В даний час актуальним науковим напрямом як у теоретичній, так і у прикладній сфері автоматизації процесів систем підтримки прийняття рішень (СППР) є штучний інтелект (ШІ).
Особливо доцільним є застосування СППР з метою оцінки різних комплексних показників у технічних системах, зокрема з оцінки ризиків відмов окремих елементів, блоків чи агрегатів [1].
Це дозволяє знизити тимчасові витрати на процеси проведення розрахунків та аналізу даних, надаючи короткі рекомендації та результати, що інтерпретуються.
Одним із ключових елементів типової СППР є база знань (БЗ), що формується на основі виділення логічних несуперечливих правил та їх комбінацій, найчастіше формалізованих у вигляді продукційних форм моделі подання знань [2]. У зв'язку з відсутністю досить функціональних і гнучких систем і засобів, здатних здійснювати побудову таких БЗ для оцінки ризиків технічних систем, виникає необхідність самостійної розробки програмного забезпечення за допомогою високорівневих мов програмування та створення реляційного сховища даних. У запропонованому проекті використовується мова програмування Python, фреймоворк Django та система управління базами даних sqlite.
Головні поля програмної логіки системи наведено на рис.1. Реалізовано 11 окремих об’єтів, кожен з яких (крім службових django_session та django_migrations) знаходиться у відносинах та залежності від інших для забезпечення цілісності даних.
Рисунок 1 – Головні поля програмної логіки системи
З метою управління CRUD процесами з обробки даних у БД застосовано додатковий склад сутностей об’єктів Django. Структура сутностей БД для адміністрування системи наведена на рис.2.
Висновки. Розроблена структура БД реалізації БЗ для інтелектуальної СППР дозволяє побудувати чітку та послідовну модульну комбінацію об’єктів для обробки та зберігання правил та інших даних.
Рисунок 2 – Структура сутностей бази даних для адміністрування системи
Це може бути використано у подальшій роботі над СППР для виконання процесів оцінки та аналізу різнорідних даних великих обсягів, у тому числі ймовірностей виходу з ладу технічного обладнання чи збитків від збільшення зносу окремих підсистем.
Список використаних джерел
1. Пасічник В.В., Резніченко В.А. Організація баз даних та знань. — Київ: Вид. група BHV, 2006. — 384 с.
2. Ярцев В.П. Організація баз даних та знань. — Київ: Державний університет телекомунікацій, 2018. — 214 с.
|
Голосування 
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter