• <table id="wwcqc"><input id="wwcqc"></input></table>
    <s id="wwcqc"></s>
    <blockquote id="wwcqc"></blockquote>
  • <menu id="wwcqc"></menu>
  • 今天是: ,荊門市供水總公司歡迎您!
    一種以知識管理為核心的智慧水務軟件體系
    作者:佚名    來源:本站原創    點擊數:23493    錄入:admin     

    摘要:本文介紹一種以知識管理為核心的智慧水務軟件體系構想及其可行性研究。這種軟件體系主要針對水務專業領域,以該領域的知識管理為核心展開其軟件系列的結構。本文試圖論述這種軟件體系與傳統的專家系統、傳統的知識管理系統的區別,以及與現有的流行方法相比具有什么優勢。

      關鍵詞:知識管理,智慧水務,專家系統

      一、引言

      目前全國水務行業正刮起“智慧水務”之風。對于智慧水務概念中何為“智慧”雖眾說紛紜,但總的來說都大致都承認它必須以信息技術為載體,在自動化和計算機的軟硬件上下功夫,從而實現企業的相關改革。因此這是一個以信息技術的發展為背景,催生出企業對自身改革愿望的一種實現方式。

      單以軟件技術方面論,目前談得比較多的軟件核心主要有三種,即水力模型、GIS系統和特定商業智能(比如分析營抄數據來分類用戶行為)。其中水力模型是在管網拓撲的基礎上,以水力學計算為主要手段,模擬并預測管網中可能發生的情況;GIS系統被認為是“智慧城市”的基礎,在其實現對管網拓撲的管理上,展開多種處理技術,可以實現各種智能化功能;特定的商業智能包括數據分析、挖掘等等,在“大數據”一詞的流行中,也可以將兩者合并來看待。這三種系統技術并不是“智慧水務”的唯一內容,但幾乎所有的智慧水務建設大致上莫不圍繞此三者展開。比如管網的智能巡檢、遠程自動抄表、小區域的壓力自動控制閥門等等,其軟件方面的“智慧性”都是采用三者其一或綜合來體現的。

      本文擬探討一種采用第四種“核心”技術的方案,即以知識管理為核心,其特點是并不局限于即時性地運用某一個方面的智慧,而是存儲和管理“智慧”,在這樣的基礎上再來利用其智慧的各種軟件系統建設。

      二、技術問題分析

      過去的“智慧水務”核心技術大致上有如下三個問題:

      1.“智慧”的來源單一

      水力模型的“智慧”主要體現在若干水力學公式上,計算機將公式運用到拓撲上,通過率定手段矯正公式或者拓撲。因此這些公式實際就把所有運用到系統中的“智慧”都囊括了。這勢必要求計算條件要符合公式的前提假設,因而太理想化。率定方法可以根據事實去調整公式或拓撲,但這種方法一來意味著它是根據當前的情況去調整,二來假定公式或拓撲有可調整性。前者的問題是:情況在不斷變化,一次性的率定可能很快就失效了。補救措施是自動地持續率定,這就要求公式或者拓撲是具有可持續率定的穩定性的。這個假設是否成立,需要時間檢驗,需要事實考驗。但無論如何,“智慧”來源單一、高度濃縮,是這類方法的先天缺陷。除了教科書上的教條,知識還來源于一線業務員們積累的經驗,來源于數據挖掘,來源于網絡的離散的文本,來源于各種其它業務系統——比如用戶的投訴、管道的養護等等。傳統商業智能同樣如此,當我們津津樂道于“大數據”的時候,往往忽略了“大數據”只是提供了豐富的事實材料,卻沒有持續地提供足夠的業務“智慧”去處理事實材料。

      2.“智慧”的即時性強而缺乏傳承

      人的智慧是通過一代代傳承而不斷累積改進的。但過去的技術并不珍惜“智慧”。要么像公式那樣只跟當前的狀態有關,要么像挖掘所用的業務規則那樣認為業務亙古不變,這些都是有問題的。即時性的“智慧”只能在那些馬爾可夫假設成立的領域里使用。那么,管網的運行是否符合馬爾可夫假設?這似乎也需要時間和事實檢驗。在傳統行業中,“傳承”是一個特別重要的能力,工匠們將自己的經驗傳承給繼承者,這個智慧是不斷累積的而不是斷代式、突發式地憑空創造出來的。供水生產需要積累調度經驗,供水營銷需要積累用戶關系,整個運營是不斷累積經驗的。

      3.可持續改進性低

      由于“智慧”的來源單一、即時性太強,因此就衍生出第三個問題:可持續改進性比較低!百|量”是產品本身而不是產品的一個屬性,質量無法持續改進的產品,是沒有生命力的產品。持續地率定能夠部分地彌補這樣的問題,但是方法的單一性會導致風險。比如自動率定是否能保證它的收斂性?人工率定如何保證持續性?并且最根本的問題是,理想化設定往往會無視顯而易見的重要問題。比如管道工程需要區域性地停水是常見的情況,這其中既有暫時性的影響(施工停水),也有長久性的影響(新管道引起拓撲變化),那么這種理想化條件的“干擾因素”如何予以快速而持續的應對呢?

      三、傳統的解決方案

      針對這樣的問題,傳統的計算機解決方案主要有知識管理系統KMS、人工智能的專家系統等等。

      在我看來,KMS主要有兩點問題:

      (1)存儲的是人的智慧而不是計算機的“智慧”

      KMS是使用計算機存儲組織過程資產(比如各種文檔、人員經驗等)的系統,新型的云存儲擴展了KMS的遠程化能力。但在KMS中所存儲的內容,主要還是人的自然語言,而不是計算機的規范化語言。因此即便新型AI能在一定程度上處理離散文本,它的主要精力仍然沒有放在處理專業內容上。這樣的KMS只會積累了一大堆只有人能看懂的知識,無法用計算機直接處理。

      (2)無邊界性

      建設KMS系統很容易陷入“坑”里,因為編寫的知識無邊界性。知識寫得太深入徒增成本,寫得太淺沒有價值,寫得太專業應用得少,寫得太泛無法運用。因此建設KMS時要對條目預先進行條件約束,而計算機規范化就是這樣的一類約束。為了達到效果,應在約束條目時就預先籌劃好未來如何運用條目——要注意是對運用條目進行籌劃,而不是對未來的業務籌劃。企業常常制訂各種“規劃”,這些規劃是業務性的。對技術的規劃不能脫離業務,但不能僅僅是業務,否則往往最終成果無法計算機處理。

      傳統專家系統提出以知識庫存儲專家知識,以邏輯推理機將事實數據與知識庫相結合推論出結論來支持決策。但是這類系統問題可能如下:

      (1)知識表達的要求太嚴格

      知識庫中的知識條目可以用產生式(從前件可得到后件)或謂詞邏輯、框架式(為知識設定若干框架,然后將知識納入框架中)、語義網絡(類和對象的表示法)、過程式、特征表等等,不可謂形式不豐富。問題在于往往只能使用一種表達方式,這就限制了知識來源的多樣性。如果水力模型研究了那么多年,高度濃縮了專家智慧的公式卻無法用于邏輯推理的系統,這是非常浪費的。

      (2)知識條目無評價

      知識條目都僅僅是理論教條,它們需要通過事實來檢驗,否則會過時、脫離實際。各種率定方法、采用率的評分、反饋,實質就是要讓這些條目得到評價而獲得更新。傳統專家系統的問題,就是“重建設而輕管理”,將主要精力放在了技術上知識庫與推理機如何實現推導,而沒有重視知識循環。

      四、以知識管理為核心的軟件體系

      解決方法是結合KMS與專家系統形成的框架,如圖1所示。既要管理知識,又不能無約束地編寫知識,而是要預先籌劃這些知識如何運用。管好才能用好,“管好”需要朝著“用好”去管,二者是互生互動的關系。

      值得注意的是,籌劃并不等于設計。例如:對于未來籌劃要分析調度的特定動作會對供水壓力、電耗、取供比、缺水投訴率等指標有何影響,可以針對調度指令動作進行籌劃,將調度指令規范化為各種選項的組合。但是此時并不涉及到如何分析這些選項內容的問題。因為要分析這些選項,既可以是以統計的算法計算動作與事實數據的相關性,也可以是采用謂詞邏輯的方式來演繹邏輯結果,還可以用水力模型去模擬這些選項會造成何種影響。因此籌劃的重點是如何約束知識,并不需要馬上針對特定算法進行設計。

    一種以知識管理為核心的智慧水務軟件體系 (1).jpg

    圖1 以知識管理為核心的軟件體系示意圖

      圖1中,虛線框內是核心的知識管理部分,包括規范化的知識庫和多維度代理機器人兩個部分。多個知識來源須按知識規范輸入知識到知識庫。知識規范體現的就是對知識進行籌劃的成果,負責為知識內容提供規范化形式,從而約定語義。這樣代理機器人就用它去翻譯知識。另一部分是存儲結構,規定了知識表達的語法。

      代理機器人是一種中介,它負責按知識規范解釋知識,為推理機提供內涵。由于知識來源(知識輸入源)、立場(從專家、領導、客戶、中介等不同角度)、表達形式(公式、謂詞、過程描述、產生式、框架、語義網絡等)、可靠性(評估知識條目的結果)、影響力(知識的權重)、主題相關性(關鍵詞、主題詞的關聯數量)等具有多樣性,推理機算法也具有多樣性,因此代理機器人是多維的。比如在推理機用聚類算法分析用戶行為,就調動屬于聚類算法和分析行為這兩個維度的那些代理機器人(包括各種表達方式、立場、知識來源)來進行推理。這就綜合運用了多種表達方式、多個立場、多種知識來源。

      結合內涵知識和外延事實來推理結論,其實水力模型也是這樣的過程:比如伯努利方程可視為流速(瞬時流量)與壓強(供水壓力)關系的知識。那么采集到的具體流速或壓強就是外延事實,兩者結合起來就能從某監測點采集到的瞬時流量推論出供水壓力,或反之。

      使用推理機進行計算時,事實數據并不一定像伯努利方程的例子那樣能直接利用。比如對謂詞邏輯,還需要模糊邏輯將具體數值翻譯為“高/中/低”這樣的陳述。那么執行這種翻譯操作的就是規則翻譯代理機(實際上也是一個代理機器人)。因為內涵與外延在后來要通過推理機進行結合,因此這種翻譯要與知識規范相對應。

      推理機得到的結果還需要解釋器進行翻譯。推理機只是負責得到結論,而解釋器是運用結論。比如調度方案通過這么多結論進行選優(決策支持)、或者將這些結論以報表展示、或是按統計方法聚合這些結論(數據挖掘)。解釋器的部分結論是可以作為新的事實反饋回原始數據區(即將解釋器本身視為業務系統)!白罱K結論”本身又可以成為知識來源。

      為了體現知識的更新,通過解釋器得到的“最終結論”都需要通過評價器估算其質量。這種質量主要就體現在可靠性或穩定性上。評估的結果會改變知識庫(比如給每一個條目以可靠性程度指標)和推理機(比如對每種算法以評估以對比優劣),從而影響下一個計算循環(比如在算法中加入可靠性因子,可靠性程度高的知識賦予較高權重)。

      五、此體系的優缺點

      1.優點

      ●涵蓋了現有的多種方法,通過剪裁就可以靈活地實現為現有的任何一種技術體制,同時又可以綜合運用不同技術體制的能力。

      ●多維度地運用知識和事實,彌補單一維度技術體制的缺陷。

      ●為“智慧”的傳承提供了載體,為“反思”知識提供多種途徑!爸腔邸笨衫^承,可遷移,有評價。

      ●編寫知識條目有依據有邊界。各種周邊系統就可根據知識規范展開建設。

      2.缺點

      ●體系過于復雜,實現成本較高,適合逐步建設完善。

      ●“智慧”的成熟比較慢,需要較長的時間持續優化。

      ●收斂性未知,多種決策體結論有可能是沖突的。

      六、總結

      哲學家迦達默爾說:“凡是在某種東西能被我們所產生并因而被我們所把握的地方,存在就沒被經驗到,而只有在產生的東西僅僅能夠被理解的地方,存在才被經驗到”。業務系統所把握的細節數據并非“智慧”,“智慧”存在于對數據的理解、抽象!爸腔鬯畡铡钡母鞣N周邊業務系統得到的是“智慧”的表象,只有將其進行理解、運用、管理起來,才是真正的“智慧水務”。之所以要以知識管理為核心,正是基于這樣一種認識。

      需要注意的是,這里所探討的軟件體系,是一種環境,而不是工具,是“智慧+”,而不是“+智慧”。但是計算機確實又是一種工具學科,IT所做的事情是建立這樣的工具。于是營造這樣的環境就需要IT人與傳統行業的業務人一起共同努力。因此“智慧+”就不是IT人自說自話能夠完成的,它必須和業務本身完全結合起來,否則始終只是隨時能被犧牲掉的工具。反之,這也不是業務人能自說自話的,否則業務根本不會發生變革——正是那些能夠由業務自行變革獲得的紅利已經耗盡,才需要IT技術發展帶來的新機遇。因此以知識管理為核心的軟件體系,IT人與業務人的工作都是缺一不可的。

    參考文獻

    1.Q Zhou,D Chen,A Logic Based Framework for Multi-Objective Decision Making,Springer Berlin Heidelberg,2013,181:961-966.

    2.王萬良,《人工智能及其應用》,高等教育出版社,2008年.

    3.李東,《決策支持系統與知識管理系統》,中國人民大學出版社,2005年.

     
    版權所有:荊門市供水總公司
    地址:荊門市泉口一路69號 聯系電話:0724-2304630 網站備案編號:鄂ICP備11003957號
    久久大香萑太香蕉av黄软件_漂亮人妻被强中文字幕久久_男男高h喷水了肉_人人人妻人人人妻人人人