АвиаТехПом: состояние и перспективы

В статье рассматриваются результаты проекта по созданию интеллектуальной системы поддержки принятия решений при поиске и устранении отказов и неисправностей воздушных судов – Авиационный Технический Помощник (АвиаТехПом). Приводится описание основных реализованных алгоритмов, функций, архитектуры и прототипа системы, а также дальнейшее направление развития разработки. В качестве целевого объекта для отработки решений выбрана система электроснабжения Сухой Суперджет. Текущая версия системы обеспечивает обработку информации, представленной в карточках учета неисправностей и руководстве по поиску и устранению неисправностей, на основе подходов, известных как рассуждения на основе логических правил (rule-based reasoning) и прецедентов (case-based reasoning). Для подготовки и модификации баз знаний используется табличный формализм представления знаний, обеспечивающий возможность применения общедоступных табличных редакторов и формата CSV. Разработанные алгоритмы реализованы в форме принципиальных прототипов настольного приложения и чат-бота.

1. Варшавский П. Р. Моделирование рассуждений на основе прецедентов в интеллектуальных системах поддержки принятия решений / П. Р. Варшавский, А. П. Еремеев // Искусственный интеллект и принятие решений. 2009. № 2. C.45-57.

2. Джексон П. Введение в экспертные системы. М.: Вильямс, 2001. 623 с.

3. Зрячев С. А. Разработка базы знаний послепродажного обслуживания авиационной техники / С. А. Зрячев, С. Н. Ларин // Известия Самарского научного центра Российской академии наук. 2022. № 5. С. 48-53.

4. Кирпичев И. Г. Многофункциональная интегрированная платформа сопровождения технической эксплуатации воздушных судов / И. Г. Кирпичев, Д. В. Петров, Ю. М. Чинючин // Научный Вестник МГТУ ГА. 2020. Т. 23. № 6. С. 28–37.

5. Котлов Ю. В. Модели и алгоритмы многокритериальной диагностики авиационных систем // В сборнике: Актуальные проблемы и перспективы развития гражданской авиации. Сборник трудов XI Международной научно-практической конференции. Иркутск, 2022. С. 165-173.

6. Макаров Н. Н. Синтез алгоритма функционирования информационно-управляющей системы контроля и диагностики состояния общесамолетного оборудования // Известия высших учебных заведений. Авиационная техника. 2008. № 1. С. 46-50.

7. Перфильев О. В. Интеллектуальная система поиска неисправности на самолете / О. В. Перфильев, С. Г. Рыжаков, В. А. Должиков // Известия Самарского научного центра Российской академии наук. 2018. № 4(3). С. 326-331.

8. Саввина А. М. Предложение по модернизации бортовой системы технического обслуживания самолета SSJ 100 // Crede Experto: транспорт, общество, образование, язык. 2019. № 3(22). С. 27-35.

9. Сухих Н. Н. Экспертные системы – средства информационной поддержки принятия решений экипажем самолета / Н. Н. Сухих, В. Л. Рукавишников // Известия высших учебных заведений. Авиационная техника. 2022. № 2. С. 19-25.

10. A Technique for Rapid Development of Declarative Knowledge Bases for Aircraft Diagnostics Based on Decision Tables / A. Yu. Yurin, O. A. Nikolaychuk, N. O. Dorodnykh, Yu. V. Kotlov // Lecture Notes in Networks and Systems. 2022. Vol. 502. P. 140-149. DOI:10.1007/978-3-03109076-9_13.

11. AirNav-Maintenance // [Электронный ресурс]. URL: https://www.airnav.com (дата обращения: 01.11.2023).

12. An Intelligent Assistant for Decision Support in the Case of Aircraft Troubleshooting / N. O. Dorodnykh, A. B. Stolbov, O. A. Nikolaychuk, A. Yu. Yurin // Proceedings of IX International Conference on Information Technology and Nanotechnology (ITNT). 2023. P. 1–5. DOI: 10.1109/ITNT57377.2023.10139242.

13. Chiu C. Intelligent aircraft maintenance support system using genetic algorithms and case-based reasoning / C. Chiu, N. H. Chiu, CI. Hsu // International Journal of Advanced Manufacturing Technology. 2004. Vol. 24. P. 440–446. DOI: 10.1007/s00170-003-1707-x.

14. End-user development of knowledge bases for semi-automated formation of task cards / N. O. Dorodnykh, Y. V. Kotlov, O. A. Nikolaychuk, V. M. Popov, A. Yu. Yurin // CEUR Workshop Proceedings. 2021. Vol. 2913. P. 60-73. DOI: 10.47350/ICCS-DE.2021.05.

15. iDSS.Desktop. Робо АвиаТех (PSS RRJ-95) // [Электронный ресурс]. 2023. URL: http://www.knowledge-core.ru/index.php?p=idss (дата обращения: 01.11.2023).

16. Just AI // [Электронный ресурс]. URL: https://just-ai.com/ (дата обращения: 01.11.2023).

17. Knowledge Bases Engineering Based on Event Trees Transformations: A Case Study for Aircraft Diagnostics / A. Yu. Yurin, O. A. Nikolaychuk, N. O. Dorodnykh, A. B. Stolbov, Yu. V. Kotlov, V. M. Popov // Lecture Notes in Networks and Systems. 2023. Vol. 566. P. 3-12. DOI: 10.1007/978-3-031-19620-1_1.

18. Knowledge representation and reuse model of civil aircraft structural maintenance cases / R. Lin, H. Wang, J. Wang, N. Wang // Expert Systems with Applications. 2023. Vol. 216. P. 119460. DOI: 10.1016/j.eswa.2022.119460.

19. MyBoeingFleet // [Электронный ресурс]. URL: https://www.myboeingfleet.com (дата обращения: 01.11.2023).

20. Pérez-Soler S., Guerra E., de Lara J. Model-Driven Chatbot Development / S. Pérez-Soler, E. Guerra, J. de Lara // Lecture Notes in Computer Science. 2020. Vol. 12400, P. 207–222.

21. Towards an Intelligent Decision Support System for Aircraft Troubleshooting / Yu. Kotlov, V. Popov, S. Mishin, A. Yurin // Proceedings of 10th International Conference on Recent Advances in Civil Aviation. Lecture Notes in Mechanical Engineering. 2023. P. 77-91. DOI: 10.1007/978-981-19-3788-0_7.