Seminararbeit: Programmierung von Expertensystemen am Beispiel
Werbung
Seminararbeit: Programmierung von Expertensystemen am Beispiel von CLIPS Arbeitsgruppe 4 Lösung von Allokationsproblemen mit wissensbasierten Verfahren betreut durch Dipl. Kfm. Tim Stockheim Dirk Weil Seminar: Automatisierte Ressourcenallokation unter der Leitung von Prof. Dr. König Seminararbeit zum Thema: Programmierung von Expertensystemen am Beispiel von CLIPS Dirk Weil AG 4, betreut durch Dipl. Kfm. Tim Stockheim Seminar Automatisierte Ressourcenallokation, unter der Leitung von Prof. Dr. König Programmierung von Expertensystemen am Beispiel von CLIPS Inhaltsverzeichnis 1 2 3 4 5 6 Einführung ................................................................................................................................... 3 Kurzvorstellung Expertensystem................................................................................................. 4 2.1 Einführung Knowledge Source ............................................................................................ 4 Tools zur Erstellung eines Expertensystems .............................................................................. 6 3.1 CLIPS................................................................................................................................... 6 3.2 JAVA Expert System Shell (JESS) ...................................................................................... 8 3.3 JessTab................................................................................................................................ 9 Programmbeispiel: Produktionsplanungssystem...................................................................... 10 Fazit........................................................................................................................................... 14 Literaturliste............................................................................................................................... 15 2 Seminararbeit zum Thema: Programmierung von Expertensystemen am Beispiel von CLIPS Dirk Weil AG 4, betreut durch Dipl. Kfm. Tim Stockheim Seminar Automatisierte Ressourcenallokation, unter der Leitung von Prof. Dr. König 1 Einführung Expertensysteme galten bis ca. Mitte der 90er Jahre als erfolgversprechender Ansatz der künstlichen Intelligenz um Probleme zu lösen, bei denen Informationen nur unvollständig bzw. unsortiert vorlagen. Einen Spezialfall dieser Expertensysteme stellt das im Folgenden behandelte „hierarchische Blackboard System“ dar. Dieses stellt eine der Vorstufen zu den heutigen Agentensystemen dar, da bereits diese Blackboardsysteme mit Einheiten arbeiteten, die heutigen Agenten sehr ähneln, den sogenannten „Knowledge Sources“. In der vorliegenden Arbeit soll darauf eingegangen werden, welche Eigenschaften Knowledge Sources haben sollen, wie die Entscheidungsfindung und –begründung (das sogenannte „Reasoning“) funktioniert, und wie diese erstellt werden können. Nach einer Erläuterung der allgemeinen Eigenschaften der Knowledge Sources werden zwei Tools zur Erstellung von Expertensystemen vorgestellt, zum einen CLIPS und zum anderen JESS (Java Expert System Shell), eine Programmierumgebung, die mit den gleichen Befehlen und ebenso mit der Syntax von CLIPS arbeitet, aber dank der Umsetzung in Java nahezu plattformunabhängig eingesetzt werden kann. Dies erlaubt es, JESS mit anderen JAVA – basierten Tools zu ergänzen, bzw. mittels JAVA Schnittstellen zu anderen Tools zu schaffen. Im Anschluss daran wird noch ein Tool zur Ergänzung von JESS vorgestellt, das genau diese Erweiterungsfähigkeit des JESS – Systems ausnutzt. Zum Abschluss dieser Arbeit folgt dann ein Programmbeispiel für ein kleines Expertensystem zur Produktionsplanung. 3 Seminararbeit zum Thema: Programmierung von Expertensystemen am Beispiel von CLIPS Dirk Weil AG 4, betreut durch Dipl. Kfm. Tim Stockheim Seminar Automatisierte Ressourcenallokation, unter der Leitung von Prof. Dr. König 2 Kurzvorstellung Expertensystem Expertensysteme dienen als Entscheidungsbasis für komplexe Probleme, die vielschichtige Strukturen haben und häufig von menschlichen, hochspezialisierten Experten gelöst werden. Die Beispiele für ihre konkrete Anwendung sind äußerst vielseitig, die Spannbreite reicht hier von Spracherkennungssystemen über medizinische Anwendungen bis hin zu Prozesssteuerung und Produktionsplanungssystemen bei denen es auf eine optimierte Ressourcenallokation ankommt. Bei den hier betrachteten Blackboardsystemen handelt es sich um einen Spezialfall eines Expertensystems. Kennzeichnend ist hier, dass versucht wurde, eine menschliche Expertenrunde abzubilden, die ihre jeweiligen Kenntnisse auf einer Tafel zusammenbringt, diese in Zwischenschritten zu Arbeitsergebnissen formt und zur weiteren Verwendung durch andere Experten wieder an der Tafel anschreibt, bis ein gemeinsames Ergebnis gefunden wurde. Ein Blackboardsystem besteht im wesentlichen aus 3 Elementen: Dem eigentlichen Blackboard, welches in der Regel aus einer Datenbank besteht, den „Experten“, die hier als Knowledge Sources bezeichnet werden, sowie einer Verwaltungsinstanz, die bestimmt, wer wann auf das Blackboard zugreifen darf, so dass Zugriffskonflikte vermieden werden. Es findet also eine Modularisierung von Expertise statt, die um beliebige weitere Module (analog weiterer Experten) ergänzt werden kann. Dies verleiht den Expertensystemen eine hohe Flexibilität, die zumindest theoretisch eine einfach zu realisierende Optimierung des Systems erlaubt. 2.1 Einführung Knowledge Source Kennzeichnend für die Struktur von Blackboardsystemen ist die Entscheidungsfindung über sogenannte „Knowledge Sources“. Diese repräsentieren „Experten“, d.h. jede von ihnen verfügt über spezielle Eigenschaften, die verschiedene Aspekte zur Problemlösung einbringen. Knowledge Sources können: • Selbständig Informationen auf dem Blackboard finden und filtern • Anstelle eines Benutzers Aktionen selbständig durchführen • Im Bedarfsfall mit dem Benutzer kommunizieren um weitere Informationen zu erhalten, oder den Benutzer über die Resultate ihrer Aktion informieren. 4 Seminararbeit zum Thema: Programmierung von Expertensystemen am Beispiel von CLIPS Dirk Weil AG 4, betreut durch Dipl. Kfm. Tim Stockheim Seminar Automatisierte Ressourcenallokation, unter der Leitung von Prof. Dr. König Daniel D. Corkill, Blackboardsysteme, einer der beschreibt führenden die Wissenschaftler Eigenschaften von auf dem Gebiet Knowledge der Sources folgendermaßen1: • Jede Knowledge Source (nachfolgend auch „KS“ genannt) ist ein Spezialist zur Lösung bestimmter Aspekte des Gesamtproblems. • Keine KS erfordert andere Knowledge Sources um ihren Beitrag erbringen zu können. Sobald sie für sie relevante Informationen auf dem Blackboard findet, kommt sie ohne weitere Unterstützung durch andere KS aus. • Weitere Knowledge Sources können in das Gesamtsystem eingebracht werden, ohne das andere KS geändert werden müssen. • KS die sich als wenig effizient erweisen, können ohne Auswirkungen auf die anderen KS verändert oder aus dem System entfernt werden. • KS führen relativ aufwendige Berechnungen durch, verglichen mit dem Rechenaufwand der mit ihrer Implementierung verbunden ist. Aus dem letzten Punkt ergibt sich ein gewisser Optimierungsbedarf für die KS. Zu Zeiten, als Rechenkapazität knapp war, wurde versucht, das Problem durch eine Abschätzung des Ergebnisses anstelle seiner exakten Berechnung zu umgehen. In diesem Falle gibt die KS den Näherungswert, den potentiellen Lösungsweg sowie einen Wahrscheinlichkeitswert an die Kontrollinstanz des Blackboards weiter. Mit Hilfe dieses Wahrscheinlichkeitswertes wird bei konkurrierenden Zugriffen auf das Blackboard entschieden, ob das Ergebnis am Blackboard „angeschrieben“ wird, oder ob es mit einem anderen Ergebnis verschmolzen oder gar entfernt wird, so dass es möglicherweise niemals am Blackboard ankommt. Ein weiteres Charakteristikum der Knowledge Sources ist die Vielzahl an Möglichkeiten zur Umsetzung. Die Entscheidungsfindung / -begründung (auch Reasoning) kann im einfachsten Fall eine regelbasierte Lösung sein, es kann sich dabei aber auch um so ein neuronales Netz oder auch ein sogenanntes „Fuzzy – Logic“ Programm handeln, was zum Beispiel vom FuzzyJ – Toolkit des National Research Center of Canada (NRC) als Erweiterung zu JESS unterstützt wird. 1 Aus Daniel D. Corkill: Blackboard Systems, Seite 2 5 Seminararbeit zum Thema: Programmierung von Expertensystemen am Beispiel von CLIPS Dirk Weil AG 4, betreut durch Dipl. Kfm. Tim Stockheim Seminar Automatisierte Ressourcenallokation, unter der Leitung von Prof. Dr. König 3 Tools zur Erstellung eines Expertensystems Erste Tools zur Erstellung eines Expertensystems wurden ab 1977 entwickelt, hier ist vor allem Penny Nii’s AGE Skeletal Blackboard Framework zu nennen, dass zwischen 1977 und 1982 an der Stanford Universität entwickelt wurde. Weitere bekannte Tools waren das BB1 von Barbara Hayes-Roth (ebenfalls Stanford Universität) sowie das UMass GBB framework von Daniel D. Corkill (University of Massachusetts).2 Im Folgenden werden zwei Entwicklungstools beschrieben, die den letzten Entwicklungsstand repräsentieren; CLIPS und JESS. 3.1 CLIPS Bei CLIPS handelt es sich um eine ursprünglich von der NASA entwickelte Entwicklungsumgebung für Expertensysteme. Es ist frei verfügbar für Solaris, Mac OS und Windows. Obwohl CLIPS in C geschrieben wurde, ist die Syntax an LISP angelehnt, eine Programmiersprache, die im Bereich der künstlichen Intelligenz als Referenz gilt. Programmiert wird CLIPS in der Sprache COOL (CLIPS Object Oriented Language). Es besteht die Möglichkeit, nach dem Start des Systems direkt Fakten und Regeln einzugeben, mit denen das System arbeiten soll. Alternativ besteht auch die Möglichkeit, mittels des “(batch)“ – Kommandos Dateien mit COOL – Befehlen einzulesen, die in einem beliebigen Editor erstellt und im Textformat abgespeichert wurden. Ein COOL – Programm besteht im Wesentlichen aus zwei Teilen: den Fakten (auch Fact Knowledge Base) und den Regeln. Diese können jedoch in separaten Dateien enthalten sein und nacheinander geladen werden. Bevor das Expertensystem dann gestartet werden kann, müssen die Fakten noch aus der Knowledge Base in den Arbeitsspeicher übertragen werden, dies geschieht mit dem „(reset)“ – Kommando, welches gleichzeitig alte Fakten aus vorhergehenden Programmläufen aus dem Arbeitsspeicher entfernt. Erst dann kann mittels des „(run)“ – Kommandos das Expertensystem gestartet werden. Das System arbeitet solange Fakten vorhanden sind, die auf die bestehenden Regeln anwendbar sind und damit die mit den Regeln verbundenen Aktionen auslösen. Diese Aktionen können zum Beispiel auch Fakten ändern, löschen oder neu hinzufügen. (Dies 2 Aus: Daniel D. Corkill, Blackboard Systems, Seite 11 6 Seminararbeit zum Thema: Programmierung von Expertensystemen am Beispiel von CLIPS Dirk Weil AG 4, betreut durch Dipl. Kfm. Tim Stockheim Seminar Automatisierte Ressourcenallokation, unter der Leitung von Prof. Dr. König könnte z. B. die Menge eines Rohstoffs oder der erstellten Produkte in einem Produktionsplanungssystem sein). Mittels des „(agenda)“ – Befehls ist eine Anzeige der derzeit aktivierten Regeln möglich. Die mit diesen Regeln verbundenen Aktionen werden in der Reihenfolge der Ausgabe ausgeführt. Interessanterweise unterstützen sowohl CLIPS als auch JESS nur das LIFO und das FIFO – Verfahren zur Kontrolle des Zugriffs auf das Blackboard. Offensichtlich ist eine effektive Kontrollinstanz, wie unter 2. beschrieben, nur schwer umzusetzen. Es ist schwer zu sagen, welcher Ansatz der effektivere ist, Maarten Menken schreibt hierzu3: „Es ist schwer zu beurteilen, das die eine [Methode] besser ist als die andere, ohne die spezifische Anwendung zu betrachten. Sogar dann, kann es schwer sein, zu beurteilen, welche die Beste ist.“ Standardmäßig benutzen CLIPS und auch JESS die LIFO – Einstellung. Eine Regel besteht aus zwei Seiten, der „Left-Hand-Side“ (LHS) und der „Right-HandSide“ (RHS), die durch „=>“ getrennt sind. Erstere gibt die zu erfüllende Bedingung an, auf der „Right-Hand-Side“ befindet sich die Anweisung für den Fall, das die LHS erfüllt wurde. Im Folgenden ein kleines Beispiel: (defrule lion-eats ; Regel “lion-eats” (present lion) ; Wenn eine Löwe vorhanden ist, (hungry lion) ; der Löwe hungrig ist, (present student) ; und ein Student anwesend ist, => (assert (eats lion))) ; löse folgendes Ereignis aus: (auch „triggern“) ; Löwe isst (wird den Eigenschaften des Löwen mit „(assert)“ hinzugefügt) Was passiert nun, wenn zwei Regeln auslösen, die einander zunächst widersprechen? Wenn z.B. eine Regel existiert, die besagt, dass der Student flüchten soll, wenn er einen Löwen sieht? 3 Jess Tutorial, Seite 20 7 Seminararbeit zum Thema: Programmierung von Expertensystemen am Beispiel von CLIPS Dirk Weil AG 4, betreut durch Dipl. Kfm. Tim Stockheim Seminar Automatisierte Ressourcenallokation, unter der Leitung von Prof. Dr. König Für diesen Fall gibt es die Möglichkeit, Regeln mit einer Priorität auszustatten. Mit Hilfe der „(salience)“ – Anweisung kann der Regel ein Wert für die Priorität zugeordnet werden. Standardmäßig ist dieser Wert bei jeder Regel Null. Würde die Regel „lion-eats“ mit der Anweisung „(salience 1)“ versehen, ist der Konflikt gelöst und der Löwe gesättigt. Ein weiteres wichtiges Kommando ist „(halt)“. Wie bereits erwähnt, läuft das System solange noch Regeln aktiviert werden. Es kann aber sein, dass das eigentliche Ziel bereits erreicht wurde (beispielsweise eine oder mehrere Variablen nun einen neuen Wert haben). Für diesen Fall kann mittels „(halt)“ und „(salience)“ eine Stopregel geschaffen werden. Diese sollte dann den höchsten Salience – Wert unter allen Regeln haben. Da im Folgenden lediglich mit regelbasierten KS gearbeitet wird, sei noch einmal darauf hingewiesen, dass es sich nicht um eine prozedurale Abarbeitung dieser Regeln handelt, alle Regeln überwachen permanent den Status ihrer LHS. 3.2 JAVA Expert System Shell (JESS) JESS ist vollständig zu CLIPS kompatibel, jedoch ist es auch als Source Code verfügbar. Da JESS in JAVA entwickelt wurde, besitzt es den Vorteil einer höheren Plattformunabhängigkeit. Voraussetzung hierfür ist lediglich ein installiertes Java Development Kit (JDK) ab Version 1.3.1. Derzeit läuft JESS unter den Betriebssystemen Windows, Linux, Solaris und Mac OS. Interessant ist JESS jedoch nicht allein wegen seiner JAVA – Implementierung, sondern wegen der vielen Erweiterungen und Schnittstellen, die im Laufe der Zeit entwickelt wurden. Generell kann JESS COOL – Code, der für CLIPS entwickelt wurde, verarbeiten und verfügt darüber hinaus aber noch über einen erwähnenswerten Unterschied: Das Kommando „(run-until-halt)“; unter 3.1 wurde ausgesagt, dass das Expertensystem solange laufen wird, bis entweder keine weiteren Regeln auslösen, oder es mittels des „(halt)“-Kommandos beendet wurde. Mit dieser neuen Funktion ist es möglich, das System auf die Eingaben eines Agenten warten zu lassen, die wieder neue Regeln auslösen können. Damit nimmt JESS eine Sonderstellung in der Entwicklung vom Expertensystem zu heutigen Agentensystemen ein. 8 Seminararbeit zum Thema: Programmierung von Expertensystemen am Beispiel von CLIPS Dirk Weil AG 4, betreut durch Dipl. Kfm. Tim Stockheim Seminar Automatisierte Ressourcenallokation, unter der Leitung von Prof. Dr. König 3.3 JessTab JessTab ist eine Schnittstelle zwischen dem Ontologie und Knowledge – Base Editor Protégé-2000 und Jess. Während der Begriff einer Knowledge – Base noch allgemein bekannt sein dürfte, so scheint an dieser Stelle ein kleiner Exkurs zum Thema „Ontologie“ angebracht. Was ist nun also eine Ontologie, und wozu wird sie verwendet? Natalya F. Noy und Deborah L. McGuinness schrieben dazu4: „Eine Ontologie definiert ein gemeinsames Vokabular für Forscher, die Informationen innerhalb einer Domäne austauschen müssen. Sie schließt maschineninterpretierbare Definitionen der grundlegenden Konzepte in der Domäne sowie die Beziehungen innerhalb der Domäne mit ein.“ Ontologien ermöglichen somit: • Das Teilen einer gemeinsamen Informationsstruktur (innerhalb einer Gruppe von Menschen oder unter Softwareagenten) • Die Wiederverwendbarkeit des Wissens einer Domäne • Trennung von Domänenwissen und operationalem Wissen • Die Analyse von Domänenwissen Bei der Entwicklung eines Expertensystems ist die Verwendung einer Ontologie eine wertvolle Hilfe bei der Strukturierung der zu verarbeitenden bzw. erzeugten Informationen. JessTab stellt hierzu die folgenden Funktionalitäten bereit:5 • es implementiert ein Jess Fenster in Protégé • es ermöglicht Jess, Knowledge Bases aus Protégé als Fakten in Jess zu übernehmen • und Jess – Regeln auf Protégé - Instanzen anzuwenden Protégé-2000 erlaubt dem Benutzer darüber hinaus, eigene Formulare zur Sammlung von Fakten zu erstellen, die in der Domäne enthaltenen Daten grafisch aufzubereiten und Daten aus anderen Anwendungen oder Systemen zu übernehmen, die zu Protégé kompatibel sind. 4 Aus Natalya F. Noy and Deborah L. McGuinness, Seite 1 5 Aus Henrik Eriksson: „JessTab Manual“ 9 Seminararbeit zum Thema: Programmierung von Expertensystemen am Beispiel von CLIPS Dirk Weil AG 4, betreut durch Dipl. Kfm. Tim Stockheim Seminar Automatisierte Ressourcenallokation, unter der Leitung von Prof. Dr. König Protégé wird Bestandteil des Vortrages sein, bei dem einige seiner Funktionen am Beispiel des im Folgenden angesprochenen Produktionsplanungssystems demonstriert werden sollen. 4 Programmbeispiel: Produktionsplanungssystem Das Programmbeispiel soll ein regelbasiertes Expertensystem zur Produktionsplanung veranschaulichen. Es sei angemerkt, dass dieses Beispiel lediglich zur Veranschaulichung der Vorgehensweise bei der Erstellung eines COOL – Projektes dient, dieses relativ simple System lässt sich durchaus auch einfacher mit herkömmlichen Programmieransätzen erstellen. Wie Daniel D. Corkill bereits schrieb6: „Die Vorzüge eines Blackboardsystems zeigen sich nicht bei simplen Problemstellungen, ihre Anwendung ist lediglich bei komplexen Anwendungen sinnvoll.“ Diese Aussage gilt auch für das verwendete Beispiel. Problemstellung: Betrachtet wird eine Firma, die Elektrowerkzeuge produziert, Bohrmaschinen und Stichsägen. Diese werden in jeweils 3 Ausführungen mit unterschiedlicher Leistung gefertigt. Die zur Produktion benötigten Teile können zum Teil in Eigenfertigung erstellt werden bzw. von Zulieferern bezogen werden, teilweise ist nur ein Zukauf bzw. ausschließlich Eigenfertigung möglich. Die Firma verfügt über eine Produktionslinie, auf der sowohl die Bohrmaschinen als auch die Stichsägen gefertigt werden, und über eine Werkstattfertigung zur Eigenproduktion von Baugruppen. Es ergeben sich folgende Optimierungsziele: 1. Minimierung von Rüstzeiten auf der Produktionslinie 2. Auslastung der Werkstattfertigung zwischen 90% und 105% 3. Termingerechte Auslieferung Da die vollständige Umsetzung dieses Systems den Rahmen der vorliegenden Arbeit sprengen würde, wird anhand eines Ereignisbaumes eine Übersicht über den 6 Aus Blackboard Systems, Seite 7 10 Seminararbeit zum Thema: Programmierung von Expertensystemen am Beispiel von CLIPS Dirk Weil AG 4, betreut durch Dipl. Kfm. Tim Stockheim Seminar Automatisierte Ressourcenallokation, unter der Leitung von Prof. Dr. König Lösungsansatz gegeben und skizziert, wie die Fact Knowledge Base und notwendige Regeln entstehen. Übersicht Vorgehensweise Im wesentlichen lässt sich das weitere Vorgehen in 3 Schritte aufteilen: 1. Erstellung der Fact Knowledge Base 2. Aufstellen der Regeln, denen das System folgen soll bzw. der Aktionen, die durch die Regeln ausgelöst werden sollen 3. Umsetzung in COOL 11 Seminararbeit zum Thema: Programmierung von Expertensystemen am Beispiel von CLIPS Dirk Weil AG 4, betreut durch Dipl. Kfm. Tim Stockheim Seminar Automatisierte Ressourcenallokation, unter der Leitung von Prof. Dr. König Schritt 1: Erstellung der Fact Knowledge Base Zunächst müssen alle Fakten gesammelt werden, die das System beeinflussen. Dies sind hier z.B.: Stücklisten, Fertigungszeiten, Ressourcenverfügbarkeit, Maschinenzeiten etc. Dann müssen diese Fakten strukturiert werden, und zwar so, dass sich das Expertensystem später möglichst flexibel skalieren lässt. Beginnen wir zunächst mit der Betrachtung des Fertigungsprogramms. Produkt: Modell: Bohrmaschine 500W Gehäuse Motor M500W 750W 1000W GBM M750W M1000W Getriebe GBM1000W Bohrfutter BF1000W Sägeblattaufnahme Elektronik EBM750W EBM1000W Stichsäge 500W 650W M500W Fertigung LZ EF F 1/2 1 E 1 F 1 F F 1 1 750W GST M650W M750W GST750W SBA750W EST650W EST750W Daraus lässt sich für jedes erstellte Erzeugnis eine eigene Stückliste ableiten. Jedes Gerät besteht aus 5 Baugruppen, es werden in jeder Produktgruppe ca. 73 % Gleichteile verwendet. (Der Übersichtlichkeit halber sind die benötigten Stückzahlen immer 1). Aus der Betrachtung der Spalten Fertigung und LZ (Lieferzeit) ist bereits ein Engpass bei der Fremdfertigung von Gehäusen zu erkennen, diese Erkenntnis wollen wir jedoch zunächst zurückstellen. Um die Stücklisten in unserer Knowledge Base verfügbar zu machen, benutzen wir die „(deffacts)“ – Funktion. Mit dem folgenden Script können wir unsere Stücklisten anlegen: (deffacts bm500w (stkl-bm500w GBM M500W GBM1000W BF1000W EBM750W) ) 12 Seminararbeit zum Thema: Programmierung von Expertensystemen am Beispiel von CLIPS Dirk Weil AG 4, betreut durch Dipl. Kfm. Tim Stockheim Seminar Automatisierte Ressourcenallokation, unter der Leitung von Prof. Dr. König (deffacts bm750w (stkl-bm750w GBM M750W GBM1000W BF1000W EBM750W) ) usw. Nachdem die Daten mittels des „(reset)“-Befehls in den Arbeitsspeicher geladen wurden, kann man sich durch Eingabe von „(facts)“ die Stücklisten anzeigen lassen, was etwa so aussieht: f-0 (initial fact) f-1 (stkl-bm500w GBM M500W GBM1000W BF1000W EBM750W) f-2 (stkl-bm750w GBM M750W GBM1000W BF1000W EBM750W) usw. Schritt 2: Aufstellen der Regeln Hier kann man im Wesentlichen dem oben abgebildeten Entscheidungsbaum folgen. Als Beispiel für eine einfache Regel könnte eine Abfrage nach der Gültigkeit des Bestelldatums dienen: (defrule chk-date (today > orderdate) => (retract (?order))) ; Regel “Datumscheck” ; Wenn das Bestelldatum vor dem heutigen Tag liegt, ; löse folgendes Ereignis aus ; Entferne Auftrag aus System Ich habe mich an dieser Stelle auf ein kurzes Beispiel beschränkt, da das System zusammen mit Protégé während des Vortrages präsentiert werden soll. 13 Seminararbeit zum Thema: Programmierung von Expertensystemen am Beispiel von CLIPS Dirk Weil AG 4, betreut durch Dipl. Kfm. Tim Stockheim Seminar Automatisierte Ressourcenallokation, unter der Leitung von Prof. Dr. König 5 Fazit Expertensysteme dürfen wohl zu recht als Wegbereiter heutiger Agentensysteme bezeichnet werden. Viele Eigenschaften heutiger Agenten wiesen schon die Knowledge Sources der Expertensysteme auf, so zum Beispiel die Unabhängigkeit der KS voneinander und die große Bandbreite der Möglichkeiten, innerhalb einer KS zu Lösungsansätzen zu kommen. Klassische Expertensysteme wurden mittlerweile von Agentensystemen abgelöst, die flexibler sind. Einer der größten Schwachpunkte war die Kommunikation, die bei den Knowledge Sources immer über eine zentrale Instanz abgewickelt wurde, während heutige Agenten untereinander kommunizieren können. JESS darf dank seiner JAVA – bedingten Flexibilität als Meilenstein im Übergang von Experten- hin zu flexiblen Agentensystemen gesehen werden; hier wurde erstmals die Implementierung von Agenten vorgesehen. Nicht zuletzt deshalb gibt es immer noch eine sehr aktive Entwicklergemeinde, die eine große Bandbreite an Tools zur Benutzung mit JESS entwickelt hat. 14 Seminararbeit zum Thema: Programmierung von Expertensystemen am Beispiel von CLIPS Dirk Weil AG 4, betreut durch Dipl. Kfm. Tim Stockheim Seminar Automatisierte Ressourcenallokation, unter der Leitung von Prof. Dr. König 6 Literaturliste Corkill, Daniel D.: Blackboard Systems (leider sind weder in der Arbeit noch auf der Website Daten zur Veröffentlichung zu finden) http://dancorkill.home.attbi.com/pubs/ai-expert.pdf Achieving Flexibility, Efficiency, and Generality in Blackboard Architectures, Daniel D. Corkill, Kevin Q. Gallagher, and Philip M. Johnson. In Proceedings of the National Conference on Artificial Intelligence (AAAI-87), pages 18-23, Seattle, Washington, July 1987. (Also published in Readings in Distributed Artificial Intelligence, Alan H. Bond and Les Gasser, editors, pages 451-456, Morgan Kaufmann, 1988.) http://dancorkill.home.attbi.com/pubs/aaai87.pdf Functionally Accurate, Cooperative Distributed Systems, Victor R. Lesser and Daniel D. Corkill. IEEE Transactions on Systems, Man, and Cybernetics, SMC-11(1):81-96, January 1981. http://dancorkill.home.attbi.com/pubs/smc-fac.pdf Ontology Development 101: A Guide to Creating Your First Ontology, Natalya F. Noy and Deborah L. McGuinness Stanford University, Stanford, CA, 94305 http://protege.stanford.edu/publications/ontology_development/ontology101.pdf Jess Tutorial, Maarten Menken, Vrije Universiteit, Amsterdam, The Netherlands, July 22, 2002 http://www.cs.vu.nl/~ksprac/doc/tutorial/jess-tutorial.pdf Clips Reference Manual, Volume I: Basic Programming Guide, Version 6.10, August 5th 1998 http://www.cs.sun.ac.za/~rdodds/RW262/bpg.pdf 15
