سیستم خبره برای صنعت نساجی و رنگرزی

“سیستم‌های خبره یا سیستم تخصصی” شاخه‌ای از هوش مصنوعی هستند که از دانش تخصصی، در سطح یک متخصص انسانی، برای حل مشکلات استفاده می‌کنند. فیگن بام، فیزیکدان مشهور، سیستم های تخصصی را به عنوان “یک برنامه کامپیوتری هوشمند” تعریف می کند که از روش‌های استنتاجی برای حل مشکلاتی که نیاز به متخصص انسانی خبره داشته باشند، استفاده می‌کنند.
متخصص یا خبره به فردی گفته می شود که در زمینه خاصی تخصص دارد. فرد خبره دارای دانش یا مهارت‌های خاصی می باشد که برای بیشتر مردم شناخته‌شده است. متخصص مشکلاتی را بررسی و حل می کند که یا بیشتر مردم توانایی حل کردن آنرا ندارند یا نمی توانند بطور موثر به نتیجه دلخواه دست پیدا کنند.
پایگاه دانش ذخیره شده در یک سیستم خبره می‌تواند مجموعه ای از دانش های یک متخصص یا دانش موجود در کتاب‌ها، مجلات و افراد خبره باشد. سیستم های تخصصی می‌توانند در بسیاری از روش‌ها مثل سیستم کارشناس مبتنی بر دانش، سیستم خبره فازی و غیره استفاده شوند.

استفاده از سیستم خبره در صنعت نساجی و رنگرزی

تکنولوژی سیستم های خبره یا تخصصی در رشته‌های مختلف منسوجات، از جمله دسته‌بندی رنگ پنبه، نخ‌ریسی، طراحی پارچه، فرم دادن به پارچه، تولید پارچه، تولید پوشاک و منسوجات فنی، سیستم‌های تخصصی در زمینه محصولات نساجی و رنگ آمیزی استفاده شده است. نحوه استفاده تکنولوژی تخصصی در توسعه مدیریت تولید به کمک کامپیوتر در مقالات دیگری ارزیابی شده اتد.

معرفی تعدادی از سیستم های تخصصی این مطالب را روشن تر خواهد کرد:

• یک سیستم مبتنی بر دانش برای توسعه مدیریت ریسندگی طراحی شده است که می تواند برای تشخیص ویژگی نخ ها با توجه به مواد اولیه و یا انتخاب مواد خام برای تولید نخ با مشخصات خاص مورد استفاده قرار گیرد. همچنین یک سیستم خبره برای تشخیص خطای ماشین ریسندگی که تولید رشته ای دارد و کروسالت (Corosult) ، برای انتخاب بهترین روش برای راه‌اندازی اتوکرو (Autocoro ) توسعه و طراحی شده است.
• Sandoz AG Wooly، یک سیستم خبره برای رنگرزی نساجی تجاری است که می تواند عملکرد خود را با استفاده از آزمون های استاندارد در دامنه وسیعی بهبود ببخشد و جزئیاتی مانند نحوه پردازش، روش‌های رنگرزی، رنگ مناسب را پیش‌بینی کند؛ همچنین قادر به ترکیب سیستم تطبیق رنگ می باشد.
• Texperto، توسعه یافته توسط کلارینت (Clariant) ، برای تکمیل نساجی طراحی گردید و عملکرد و انعطاف پذیری آن توسط فری (Frei) و پاپن ویمر(Poppenwimmer) توسعه داده شده است.
• سیستم خبره بافارکس (Bafarex) که توسط BASF طراحی شده، در ماشین رنگرزی توسط پد بخار (Pad Steam Dyeing Machine) و رنگرزی توسط دستگاه اگزوز پلی استر (polyester exhaust dyeing ) مورد استفاده قرار می گیرد.
• SmartMatch برای تطبیق رنگ با کدهای استاندارد رنگ در Datacolor International می باشد.
• Calopoca برای تطبیق رنگ با Ciba، که برای تعیین دستورالعمل رنگرزی و بهینه‌سازی تولید مجدد به صورت آزمایشگاهی می باشد، و همچنین Datawin که یک سیستم کنترل رنگرزی است، مورد استفاده قرار میگیرد.

فن آوری سیستم خبره نیز در دیگر صنایع مورد بررسی قرار گرفته است، از جمله انتخاب سفید کننده ها در لامپ های فلورسنت، لباس های ضد آبی که قابلیت تنفس در آنها وجود دارد و برای دفع نفت و آب.
یک سیستم خبره برای مدیریت کیفیت کامل مورد استفاده توسط تولیدکنندگان قبل از پروسه اعتباربخشی است، که جهت صرفه جویی در وقت و کاهش هزینه های مشاوره طراحی شده. پیش بینی قابلیت شستشوی پارچه و طراحی ژئوسنتتیک در ارتباط با طراحی جاده خاکی موضوعاتی هستند که سیستم های متخصص مورد بررسی قرار می دهند.
در بافندگی، سیستم های متخصص جهت تشکیل یک روش مدیریتی مناسب برای مشاغل بافندگی مورد استفاده قرار گرفته اند، هدف یافتن دلیل هر حادثه و حفظ تمام اطلاعات مربوط به آن است. همچنین برخی از سیستم های متخصص دیگر برای شناسایی معایب پارچه توسعه یافته اند.
Modex [سیستم خبره مدولار] یک سیستم خبره بافندگی است که کاربر را قادر می سازد تا به طور خودکار یک برنامه اجرایی برای ماشین آلات بافندگی مسطح از Stoll، Universal، Shima Seiki، و غیره، و نیز ماشین های Scheller طراحی و تعریف کند.
Tess، یک سیستم خبره برای تشخیص عیب در منسوجات بافته‌شده، توسط آزمایشگاه‌های فدرال سوئیس برای آزمایش و تحقیقات روی مواد توسعه یافته بود. سیستمی که پنج سال توسعه آن به طول انجامید و بر اساس ایده خبره بودن در EMPA می باشد. با توجه به منافع شرکت‌ها در نمونه اولیه، پایه دانش اجرا شده این سیستم در میان ۱۲ شریک شامل کارخانه‌های نخ‌ریسی و بافندگی، کارخانه‌های تولید نساجی، تولید کنندگان رنگ، تولید کنندگان ماشین‌آلات نساجی و تجهیزات آزمایشی گسترش یافت.

مفهوم اصلی یک سیستم خبره

مفهوم اصلی یک سیستم خبره بدینگونه است که در آن کاربر اطلاعات تخصصی یا اطلاعات دیگر را به سیستم متخصص ارسال می‌کند و توصیه‌های تخصصی را در پاسخ دریافت می‌کند. سیستم خبره از دو جزء اصلی تشکیل شده ‌است. پایه دانش شامل دانشی است که از طریق آن موتور استنتاج نتایج را ترسیم می‌کند. این نتایج واکنش‌های سیستم خبره ، به سوالات تخصصی کاربر هستند.

توسعه یک سیستم خبره

فرآیندهای ساخت یک سیستم خبره مهندسی دانش نامیده می‌شود و توسط یک مهندس دانش انجام می‌شود. مهندسی دانش به کسب اطلاعات از یک متخصص انسانی یا منبع دیگر و برنامه‌نویسی آن در سیستم خبره اشاره دارد.
مهندس دانش ابتدای امر با یک متخصص انسانی ارتباط خواهد داشت تا دانش تخصصی مورد نیاز را به دست آورد. سپس اطلاعات به دست آمده به طور واضح در پایه دانش کدگذاری می‌شوند؛ و بعد از آن متخصص انسانی با دقت سیستم خبره مهندسی شده را ارزیابی کرده و ارزیابی را برای مهندس دانش ارسال می‌کند. این فرآیند تکرار می‌شود تا زمانی که عملکرد سیستم ارزیابی شده نتیجه رضایت‌ بخشی داشته باشد.

اجزای اصلی یک سیستم خبره

• رابط کاربر: مکانیزمی که کاربر و سیستم متخصص با آن ارتباط برقرار می‌کنند.
• امکانات توضیح: استدلال سیستم برای کاربر را توضیح می‌دهد.
• حافظه کاری: یک پایگاه‌ داده جهانی از اطلاعات مورد استفاده شده توسط قوانین است.
• موتور استنتاج (استدلال): نتیحه گیری را با تصمیم‌گیری در مورد اینکه کدام قوانین در مورد حقایق یا اشیا بهتر هستند، تعیین می‌کند و قاعده را با بالاترین اولویت اجرا می‌کند.

مزایای سیستم خبره

• متخصص می‌تواند بصورت سخت‌افزاری متناسب برای هر کامپیوتر وجود داشته باشد.
• هزینه ارائه تخصص به ازای هر کاربر به میزان زیادی کاهش‌ یافته است.
• برخلاف متخصصان انسانی که ممکن است بازنشسته شوند، استعفا دهند یا فوت کنند، دانش سیستم متخصص به طور نامحدود باقی خواهد ماند.
• سیستم‌های تخصصی، میزان اطمینان نسبت به نتیجه را افزایش می‌دهند؛ در صورتی که تصمیم صحیح با ارائه نظر یک متخصص انسانی و یا رد کردن در صورت عدم توافق توسط چندین متخصص انسانی صورت می‌گیرد.
• پاسخ به پرسش ها را می توان در مدت ‌زمان بسیار کوتاهی به دست آورد که منجر به یک فرآیند واکنش سریع می‌شود.

محدودیت‌های سیستم خبره

• محدودیت عملی بسیاری از سیستم‌های تخصصی امروزی، فقدان دانش عالی است. در اصل، سیستم خبره درک علل و اثرات زیربنایی در یک سیستم را ندارد. برنامه های تخصصی با دانش سطحی مبتنی بر دانش تجربی و اکتشافی بسیار برنامه ساده تری است تا دانش عمیق که بر اساس ساختارهای اولیه، عملکردها و رفتارهای اشیاء می باشد.
• مشکل دیگر سیستم‌های تخصصی امروزی این است که تخصص آن‌ها محدود به حوزه دانشی است که در سیستم‌ها وجود دارد. سیستم‌های خبره معمولی نمی‌توانند دانش خود را با استفاده از شبیه سازی در شرایط جدید، تطبیق دهند.
• به رغم محدودیت‌های کنونی، سیستم‌های تخصصی در برخورد با مشکلات دنیای واقعی موفق بوده‌اند که روش‌های مرسوم در برنامه‌ نویسی قادر به حل آن نیستند، به خصوص آن‌هایی که با اطلاعات نامشخص یا ناقص سر و کار دارند.

ابزارها و کالبدهای سازنده سیستم‌های تخصصی

توسعه فن آوری جدید سیستم عامل متخصص باعث در دسترس بودن ابزار و کالبدهای مختلف شده است تا روند ساخت سیستم های تخصصی را آسان تر کند. ابزارها در واقع زبان برنامه نویسی به همراه برنامه های مربوط به ابزارها و برای آسانتر کردن توسعه به وجود آمده اند که شامل رفع مشکلات و تحویل برنامه های کاربردی می باشند.

ابزار ساخت سیستم‌های خبره

کالبد ابزار دارای هدف ویژه‌ای است که برای انواع خاصی از برنامه‌های کاربردی طراحی شده‌ است و در آن کاربر باید تنها دانش پایه را تامین کند. این بدان معنی است که یک سیستم خبره نباید برای هر کاربرد جدیدی از صفر طراحی شود. تعداد زیادی از ابزارهای سیستم خبره موجود در بازار با قیمت بسیار ارزانی در دسترس هستند (برخی حتی بصورت رایگان دانلود می شوند، اما یک ابزارهای پیچیده ممکن است هزینه بیشتری داشته باشند).

نتیجه‌گیری

هوش مصنوعی و سیستم‌های خبره با موفقیت در بخش‌های صنعتی مختلف به کار گرفته شده‌اند. این سیستم‌ها با اضافه کردن امتیازاتی، توانسته اند باعث کاهش هزینه‌های کلی و افزایش بهره‌وری و خروجی در بخشهای مختلف شوند. با وجود تعداد مثال‌های متفاوت در مورد استفاده از این سیستم‌ها در بخش رنگرزی، تا کنون پتانسیل کامل آن‌ها مورد بهره‌برداری قرار نگرفته است.
شاید یکی از دلایل استفاده محدود از این سیستم ها در بخش رنگ آمیزی، ماهیت ظاهری پیچیده هر دو دامنه دانش و نگرش “know-how” در این حوزه است. رقابت پذیری عامل اصلی در بقای این صنعت است. بدیهی است که تلاش برای کاهش هزینه ها و افزایش تولید باید برنامه ریزی و اجرا شود. که این موضوع به طور سنتی با کاهش هزینه های کار و افزایش اتوماسیون به دست می آید.
با این حال، تخصص استادانی که برای یک عمر در این بخش کار کرده‌اند، نمی‌تواند به سادگی به یک سیستم خودکار تبدیل شود. این اطلاعات به طور معمول از دست می روند مگر اینکه در یک سیستم مناسب تخصصی ذخیره که امکان بازیابی و استفاده آسان را فراهم می‌آورد، صورت گیرد.
برای رسیدن به این هدف، این مساله به طور کامل محقق نشده است. این مقاله تعدادی از رویکردهای مدل‌سازی و ساخت هوش مصنوعی و سیستم‌های خبره را مورد بررسی قرار داده ‌است. همانطور که تاکید شد، انتخاب هر سیستم به تعدادی از عوامل بستگی دارد و استفاده از یک سری سوالات برای تایید این که آیا این عوامل موثر خواهند بود، مفید است.
تلاش ما این است که بیشتر بخش های صنعت رنگ آمیزی از سیستم های متخصص بهره مند شوند. این سیستم ها می توانند توسط متخصصان کامپیوتر با همکاری متخصصین در حوزه های مختلف برای ایجاد سیستم های تخصصی در خانه ساخته شوند.
متناوبا، متخصصان حوزه آشنا با زبان‌های برنامه‌نویسی و کالبدهای موجود می‌توانند سیستم‌های خبره خود را بسازند. بدیهی است که این کار زمان می‌برد و توصیه می‌شود که با متخصصین هوش مصنوعی همکاری شود. سیستم تشخیص عیب‌یابی در ابتدا برای رنگ‌آمیزی پنبه توسط دانشکده پارچه‌بافی دانشگاه هریوت- وات توسعه یافت.
این سیستم مبتنی بر یک رویکرد ترکیبی است که از اثربخشی و شباهت منطق فازی به سناریوهای واقعی در ارتباط با فن‌آوری سیستم متخصص استفاده می‌کند. بیشتر عبارات مورد استفاده در صنعت رنگ مبهم هستند و این اطلاعات می‌تواند توسط الگوریتم‌های منطق فازی محاسبه شود.
اگرچه امید می‌رود که این صنعت گسترش پیدا کند و رقابتی باقی بماند، اما معتقدیم که صنعت گران و متخصصان باید به چالش کشیده شوند و به طور مشترک از مزایای این سیستم‌ها بهره‌مند شوند تا شاهد کاهش رو به رشدی در کمبود تخصص در این بخش، در آینده نزدیک باشند.