje się rozwiązania jednoznaczne, pewne albo

przynajmniej optymalne)

CECHY REGUŁ HEURYSTYCZNYCH:

• działają jak lekarz (pytania o symptomy → diagnoza)• prawie zawsze zawierają pomocnicze moduły algorytmiczne (np.

obliczeniowe), są więc systemami hybrydowymi (np. UNIP – wylicza przyspieszenie boczne na łuku dla zadanych wartości v, R, h)

• nie są zdolne zastąpić człowieka w podjęciu decyzji, mogą jedynie zmaksymalizować prawdopodobieństwo jej trafności

• decydent musi być otwarty na podejmowanie decyzji alternatywnych (np. konkluzję zalecającą ograniczenie prędkości należy w pierwszej kolejności rozumieć jako sugestię rozpoznania możliwości usunięcia przyczyn tego ograniczenia)

• przy wdrożeniach wymagają szkoleń:– zasad posługiwania się systemem (obecnie traci na znaczeniu –

unifikacja oprogramowania)– właściwej interpretacji konkluzji (nadal aktualne)

• heurystyczne, a nie algorytmiczne podejście do rozwiązywania problemów w systemach eksperckich jest uzasadnione tym, że rozumowanie człowieka polega na jednoczesnym postrzeganiu wielu szczegółów, a dopiero później na bardziej dogłębnym analizowaniu pewnej, stosunkowo niewielkiej ich liczby

CECHY SYSTEMÓW EKSPERCKICH:

STRUKTURA SYSTEMÓW EKSPERCKICH

BAZA WIEDZY• ATRYBUTY:

− dowolne cechy obiektu istotne dla jego opisu− mogą przyjmować wartości:

• liczbowe (np. promień rozjazdu: 190, 300, 500, 1200 m)• logiczne (np. czy po podbiciu podkładów zastosowano

dynamiczny stabilizator podsypki: tak lub nie)• tekstowe (np. stan podsypki: dobry, przeciętny, zły,

bardzo zły)

• REGUŁY WNIOSKOWANIA:− mają postać zdań warunkowych:

jeżeli <warunki> to <konkluzja>

• KONKLUZJE:− tworzą przestrzeń rozwiązań− każda z nich musi wynikać z określonych reguł

wnioskowania− końcowe mogą być poprzedzone pośrednimi− mogą być im przypisane współczynniki pewności (CF -

confidential factors o wartościach od 0 do 1) określające stopień przekonania eksperta do ich trafności

BAZA WIEDZY

• powinny w niej być zawarte nadmiarowe reguływnioskowania -pozwalające dojść do konkluzji różnymi drogami

• powinna mieć możliwość rozbudowy i modyfikacji –systemy eksperckie powinny mieć możliwość pracy nie tylko w trybie rozwiązywania zadań,ale i przyswajania informacji

MECHANIZM WNIOSKOWANIA(algorytm generacji wnioskowania)

• poszukuje zależności pomiędzy faktami i regułami i prowadzi do konkluzji

• może sterować wnioskowaniem w dwóch kierunkach:− do przodu (od parametrów i ograniczeń do konkluzji)− od tyłu (od konkluzji postawionej jako hipoteza do

parametrów i ograniczeń pozwalających ją udowodnić lub odrzucić)

• system ekspercki powinien rozwiązywać problemy nawet przy braku pewnych danych:

− jedynie poprzez przyjęcie do wiadomości, że pewne dane nie są możliwe do uzyskania

− poprzez wyliczenie brakujących danych z innych (np. zużycia bocznego szyn w łukach na podstawie R, h, v, masy pociągu i obciążenia)

BAZA DANYCH

• pamięć robocza przechowująca:

− odpowiedzi użytkownika

− pośrednie konkluzje i wyniki wnioskowania

• dane ze źródeł zewnętrznych (np. odchyłki dopuszczalne z przepisów)

• pamięć stała gromadząca dane dotyczące wszystkich przebadanych obiektów w celu:

− przekazywania informacji na inne poziomy zarządzania

− umożliwienia okresowej weryfikacji hipotez i regułwnioskowania

INTERFEJS(procesor lingwistyczny)

• zapewnia komunikację między systemem a użytkownikiem lub ekspertem

• interaktywny (pracuje w trybie dialogowym)

• przejrzysty i jednoznaczny

• nie wymaga od użytkownika znajomości programowania

• zawiera moduły objaśniające (stawianych pytań, regułwnioskowania)

• wychwytuje błędne odpowiedzi użytkownika na stawiane pytania

• jako urządzenia wejścia wykorzystuje klawiaturę i myszkę, a wyjścia - monitor i drukarkę

PRZYKŁAD STRUKTURY SYSTEMU EKSPERCKIEGOz dziedziny dróg kolejowych

TWORZENIE SYSTEMÓW EKSPERCKICH(połowa lat 90-tych poprzedniego stulecia)

• Skład zespołu i podział zadań:

• ekspert - wnosi wiedzę

• inżynier wiedzy - formalizuje i strukturalizuje wiedzę

• programista - przekłada wiedzę na język zrozumiały dla komputera

• Inżynieria wiedzy - pozyskiwanie (akwizycja), generowanie, gromadzenie i przetwarzanie wiedzy

• Sposoby pozyskiwania wiedzy:− wywiady z ekspertami− ankiety− analiza protokołów− obserwowanie działań lub zjawisk

reprezentatywnych− symulacja zachowań przyszłego systemu

• Etapy opracowywania wiedzy:1. identyfikacja (źródła wiedzy, kluczowe pojęcia,

problemy),2. konceptualizacja (ograniczenia, hipotezy, dane

wyjściowe),3. formalizacja (przestrzeń rozwiązań, zależności

między pojęciami przy tworzeniu hipotez)

• Zasada szybkiego prototypu:− nie buduje się od razu gotowego systemu− doprowadza się do takiego stanu aby zaczął

działać− udoskonalanie (iteracyjnie: wypróbować,

poprawić, powtórzyć)

• Pierwszy prototyp (system pilotowy):− uzasadnienie osiągalności celów systemu

docelowego− oszacowanie kosztów i czasu wykonania− pierwsze zapoznanie ekspertów i użytkowników z

systemem

• Stadia:− prototyp demonstracyjny (50 - 100 reguł, 3 miesiące)− prototyp doświadczalny (200 - 500 reguł, 1-2 lata)− prototyp działający (500 - 1000 reguł, 2 - 3 lata)− system przemysłowy (1000 - 1500 reguł, do 4 lat)− system handlowy (do 3000 reguł, do 6 lat)

• Opracowanie i wdrożenie:− minimum 2 lata− minimum 5 - 10 osobolat

• Z opracowaniem systemu handlowego wiąże się:− opracowanie dokumentacji systemu− szkolenie użytkowników− utrzymanie systemu:

• konserwacja• współpraca z użytkownikami (doradztwo, analiza poprawności

działania)• uaktualnianie (weryfikacja hipotez i reguł wnioskowania)

RYS HISTORYCZNYROZWOJU SYSTEMÓW EKSPERCKICH

• Początki:− lata 50-te - badania nad sztuczną inteligencją, pierwsze próby

budowy maszyny imitującej działanie ludzkiego mózgu,− system PERCEPTION - zgrubne przybliżenie siatkówki oka

(400 fotokomórek), miał rozpoznawać obrazy, niestety wyniki znacznie odbiegały od zamierzeń,

− lata 60-te - utworzenie heurystycznego systemu rozwiązywania zadań GPS (General Problem Solver):

− był rozwinięciem wcześniejszych systemów dowodzenia twierdzeń i gry w szachy,

− niestety nie rozwiązywał wielu realnych zadań.

• Pierwsze udane zastosowania - lata 70-te:− CADUCEUS - komputerowy system diagnostyczny około 500

schorzeń wewnętrznych, zawierał około milion powiązańmiędzy symptomami a schorzeniami, stosowany w klinikach i na uczelniach medycznych.

• Lata 80-te:− pierwsze systemy zdolne do samodzielnego uczenia się:

− system EURISKO (udoskonala i rozszerza swoją bazę wiedzy, w wyniku zastosowania zasad heurystyki do istniejących pojęćpotrafi definiować nowe pojęcia),

− pierwsze systemy eksperckie z dziedziny dróg kolejowych - Japonia rok 1983,

• Lata 90-te – rozwój (dwutorowo):− potężnych systemów eksperckich budowanych przez korporacje do

własnych potrzeb,− małych systemów eksperckich przeznaczonych dla komputerów

osobistych o wąskich zakresach zastosowań - dzięki pojawieniu sięna rynku narzędzi budowy systemów eksperckich, tzw. systemów skorupowych:

− zawierających moduły: sterujący, pozyskiwania wiedzy, wnioskujący, objaśniający i operacji na bazie wiedzy,

− stosujących metody wnioskowania: dedukcyjnego, indukcyjnego, aproksymującego i przez analogię,

co niestety doprowadziło to pojawiania się wielu systemów nieudanych.

• Obecnie:− powrót do idei sztucznej inteligencji - poprzez wykorzystanie

sieci neuronowych:− będących naśladowaniem pamięci biologicznej,− posiadających zdolność uczenia się na przykładach (zamiast

definiowania reguł, trenuje się sieć na tysiącach przykładów)− stało się to możliwe dzięki wysokim możliwościom

obliczeniowym współczesnych komputerów− sieci neuronowe znalazły pierwsze zastosowania w

rozpoznawaniu:− mowy (sterowanie pracą urządzeń)− obrazów:

− kryminalistyka - linie papilarne,− wojskowość - cele rażenia (konflikt zbrojny w Zatoce

Perskiej na początku lat 90-tych).

• W przyszłości:− zakłada się, że dzięki sieciom neuronowym systemy

eksperckie oparte będą na logice zbiorów rozmytych

PRZYCZYNY ROZPOCZĘCIA STOSOWANIASYSTEMÓW WSPOMAGANIA DECYZJI W DROGACH KOLEJOWYCH

• rozwój urządzeń diagnostycznych - przekroczenie możliwości interpretacyjnych osoby dokonującej pomiary (toromierze, drezyny i wagony pomiarowe)

• wprowadzenie mechanizmów gospodarki rynkowej(sprostanie wymogom konkurencji w stosunku do innych gałęzi transportu):

− zastąpienie planowo-zapobiegawczych metod utrzymania dróg kolejowych diagnostycznymi

− podejmowanie decyzji utrzymaniowych w oparciu nie tylko o wyniki badań diagnostycznych, ale i możliwości wykonawcze

ZALETY STOSOWANIASYSTEMÓW WSPOMAGANIA DECYZJI W DROGACH KOLEJOWYCH

• ujednolicenie kryteriów oceny stanu torów w skali całej sieci• możliwość wspomagania podejmowania decyzji w dowolnym

miejscu i czasie (wirtualny ekspert)• szybszy, sprawniejszy i dokładniejszy obieg informacji pomiędzy

różnymi szczeblami zarządzania i jednostkami w terenie (dokumenty elektroniczne zamiast papierowych)

• upowszechnienie wykorzystania wiedzy doświadczonych ekspertów

• zmniejszenie kosztów kształcenia diagnostów• możliwość prognozowania zjawisk (symulacje, metody

stochastyczne)• ułatwienie procesu generowania nowej wiedzy poprzez

weryfikację reguł decyzyjnych (archiwizacja, a następnie konfrontacja zaleceń z rzeczywistością)

• modyfikacja klasycznych metod podejmowania decyzji, określania granicznych wartości parametrów i odchyłek dopuszczalnych w przepisach (KLAN, WARKIN)

• wzrost trafności podejmowanych decyzji• racjonalizacja kosztów utrzymania infrastruktury

KRAJOWESYSTEMY

EKSPERCKIE

PRZYKŁADY:

DONGDECYZJE O NAPRAWACH GŁÓWNYCH

podstawowe moduły systemu

mapa główna kwalifikowania nawierzchni do wymian ciągłych

mapa problemu „szyny”

UNIPUSTALENIE NACISKÓW I PRĘDKOŚCI

podstawowe moduły systemu

WARKINWARTOŚCI KINEMATYCZNE

model systemu

mapa główna problemu wyboru wartości kinematycznych

mapa cech eksploatacyjnych

mapa cech konstrukcyjno-utrzymaniowych

DIRODIAGNOSTYKA ROZJAZDÓW

moduły systemu

DIAGNOSDIAGNOSTYKA TORU BEZSTYKOWEGO

model systemu

mapa problemu wyrównania naprężeń

ZAGRANICZNESYSTEMY

EKSPERCKIE

PRZYKŁADY:(lata 90-te)

TMAS(TRACK MAINTENANCE ADVISORY SYSTEM)

• stosowany na kolejach Canadian Pacific

• składa się z kilku podsystemów wspomagających planowanie: podbijania torów, szlifowania szyn, wymian szyn, podkładów i podsypki

• baza danych tego systemu jest zasilana wynikami pomiarów przeprowadzanych wagonami pomiarowymi oraz kilku zautomatyzowanymi urządzeniami

• syntezą tych pomiarów jest 20 różnych wskaźników syntetycznych (np. wskaźnik zmęczenia szyn oparty na ocenie ich pęknięć)

• prowadzone są analizy zależności pomiędzy odpowiednimi wskaźnikami syntetycznymi a:

• zakresem robót• kosztami ograniczeń prędkości pociągów• zużyciem paliwa• kosztami napraw taboru kolejowego

System utrzymania linii Pilbara w Australii (linia służy do przewozu rudy)

• system generuje plany dla dwóch rodzajów robót: szlifowania szyn oraz podbijania i nasuwania toru

• cykle robót wynoszą od 4 do 24 miesięcy (bardzo krótkie)

• długość analizowanych odcinków zależy od występowania łuków, rozjazdów, przejazdów kolejowych, typu szyn i rzadko przekracza 400 m

• w analizie zużycia szyn oprócz parametrów drogi uwzględnia sięrównież cechy pojazdów szynowych

• stwierdzono, że zużycie szyn wymagające ich szlifowania rośnie szybko wraz ze wzrostem obciążenia, przy czym wzrost ten jest spowodowany złymi charakterystykami biegowymi taboru

• system uwzględnia wpływ stanu toru na zużycie paliwa oraz koszty wykolejeń

• badania wykazały, że najczęstszą przyczyną wykolejeń jest koincydencja (nakładanie się) wichrowatości i nierówności poziomych

SMIS(SHINKANSEN MANAGEMENT INFORMATION SYSTEM)

• stosowany na sieci szybkich kolei w Japonii• na podstawie pomiarów wykonywanych co 10 dni pociągiem

zwanym żółtym doktorem, jadącym z prędkością 210 km/h• wyniki pomiarów są opracowywane w komputerze centralnym, a

następnie transmitowane do komputerów znajdujących się w sekcjach drogowych i w oddziałach napraw głównych firm eksploatujących sieć Shinkansen

• na podstawie pomiarów opracowywane są plany napraw oraz zestawienia materiałów

• system generuje automatycznie zamówienia i dokonuje rozliczeńfinansowych

• do systemu wpływają codzienne raporty o wykonanych robotach• w bazie danych przechowuje się wartości temperatur, wyniki

badań przyrządów wyrównawczych, rozjazdów, szyn i zgrzein• analizę przekroczenia odchyłek dopuszczalnych geometrii toru

prowadzi się dla każdego metra jego długości• stan podsypki i roboty podsypkowe są rejestrowane dla

odcinków toru o długości 20 m

REPOMAN(RAIL EXPERT PLANNING ORGANISATION AND MAINTENANCE)

• stosowany na największej w USA kolei Burlington Northern (BN) eksploatującej 40 tyś. km torów

• służy do opracowywania planów wymiany szyn z uwzględnieniem kryteriów techniczno-ekonomicznych przy założeniu, że wyjęte szyny można sprzedać (zawiera pewne reguły związane z marketingiem)

• opracowany przez naukowców z Massachusetts Insitute of Technologyw Cambridge wraz ze specjalistami kolei BN

• zbudowany jako system ekspercki, gdyż oparcie go o znane modele algorytmiczne groziło eksplozją kombinatoryczną

• formułuje konkluzje czterech kategorii (co do potrzeby wymiany szyn): OK, MAYBE, SHOULD i MUST

• analiza stanu szyn odnosi się do odcinków jednorodnych co do ich atrybutów, układu geometrycznego i warunków eksploatacyjnych

• koszty ewentualnej wymiany porównuje się z wydatkami jakie należałoby ponieść pozostawiając szyny w torze i wykonując roboty takie jak szlifowane, podbijanie

• pozwala określić optymalny termin wymiany szyn i najodpowiedniejszy ich typ w danych warunkach eksploatacyjnych

• w obliczeniach uwzględnia koszty wykolejeń, w tym odszkodowania wypłacane ofiarom wypadków

PATER(Komputerowe wspomaganie utrzymania i napraw dróg kolejowych)

• system stosowany na Węgrzech

• zapewnia wizualizację danych o stanie nawierzchni obejmujących:

• nierówności toru mierzone drezynami pomiarowymi• usterki ujawniane podczas obchodów (inspekcji)

• na podstawie obliczanego wskaźnika syntetycznego określane są ograniczenia prędkości pociągów

• w celu zbierania danych o stanie torów wykorzystuje sięodpowiednio oprogramowane komputery przenośne, z których wyniki są transmitowane do komputerów stacjonarnych

• w ciągu 8 godzin jedna osoba idąc po torze jest w stanie wprowadzić dane z odcinka o długości 10 km

GILDA• system wprowadzony do jednostek utrzymania nawierzchni kolei

włoskich w 1993 r.

• graficzny interfejs (pracujący w środowisku Windows) umożliwia szybki dostęp do bazy danych obejmującej: konstrukcję nawierzchni, układ geometryczny, wyniki pomiarów nierówności torów; dowolny odcinek można wybierać myszką z mapy sieci kolejowej albo podając numer linii lub kody jej odcinków

• syntetycznymi wskaźnikami stanu toru są odchylenia standardowe poszczególnych nierówności

• miarą oceny stanu toru do planowania jego napraw jest kwantyl 70-ty wskazujący na krzywej skumulowanej konkretną wartość odchylenia standardowego obliczanego dla odcinków o długości 200 m

• gdy odchylenie standardowe 3 mm lub mniejsze utrzymuje się co najmniej na 70 % wszystkich 200 metrowych odcinków torów - nie planuje się jeszcze ciągłego podbicia toru (badania wykazały, że po przekroczeniu tej granicy następuje szybki przyrost nierówności)

• zastosowanie systemu umożliwiło wprowadzenie zasady rozliczania robót podbijania toru nie tylko w oparciu o długość, ale i jakośćwyrażaną odchyleniem standardowym nierówności pionowych

MARPAS(MAINTENANCE AND RENEVAL PLANNING AID SYSTEM FOR PERMANENT WAY)

• system opracowany w Centrum Badawczym w Derby dla kolei Wielkiej Brytanii

• zawiera różne modele statystyczne i analityczne pozwalające określić potrzeby naprawcze (zarówno napraw bieżących jak i głównych), umożliwiające szczegółowe planowanie czasu i miejsca koniecznych robót

• rozwiązuje zadania pozwalające podejmować decyzje strategiczne dotyczące kosztów utrzymania w zależności od prędkości pociągów, rodzaju taboru i konstrukcji nawierzchni

• zawiera model osiadań torów

• umożliwia wybór tras objazdowych na czas zamknięć torów

• określa całkowite koszty napraw

• pracuje na bazie danych ORACLE

• współpracuje z bazą danych stanu torów kolei brytyjskich obejmującą estymatory obliczone dla odcinków o długości 200 m

BINCO(BOVENBOUW INFORMATIE EN CONTROL PER ONDERHOUDSSECTIVE)

• system informujący o stanie toru i wspomagający planowanie jego napraw (bieżących oraz głównych)

• stosowany na 80% sieci kolei holenderskich

• obejmuje 3,5 tyś. km linii podzielonych na 600 odcinków o długościach od 5 do 10 km

• planowanie napraw opiera się na: wynikach pomiarów wagonem, statystyce uszkodzeń szyn, ponoszonych wydatkach

• decyzje o naprawach podejmowane są na podstawie znormalizowanych wartości odchyleń standardowych obliczanych (jako iloraz odchylenia standardowego rzeczywistego do dopuszczalnego) dla każdego 200 metrowego odcinka toru

• szlifowanie szyn (zaliczane do napraw bieżących ciągłych) jest planowane na podstawie pomiaru falistości

• ciągłe wymiany nawierzchni planuje się na podstawie uszkodzeń szyn z uwzględnieniem przeniesionego obciążenia, stanu podkładów i zanieczyszczenia podsypki

• informacje o zmianach nierówności toru i o uszkodzeniach części składowych nawierzchni są przechowywane w bazie danych i ułatwiająopracowywanie planów napraw

GEV(GESTION DES ENTRETIENS DE VOIE)

• system opracowany według koncepcji Instytutu Transportu Politechniki w Lozannie, stosowany na kolejach szwajcarskich od 1990 r.

• system umożliwia:• określenie odcinków torów wymagających wykonania robót• ustalenie pilności tych robót• ocenę i zaplanowanie koniecznych zasobów do wykonania tych

robót

• źródłem informacji są wyniki pomiarów wykonywanych wagonem raz albo dwa razy w roku

• ustalone odchylenia dzieli się na trzy grupy: S - do natychmiastowego usunięcia, I - do usunięcia w krótkim lub średnio odległym terminie, σ -pogarszające jakość toru

• na podstawie pomierzonych odchyleń opracowuje się plany napraw bieżących ciągłych lub głównych (propozycje zakresu robót i ich terminów)

• w bazie danych systemu znajdują się:• charakterystyki podtorza na odcinkach wymagających stabilizacji• obciążenie dobowe i prędkości pociągów (kategorie torów)• konstrukcja nawierzchni i układ geometryczny• historia utrzymania i napraw głównych