К вопросу о разработке нейросетевых экспертных систем

На сегодняшний день для производства целесообразной является задача разработки и изготовления изделий не на склад, а «от обратного» результата, то есть, от желаемого уровня рентабельности и выпуска. Следовательно, разработка современного программного обеспечения для обработки данных маркетинговых исследований предпочтений потребителей является актуальной задачей.

Существует значительное число унифицированных программных продуктов по статистике, анализу и синтезу экспертных данных (например, MAPLE, «Statistica for Windows», MS Exel, PolyAlalyst, Matlab имногие другие), имеющих широкую область применения. Из перечисленных выше программных средств, как наиболее развитая, выделяется среда компьютерной математики MATLAB, в первую очередь в связи с тем, что в ней реализованы современные алгоритмы построения средств нечёткой логики, задач оптимизации и обучения нейронных сетей.

Для анализа применения нейронной сети в экспертном модуле для автоматизации планирования производства в MATLAB (на примере швейного предприятия) необходимо:

сформировать персептрон соответствующей размерности, указав в качестве функции обучения learnpn;
сформировать обучающее множество;
осуществить настройку параметров персептрона, при этом возможны два варианта:

а) выполнить процесс обучения персептрона с помощью функции adapt или train;

б) аналитически вычислить требуемые значения весов и смещений и присвоить их соответствующим параметрам;

путем моделирования проверить результат работы обученной сети.
построить график, изображающий пространство входов и линии, отображающие, как настроенная нейронная сеть делит пространство входов на подпространства, соответствующие различным классам.
выбрать архитектуру и сформировать искусственную нейронную сеть, способную, после обучения, классифицировать двухэлементные входные векторы и классифицировать: мужской пиджак по двум признакам (количество деталей кроя и максимальное время обработки) на два класса:

1) низкая ценовая группа – количество деталей кроя не более 15 и время обработки не более 2 часов;

2) высокая ценовая группа – количество деталей кроя более 15 и время обработки более 2 часов.

Рисунок 1 – Рабочее окно MATLAB с результатами обучения

По найденным коэффициентам обученная сеть разделила область на 4 сегмента и эксперт-технолог примет решение, имеет ли смысл проводить дальнейшие работы по проектированию изделия и запускать его в производство или необходимо вернуться к корректировке входных данных. Для закрепления логических связей сегментов и предприятий после ранжирования, каждое предприятие получает свой сегмент рынка и строит свою ценовую политику на партнёрских взаимоотношениях.

Литература

1. Чекардовская,И.А. Эффективная система проектирования производственных процессов [Текст] / И.А. Чекардовская, Л.Н. Бакановская, И.А. Торопова // Научное обозрение. – 2015. - № 5. С. 272-278;

2. Мокеева,Н.С. Методология автоматизации проектирования технологического процесса изготовления мужских костюмов для разных ценовых сегментов рынка [Текст] / Н.С. Мокеева, Л.Н. Бакановская, В.А. Заев. – М. : ИИЦ МГУДТ, 2010. – 150 с.

3. Мокеева,Н.С. Анализ рынка потребителей города Новосибирска с целью разработки информационной базы для проектирования мужских костюмов разных ценовых групп [Текст] / Н.С. Мокеева, Л.Н. Бакановская, Н.А. Кузьмина // Швейная промышленность. – 2008. – № 6. – С. 47-49;

4. Бакановская,Л.Н. Проектирование технологического процесса обработки мужских костюмов для разных ценовых сегментов рынка [Текст] / Л.Н. Бакановская, Н.С. Мокеева // Швейная промышленность. – 2009. – № 5. – С. 26-27;

5. Иванов,В.А. Методика определения показателей эффективности организации производства с помощью графоаналитического метода [Текст] / В.А. Иванов, И.Г. Волынец, И.А. Чекардовская // Известия высших учебных заведений. Нефть и газ. – 2009. – № 1. – С. 48-52;

6. Мокеева,Н.С. Создание АРМ технолога для проектирования технологического процесса [Текст] / Н.С. Мокеева, Л.Н. Бакановская // Программные продукты и системы. – 2009. – № 4. – С. 52-54;

7. Ахмадулин,Р.К. Программное обеспечение проектирования и оценки качества полевых геофизических исследований на нефть и газ [Текст] : автореферат дис. … канд. техн. наук / Ахмадулин Руслан Камильевич. – Тюмень. : Изд-во «Нефтегазовый университет», 2006. – 18 с.;

8. Глухих,И.Н. Ситуационные модели в корпоративных базах знаний геолого-технологических мероприятий [Текст] / И.Н. Глухих, В.Н. Пьянков, А.Р. Заболотнов // Нефтяное хозяйство. 2002. – № 6. – С. 45;

9. Глухих,И.Н. Применение нечеткой логики в моделировании информационной системы обнаружения мошенничества с использованием пластиковых карт [Текст] / И.Н. Глухих, А.П. Моор // Вестник Тюменского государственного университета. – 2006. – №5. – С. 204-210