Sisteme Expert Marketing

Gheorghe Orzan Mihai Orzan
SISTEME EXPERT DE
MARKETING
Editura URANUS
Bucureşti
1
© 2005 Editura Uranus
Bucureşti, CP 7-62
Reproducerea acestei lucrări, chiar şi parţială, prin orice procedeu –

fotocopiere, microfilmare, scanare, bandă magnetică, etc. este strict interzisă
şi intră sub incidenţa Legii nr.8/1996 privind drepturile de autor.
2
CUPRINS
CAPITOLUL 1: ELEMENTE FUNDAMENTALE ALE SISTEMELOR EXPERT................................................5

1.1 CONCEPTUL DE SISTEM EXPERT ................................................................................................................................5
1.2 FUNCŢIILE SISTEMELOR EXPERT ...............................................................................................................................9
1.3 ARHITECTURA SISTEMELOR EXPERT ........................................................................................................................11
1.4 METODE DE REPREZENTARE A CUNOŞTINŢELOR .....................................................................................................15
1.4.1 Reprezentări bazate pe logica formală .........................................................................................................16
1.4.2 Elemente de logica propoziţiilor ...................................................................................................................17
1.4.3 Elemente de logica predicatelor....................................................................................................................20
1.4.4 Regulile de producţie.....................................................................................................................................21
1.4.5 Reguli de producţie cu variabile.....................................................................................................................23
1.4.6 Tipologia regulilor de producţie ...................................................................................................................24
1.4.7 Metareguli .....................................................................................................................................................27
1.4.8 Cunoştinţe incerte..........................................................................................................................................28
1.4.9 Reprezentarea cunoştinţelor şi limbajele de programare..............................................................................31
CAPITOLUL 2: PREZENTAREA SISTEMELOR EXPERT DE MARKETING .................................................32
2.1SISTEMELE EXPERT ŞI DECIZIA ÎN MARKETING ........................................................................................................32
2.2DOMENIILE DE UTILIZARE A SISTEMELOR EXPERT ÎN MARKETING ..........................................................................34
2.3UTILIZAREA SISTEMELOR EXPERT ÎN DOMENIUL POLITICII DE PREŢ ........................................................................37
2.4STRUCTURAREA CUNOŞTINŢELOR DE MARKETING PE BAZA METODEI ....................................................................40
ANALIZEI IERARHICE ....................................................................................................................................................40
2.4.1 Prezentarea metodei analizei ierarhice.........................................................................................................40
2.4.2 Validarea modelului conceptual...................................................................................................................43
2.4.3 Metoda analizei ierarhice în cadrul sistemelor expert ..................................................................................44
CAPITOLUL 3: PROIECTAREA SISTEMELOR EXPERT...................................................................................45
3.1 SISTEME EXPERT BAZATE PE REGULI DE PRODUCŢIE ...............................................................................................45
3.1.1 Etapele ciclului de bază ale motorului de inferenţe ......................................................................................45
3.1.2 Strategiile de control în sistemele expert.......................................................................................................47
3.1.3 Modurile de raţionament specifice motorului de inferenţe...........................................................................49
3.1.4 Unificarea......................................................................................................................................................52
3.2 ETAPELE DE PROIECTARE A SISTEMELOR EXPERT ...................................................................................................53
3.2.1 Studiul de fezabilitate privind realizarea unui sistem expert.........................................................................53
3.2.2 Ciclul de viaţă al unui sistem expert .............................................................................................................54
3.2.3 Analiza preliminară ......................................................................................................................................56
3.2.4 Modelarea conceptuală .................................................................................................................................57
3.2.5 Colectarea cunoştinţelor ...............................................................................................................................61
3.2.6 Reprezentarea cunoştinţelor..........................................................................................................................62
3.2.7 Validarea sistemului ......................................................................................................................................63
3.2.8 Introducerea în exploatare şi menţinerea în funcţiune..................................................................................64
CAPITOLUL 4: GENERATOARE DE SISTEME EXPERT ...................................................................................65
4.1 ARHITECTURA GENERATOARELOR DE SISTEME EXPERT ..........................................................................................65
4.2 PRINCIPALELE COMPONENTE SPECIFICE UNUI GSE.................................................................................................67
4.2.1 Editorul...........................................................................................................................................................67
4.2.2 Trasorul .........................................................................................................................................................67
4.2.3 Motorul de elaborare.....................................................................................................................................68
4.2.4 Invăţare ..........................................................................................................................................................69
4.3 PROGRAMAREA ÎN STIL “SISTEM EXPERT” ..............................................................................................................70
4.4 TIPURI DE GENERATOARE DE SISTEME EXPERT .......................................................................................................71
4.4.1 Generatorul de sisteme Argument-Decidex ...................................................................................................71
4.4.2 Generatorul de sisteme expert H-Expert .......................................................................................................73
4.4.3 Generatorul de sisteme expert M.4................................................................................................................74
4.4.4 Generatorul de sisteme expert Clips..............................................................................................................75
4.4.5 Generatorul de sisteme expert Acquire .........................................................................................................76
3
CAPITOLUL 5: PREZENTAREA GENERATORULUI DE SISTEME EXPERT VP-EXPERT ....................... 77
5.1 STRUCTURA BAZEI DE CUNOŞTINŢE ....................................................................................................................... 78
5.1.1 Blocul de acţiuni ........................................................................................................................................... 79
5.1.2 Regulile ......................................................................................................................................................... 83
5.1.3 Declaraţiile ................................................................................................................................................... 84
5.1.4 Variabile VP-Expert ..................................................................................................................................... 85
5.2 COMENZI VP-EXPERT ............................................................................................................................................ 86
CAPITOLUL 6: PROIECTAREA SISTEMULUI EXPERT DE MARKETING UTILIZÂND PACHETUL VP-
EXPERT.......................................................................................................................................................................... 89
6.1 ANALIZA PROCESULUI DE LANSARE PE PIAŢĂ A UNUI NOU PRODUS......................................................................... 89
6.1.1 Elementele procesului de creaţie şi lansare a noilor produse ...................................................................... 89
6.1.2 Aplicarea metodei analizei ierarhice în studiul lansării noilor produse...................................................... 93
6.1.3 Descompunerea procesului de lansare a produsului.................................................................................... 94
6.2 MODELAREA CONCEPTUALĂ A PROCESULUI DE LANSARE A UNUI NOU PRODUS .................................................... 96
6.2.1 Crearea arborelui de decizie ......................................................................................................................... 96
6.2.2 Ponderarea arborelui de decizie................................................................................................................. 100
6.3 IMPLEMENTAREA SISTEMULUI EXPERT DE EVALUARE A LANSĂRII PE PIAŢĂ ................................................. 105
A UNUI NOU PRODUS ................................................................................................................................................... 105
6.4 CREAREA GRILEI DE EVALUARE ........................................................................................................................... 107
4
1 Elemente fundamentale ale sistemelor expert
1.1 Conceptul de sistem expert
Sistemele expert sunt sisteme de programe bazate pe tehnicile inteligenţei
artificiale care înglobează cunoştinţele experţilor umani dintr-un domeniu bine definit şi
apoi le folosesc pentru rezolvarea problemelor dificile din acest domeniu.
In esenţă acestă tehnologie permite reproducerea pe cale artificială a
raţionamentului uman, conturându-se trei curente principale de abordare metodologică a
raţionamentului artificial1:
Abordarea cognitivă în care raţionamentul natural este privit ca o suită de stări şi
procese mentale care transformă datele de intrare în date de ieşire iar raţionamentul
artificial încearcă să reproducă aceste stări mentale şi procese. In cadrul realizărilor
inteligenţei artificiale cognitive există metode de modelare ce au servit ca suport pentru
implementarea unor sisteme software de tipul sistemelor de gestiune a colecţiilor de date
numite sisteme de gestiune a bazelor de cunoştinţe.
Modul de abordare cognitiv conduce la următoarea definiţie a inteligenţei
artificiale: Inteligenţa artificială este o tehnologie informatică care s-a dezvoltat pe baza
studiului raţionamentului uman fiind un ansamblu de tehnici şi metode care permit
captarea cunoştinţelor umane şi prelucrarea lor simbolică.
Abordarea pragmatică în care raţionamentul uman este privit tot ca o suită de
stări şi procese mentale care transformă datele de intrare în date de ieşire dar
raţionamentul artificial încearcă doar să simuleze simptomele de inteligenţă adică să
producă aceleaşi date de ieşire pentru aceleaşi date de intrare (conceptul de “cutie
neagră”). In această abordare au fost concepute primele sisteme de inteligenţă artificială
cu un înalt grad de utilitate denumite sisteme expert.
Sistemele expert din primele generaţii au implementat conceptul de cutie neagră
încercând să facă abstracţie de orice model al cunoaşterii. Noile generaţii sunt mai
flexibile însuşindu-şi metode ale orientării cognitive.
Modul de abordare pragmatic stă la baza unei alte definiţii a inteligenţei artificiale:
Inteligenţa artificială este acea parte a informaticii care are drept scop executarea
pe calculator a unor sarcini pe care omul într-un context dat le poate face mai bine decât
maşina.
5
Abordarea conexionistă în care raţionamentul natural este privit ca o suită de
stări şi procese neuronale iar raţionamentul artificial încearcă să reproducă mecanic
acestă activitate neurologică a creierului uman. In acest mod de abordare se includ
reţelele neuronale, sisteme care imită organizarea şi funcţionarea materiei cenuşii.
In timp ce informatica clasică este definită ca fiind ştiinţa prelucrării automate a
datelor, informatica inteligentă este ştiinţa prelucrării automate a cunoştinţelor.
Informatica clasică are la bază noţiunea de prelucrare algoritmică iar informatica
inteligentă are la bază noţiunea de prelucrare simbolică in care dispare distincţia dintre
date şi programe. Văzută din acestă perspectivă inteligenţa artificială este acea parte a
informaticii care se ocupă cu rezolvarea unor probleme prin prelucrare simbolică,
nealgoritmică a informaţiilor.
Sistemele expert fac parte din clasa sistemelor cu inteligenţă artificială
pragmatică, deţinând un număr mare de cunoştinţe care să acopere în principiu toate
situaţiile posibile care pot apare în funcţionarea unui sistem social, tehnic sau economic.
Dacă sistemele expert au fost dezvoltate la început în domeniul tehnic şi medical,
în ultimul timp se asistă la o extindere acestora în domeniul economic. După preluarea
cunoştinţelor expertului uman, sistemele expert multiplică şi explicitează experienţa
acestuia, fapt foarte important ştiut fiind că un expert uman într-un domeniu se formează
greu şi necesită pe lângă pregătirea şi experienţa profesională şi calităţi native.
Sistemele expert fac parte dintr-o gam\ de instrumente indispensabile pentru
realizarea de sisteme automate sau interactive capabile s\ efectueze sarcini complexe. Nu
se pot ignora toate raţionamentele calitative şi simbolice care formeaz\ baza
managementului unei întreprinderi. Inc\ de la început sistemele expert au avut asociate
instrumente de cercetare operaţional\ care au facilitat construirea de sisteme de asistare
foarte complexe pentru diagnostic financiar, asistarea concepţiei produselor în
întreprinderi şi în organizarea producţiei.
Pentru definirea sistemelor expert este necesară o partajare a cunoştinţelor
expertului uman dintr-un anumit domeniu. Astfel un expert uman recunoaşte şi rezolvă
probleme din domeniul său de expertiză având o capacitate crescută de a se orienta în
aspecte precum: complexitatea, incertitudinea, inconsistenţa şi aprecierile vagi. Pornind de
aici, expertul uman trebuie să aducă problema în stadiul în care lucrurile sunt cât mai
simple, complete, precise, consistente şi clare. Problema este trecută din sfera expertizei
în sfera cunoştinţelor comune de specialitate. In general, expertul uman acţioneză într-o
clasă de probleme slab structurate pentru care nu se pot defini algoritmi de rezolvare.
1
Năstase P., Zaharie D., Sisteme expert: teorie şi aplicaţii, Dual Tech, Bucureşti, 1999
6
Sistemul expert, încercând să imite expertul uman, prezintă caracteristicile:
- cunoştinţele sunt independente de mecanismul de raţionament, nu depind unele
de altele iar modificarea unui element nu influenţează raţionamentul;
- sistemul expert trebuie să fie capabil să explice raţionamentele făcute şi să
argumenteze soluţiile obţinute;
- cunoştinţele folosite de sistemele expert sunt în principal de natură simbolică;
- sistemul expert trebuie să poată gestiona baze de cunoştinţe de volum mare şi
să trateze cunoştinţe inexacte şi incomplete;
- sistemul expert utilizează metode empirice, bazate pe experienţă, care conduc la
soluţiile cele mai bune;
- sistemul expert este specializat într-un anumit domeniu şi nu în rezolvarea unei
singure probleme.
Sistemele expert sunt total dependente de calitatea şi volumul cunoştinţelor
înmagazinate pe care apoi le folosesc pentru a simula raţionamentul uman şi de a realiza
procese deductive. Se impune astfel formalizarea cunoştinţelor prin diferite metode de
reprezentare a acestora pe baza fenomenului de cunoaştere.
Cunoaşterea este sinteza următoarelor concepte fundamentale proprii:
• fapte;
• reguli;
• strategii de raţionament.
Faptele sunt structuri de date complexe cu o semantică şi o semnificaţie proprie
derivată din sfera domeniului abordat.
Regulile sunt modalităţi de reprezentare şi utilizare a faptelor în procesul de
prelucrare a cunoştinţelor.
Distincţia dintre fapte şi reguli este evidenţiat\ de reprezentarea cunoştinţelor.
Strategiile de raţionament denumite şi metode euristice, exprimă sintetic
modalitatea de utilizare a regulilor, prin intermediul unui anumit tip de raţionament:
deductiv, inductiv sau mixt.
Prelucrarea cunoştinţelor necesită un sistem de stocare şi manipulare a
cunoştinţelor de natură să permită declanşarea şi emiterea de raţionamente. La nivelul
sistemelor expert se folosesc structuri de cunoştinţe cu funcţii similare structurilor de date
utilizate în stocarea şi prelucrarea de date.
7
Particularităţile cunoştinţelor referitoare la un domeniu dat sunt:
- cunoştinţele exprimă informaţii specifice pentru anumite clase de obiecte de
natură materială sau conceptuală;
- cunoştinţele sunt valabile şi dependente strict de starea şi evoluţia domeniului de
referinţă;
- cunoştinţele pot fi incomplete datorită caracterului lor implicit pentru expertul
uman şi dificil de formulat şi transmis calculatorului;
- cunoştinţele sunt integrabile în anumite limite deoarece acestea pot fi fixe sau
variabile, certe sau incerte, exacte sau inexacte.
8
1.2 Funcţiile sistemelor expert
Principalele funcţii pe care le poate avea un sistem expert sunt1:
- interpretare: traducerea de semnale provenite din captarea de exemple sau de
date brute în expresii simbolice care pot fi folosite în raţionamente;
- diagnostic: stabilirea unei corelaţii între caracteristici sau simptome şi situaţii tip;
- formare: transmiterea de cunoştinţe unei persoane al cărei nivel şi caracteristici
fac obiectul unui diagnostic de învăţare foarte bine adaptată. Această transmitere de
cunoştinţe sau de a şti ce trebuie făcut se poate baza pe diagnostic, întreţinere, etc;
- supraveghere: declanşarea unei alarme în condiţii determinate care pot evolua
cu contextul sau trimiterea unei dări de seamă plecând de la semnale interpretate şi
folosite într-un diagnostic;
- previziune: descrierea unei situaţii prin anticipare, plecând de la o situaţie
curentă prin intermediul unui model construit pe o bază istorică sau prin învăţare;
- simulare: deducţia, plecând de la un model al consecinţelor acţiunilor sau
evenimente declanşate de către sistemul aflat în curs de derulare a simulării;
- planificare: definirea în timp şi în spaţiu a acţiunilor care permit atingerea unei
stări finale prin compararea stării curente cu starea dorită prevând consecinţele de
acţiune într-o manieră care să permită respectarea restricţiilor impuse de mediu, nivelul
resurselor disponibile şi consecinţele previzibile ale interacţiunilor dintre stări şi acţiuni sau
dintre stări succesive;
- întreţinere: planul de acţiune particular care decurge dintr-un diagnostic ce
evidenţiază punctele slabe ale unui sistem indicând şi cauzele. Planul de acţiune constă în
furnizarea instrucţiunilor necesare pentru remediere;
- concepţie: mulţimea de alegeri şi de decizii care permit, plecând de la
performanţele fixate prin diagnosticare, să se determine caietul de sarcini pentru un scop
ce trebuie îndeplinit în funcţie de nevoile exprimate la un moment dat. De asemenea se
are în vedere furnizarea unor mijloace pentru a se atinge acest obiectiv definind
caracteristicile unui produs sau ai unui proces care respectă caietul de sarcini;
- controlul şi pilotajul: mulţimea de acţiuni aplicate unui sistem după informaţiile
care rezultă din supravegherea sistemului şi din anticiparea situaţiilor care asigură, printr-
o întreţinere permanentă şi un răspuns adaptat la diverse situaţii, o funcţionare a
1
Benchimol G., Levine P., Pomerol J. C., Sisteme expert în întreprindere, Editura tehnică, Bucureşti, 1993
9
sistemului cât mai apropiată de cea normală definită prin valorile posibile şi programul
care rezultă dintr-o planificare adecvată;
- bibliotecă: ajută la accesarea, organizarea şi interpretarea informaţiilor necesare
îndeplinirii unei anumite sarcini;
- consiliere: sintetizează şi distribuie informaţia aferentă unei expertize de
specialitate care este solicitată de către utilizator;
- asistenţă generală: preia anumite sarcini de rutină pentru a permite persoanei să
se ocupe doar de aspectele importante ale muncii.
Intr-un sistem real aceste funcţiuni de bază sunt adesea combinate între ele.
Astfel funcţiile cele mai utilizate sunt: diagnostic/întreţinere (circa 45% din aplicaţii),
concepţie şi planificare (20%), interpretare (20%) şi control/pilotaj/supraveghere (15%).
Ultima funcţiune se află în creştere constantă, ea fiind frecvent asociată cu aceea de
diagnostic şi de planificare.
Plecând de la aceste funcţiuni se pot defini domeniile de aplicare ale sistemelor
expert. Referitor la numărul de aplicaţii, din punct de vedere cronologic, primele au apărut
în domeniul medicinei şi biologiei. Funcţiile utilizate sunt de diagnostic şi de prescripţii
terapeutice. Diagnosticul tehnic şi de întreţinere (cercetări privind cauzele penelor,
incidentelor) a făcut obiectul a numeroase sisteme expert în domeniul informaticii,
electronicii, geologiei şi ingineriei.
In domeniul economic funcţiile de diagnostic şi de formare a vânzătorilor sunt în
centrul preocupărilor elaboratorilor. In realizarea aplicaţiilor în domeniul asistării deciziilor,
funcţiile de planificare, diagnostic şi de simulare se pot combina. In domeniile planificării şi
evaluării deciziilor strategice astfel de sisteme s-au elaborat deja.
Funcţia de interpretare a fost utilizată în chimie, biochimie iar în aplicaţiile militare
s-a folosit o combinaţie a acesteia cu funcţia de planificare. In domeniul învăţării aplicaţiile
se află încă într-o fază incipientă. In ceea ce priveşte controlul şi conducerea sistemelor
complexe există tot mai multe aplicaţii mai ales în informatică şi în inginerie. Referitor la
concepţia sau configurarea sistemelor complexe există deja sisteme operaţionale în
electronică şi chimie şi mai puţin în informatică.
In final se poate constata că în domeniul industriei funcţiile de diagnostic şi de
întreţinere ocupă primul loc. Ele sunt urmate de cele de control şi conducerea proceselor,
asistarea concepţiei şi a deciziei.
10
1.3 Arhitectura sistemelor expert
Infrastructura generală a unui sistem expert cuprinde următoarele elemente
fundamentale (prezentate în figura 1.1):
1) Domeniul de activitate: sursa de furnizare a cunoştinţelor expertizate de către
expertul uman fiind locul de unde provin problemele supuse spre rezolvare unui sistem
expert.
2) Expertul uman: persoana, grupul de persoane capabile să transforme problema
de rezolvat din zona expertizei în zona cunoştinţelor generale şi de specialitate. Acest
expert formalizează cunoştinţele într-o formă înţeleasă şi acceptabilă din punctul său de
vedere.
3) Cogniticianul (inginerul de cunoştinţe): are rolul analistului din sfera proiectării
sistemelor informatice, deci în particular îndeplineşte sarcina de preluare şi modelare
conceptuală a cunoştinţelor furnizate de către expertul uman, de o manieră compatibilă cu
metodele de reprezentare a cunoştinţelor de către baza de cunoştinţe a sistemului expert.
4) Modulul de transformare a cunoştinţelor: are rolul de conversie a cunoştinţelor
din formatul de exprimare al cogniticianului în formatul intern de memorare specific
suportului tehnic pe care va fi memorată baza de cunoştinţe. Totodată acest modul
asigură şi interfaţa de comunicare cu baza de date sau cu alte sisteme. Pe viitor,
calculatoarele din generaţia a cincea vor permite achiziţia de cunoştinţe în limbaj natural,
ceea ce va duce la o dezvoltare rapidă a sistemelor expert.
5) Baza de cunoştinţe: conţine “obiectele” lumii reale şi relaţiile dintre acestea
selectate din domeniul abordat şi transmise pe itinerariul expert-cogntician-modul de
transformare a cunoştinţelor. Sunt mai multe metode de reprezentare a cunoştinţelor
dintre care cele mai importante sunt: regulile de producţie, reţelele semantice şi cadrele.
Procesul de creare a bazei de cunoştinţe care constă în preluarea acestora de la
expertul uman, modelarea de către cognitician în conformitate cu cerinţele metodei de
reprezentare, introducerea în bază şi validare este destul de laborios şi necesită o
conlucrare permanentă între cognitician şi expert. Acest proces presupune foarte multe
iteraţii şi teste în cursul cărora însuşi expertul uman poate fi pus în dificultate pentru
argumentarea unor opţiuni.
Baza de cunoştinţe este structural formată din baza de fapte şi baza de reguli.
11
6) Baza de fapte: conţine datele unei probleme concrete care urmează să fie
rezolvată (formularea problemei) precum şi faptele rezultate în urma raţionamentelor
efectuate de motorul de inferenţă asupra bazei de cunoştinţe.
7) Baza de reguli: conţine regulile prin aplicarea cărora, pornind de la faptele
cunoscute, pot fi incluse în baza de fapte informaţii noi denumite fapte deduse. In
continuare se pot aplica din nou regulile rezultând alte fapte noi până în momentul în care
se va formula concluzia sau scopul final.
8) Motorul de inferenţe: este elementul efectiv de prelucrare în sistemul expert
care pornind de la fapte (datele de intrare ale problemei) activează cunoştinţele
corespunzătoare din baza de cunoştinţe construind astfel raţionamente care conduc la
fapte noi. Acesta construieşte un plan de rezolvare în funcţie de specificul problemei,
utilizând cunoştinţele din domeniul respectiv.
In urma acţiunii motorului de inferenţe, baza de cunoştinţe se îmbogăţeşte fie prin
adăugarea unor elemente noi, fie prin modificarea celor existente. Motorul de inferenţe
este un program care implementează algoritmii de raţionament (deductiv, inductiv sau
mixt) dar care este independent de baza de cunoştinţe.
9) Modulul de verificare-explicare: are rolul de a prezenta într-o formă larg
accesibilă (limbaj natural) justificarea raţionamentelor efectuate de motorul de inferenţe şi
totodată întrebările la care trebuie să răspundă utilizatorul. Acest modul este util şi
expertului uman pentru verificarea coerenţei bazei de cunoştinţe.
10) Interfaţa cu utilizatorul: realizează dialogul utilizatorului cu sistemul expert în
sensul specificării datelor de intrare şi al furnizării rezultatelor problemei de rezolvat
printr-un sistem de ferestre, imagini, meniuri.
Toate elementele componente ale unui sistem expert (mai puţin baza de
cunoştinţe) formează aşa numitul “sistem esenţial”. Acest sistem permite dezvoltarea
rapidă de sisteme expert prin crearea unor noi baze de cunoştinţe, operaţie cunoscută sub
numele de “instanţiere a unui sistem esenţial”. Acest lucru este posibil deoarece algoritmii
de raţionament implementaţi în motorul de inferenţă sunt aceeaşi. Cu toate acestea nu se
poate construi un mecanism universal de inferenţă pentru toate domeniile de expertiză.
12
Toate elementele prezentate mai sus pot fi structurate în patru componente după
cum este prezentat în tabelul 1.1:
Componentele sistemului expert Conţinut

A) Furnizarea cunoştinţelor 1) domeniul de activitate
2) expertul uman
3) cogniticianul
4) modul de transformare a cunoştinţelor
B) Reprezentarea cunoştinţelor 5) baza de cunoştinţe
6) baza de fapte
7) baza de reguli
C) Prelucrarea cunoştinţelor 8) motorul de inferenţe
9) modul de verificare-explicare
D) Utilizarea cunoştinţelor 10) interfaţa cu utilizatorul
11) utilizatorul
Tabelul 1.1: Componentele sistemelor expert

Sursa: Davidescu N.D., Arhitectura sistemelor expert, Editura didactică şi pedagogică, Bucureşti, 1997
13
DOMENIU DE ACTIVITATE
EXPERT
COGNITICIAN
MODUL DE TRANSFORMARE A CUNO{TIN}ELOR
BAZA DE FAPTE BAZA DE REGULI
BAZA DE CUNO{TIN}E
MOTOR DE INFERENŢE MODUL DE VERIFICARE - EXPLICARE
INTERFAŢA UTILIZATOR
UTILIZATOR
Fig. 1.1: Arhitectura unui sistem expert

Sursa: Năstase P., Zaharie D., Sisteme expert: teorie şi aplicaţii, Dual Tech, Bucureşti, 1999
14
1.4 Metode de reprezentare a cunoştinţelor
Capacitatea sistemelor expert de a furniza rezultate utile depinde de calitatea şi
volumul cunoştinţelor de care acesta dispune şi pe care le poate folosi pentru efectuarea
de raţionamente. Simularea raţionamentului uman de către sistemele expert prin
raţionamente artificiale este posibilă datorită a doi factori esenţiali:
• reprezentarea cunoştinţelor;
• desfăşurarea de procese deductive.
Cunoaşterea se întemeiază pe 3 concepte fundamentale1:
• Faptele: informaţii elementare prin care se surprind şi se descriu elementele
domeniului de referinţă;
• Regulile: legi prin care se activează şi se utilizează faptele;
• Strategiile de raţionament (metode euristice): metode de utilizare a regulilor pentru
obţinerea scopului urmărit.
Memorarea şi utilizarea cunoştinţelor este posibilă datorită dezvoltării conceptului
de structuri de cunoştinţe similare cu structurile de date utilizate în sistemele informatice.
Surprinderea exactă a cunoştinţelor într-un format de reprezentare este condiţionată de o
serie de particularităţi specifice cunoştinţelor precum:
• Cunoştinţele pot fi certe sau incerte, fixe sau modificabile, complete sau
incomplete, diferenţiere la care formalismul de reprezentare trebuie să răspundă cât mai
bine. Cunoştinţele referitoare la un anumit domeniu sunt în general incomplete deoarece
fiind implicite pentru expertul uman sunt omise în reprezentarea pe calculator fiind dificil de
transmis şi formulat. Se impune astfel găsirea unor modalităţi de reprezentare şi de
raţionament în condiţii de incertitudine.
• Cunoştinţele sunt referitoare la clase sau grupuri de “obiecte” de natură
materială sau conceptuală. Nu este exclus ca în cadrul acestora să existe elemente care
fac excepţie sau sunt chiar în contradicţie cu proprietăţile clasei din care fac parte.
• Cunoştinţele sunt variabile datorită modificărilor intervenite în domeniul
referenţiat. Cum multe dintre ele sunt în strânsă interdependenţă, schimbarea anumitor
informaţii poate antrena indirect actualizarea altor informaţii devenite perimate prin
modificarea celor dintâi. Aceste schimbări pot fi extrem de diverse, începând cu conţinutul
şi terminând cu însăşi tipul informaţiilor.
1
Davidescu N.D., Arhitectura sistemelor expert, Editura didactică şi pedagogică, Bucureşti, 1997
15
Cunoştinţele utilizate de către sistemele expert pot fi1:
1) Cunoştinţe afirmative: date primare structurate într-o bază de fapte.
Ex: vânzări medii zilnice = X lei;
2) Cunoştinţe operatorii: sunt utilizate în interiorul regulilor pentru a se simula un
raţionament sau un mod de acţiune.
Ex: dacă “aprovizionarea este ritmică” şi “consumul este constant”
atunci “mărimea stocurilor de siguranţă rămâne nemodificată”
3) Cunoştinţe strategii de control: indică ordinea de aplicare a regulilor şi modul de
rezolvare al problemei.
Deosebirea dintre aceste tipuri de cunoştinţe depinde de modelarea situaţiei
concrete şi de specificul problemei de rezolvat. De multe ori regulile pot deveni fapte.
Reprezentarea cunoştinţelor adaptată practic la nivelul sistemului expert depinde în mare
parte de rezolvarea inteligentă şi eficientă a problemei propuse.
1.4.1 Reprezentări bazate pe logica formală

Deşi logica a fost concepută pentru a putea modela raţionamentul, ea este
deosebit de utilizată şi pentru reprezentarea cunoştinţelor. Formalismul logic este lipsit de
ambiguitate şi permite descrierea realităţii prin formulări concise. Referitor la deducerea
de noi informaţii, ea se bazează pe reguli de inferenţă care pot fi tratate sintactic în
calculator prin procese de unificare şi filtraj.
Formalismul logic permite reprezentarea cunoştinţelor sub formă de2:
• propoziţii;
• predicate;
• expresii de calcul logic.
In felul acesta se dispune de un formalism care poate fi utilizat atât pentru reprezentarea
cunoştinţelor cât şi pentru efectuarea raţionamentelor. Metodele de reprezentare specifice
acestui tip sunt regulile de producţie, cu sau fără variabile. Ele sunt frecvent utilizate în
realizarea de sisteme expert încât au devenit aproape sinonime cu acest termen.
1
2
16
1.4.2 Elemente de logica propoziţiilor
Logica propoziţiilor este definită ca un limbaj formal compus din1: alfabet, sintaxă,
axiome şi reguli de deducţie.
Alfabetul este constituit din următoarele simboluri:
• propoziţii: notate A, B, C;
• simboluri (conectori): ^(Şi), v(SAU),¬(NU),⇔(echivalenţa),⇒(implicaţia);
• paranteze: (,).
Propoziţiile reprezintă în logică aserţiuni care pot fi adevărate sau false.

Ex: O acţiune are o valoare nominală. – adevărat;
Cota de piaţă este o mărime absolută. – fals.
Propoziţiile pot fi elementare sau compuse. Propoziţiile elementare sunt aserţiuni
simple ce descriu o parte a domeniului de referinţă. Propoziţiile compuse se realizează
prin îmbinarea propoziţilor simple prin intermediul conectorilor logici: Şi, SAU, NU.
Conjuncţia este propoziţia compusă prin intermediul conectorului Şi, în timp ce disjuncţia
este o propoziţie compusă prin intermediul conectorului SAU.
Adevărul propoziţiilor compuse depinde numai de adevărul sau falsitatea
propoziţiilor care le compun, oricare ar fi conţinutul concret al acestora.
Ex: Dacă A şi B sunt 2 propoziţii elementare, atunci adevărul propoziţiilor compuse
obţinute pe baza lor se stabileşte conform regulilor:
• A Şi B este adevărată dacă atât A cât şi B sunt adevărate;
• A SAU B este adevărată dacă fie A, fie B, fie amândouă sunt adevărate;
• NU (A) este adevărată dacă A este falsă.
In cazul folosirii mai multor conectori, evaluarea se face în ordinea:
• prioritate absolută are conectorul NU;
• Şi are prioritate faţă de SAU.
Ordinea de evaluare într-o propoziţie poate fi modificată cu ajutorul parantezelor.
Parantezele pot fi suprimate când nu există ambiguităţi. De exemplu (A⇒B) se
mai poate scrie A⇒B.
Alături de conectorii logici, propoziţiile mai pot fi legate prin relaţii de implicaţie şi
echivalenţă.
• implicaţia are sensul “dacă A atunci B” (A⇒B)
• echivalenţa are sensul “A dacă şi numai dacă B” (A⇔B)
1
17
Sintaxa defineşte formule bine formate (f.b.f). Se spune că o formulă este bine
formată dacă ea este construită în conformitate cu regulile următoare:
- propoziţiile sunt formule bine formate;
- dacă A şi B sunt formule bine formate, atunci expresiile următoare sunt de
asemenea formule bine formate:
(A Şi B), (A SAU B), NU (A), (A ⇒ B).
Ex: “(A ⇒ B) ⇒ C” este o f.b.f, însă “(A ⇒ B) ⇒” nu este o f.b.f.
Axiomele care fixează regulile de demonstrare a teoremelor din acest limbaj sunt1:
(1) A ⇒ (B ⇒ A)
(2) (A⇒B) ((A ⇒ (B ⇒ C)) ⇒ (A ⇒ C))
(3) A ⇒ (B ⇒ (A ^ B))
(4) A ^ B ⇒ A ; A^B⇒B
(5) A ⇒ A v B ; B⇒AvB
(6) (A⇒C) ⇒ ((B ⇒ C) ⇒ ((A v B) ⇒C))
(7) (A⇒B) ⇒ ((A⇒¬B) ⇒¬A)
(8) (¬¬A) ⇒ A
O formulă a limbajului formal de mai jos este adevărată dacă ea coincide cu o

axiomă sau sau dacă ea poate fi demonstrată plecând de la axiome cu ajutorul unei reguli
de deducţie care este unică, numită modus ponens sau regulă de separare:
Dacă A este adevărat şi dacă (A ⇒ B) este adevărată, atunci B este adevărat.
In logica formală calea cea mai importantă de a deduce noi propoziţii o constituie
silogismele. Un silogism utilizează implicaţia (⇒) pentru a deduce o concluzie. Acest tip
de silogism se aplică în sistemele expert, într-o variantă mai restrictivă, sub forma regulilor
de producţie. Sistemele expert comercializate funcţionează numai pe principiile “modus
ponens”. Modus ponens este orientat de concluzia pe care vrem să o obţinem. Aceasta ne
trimite la expertul sau utilizatorul care trebuie să ştie ce vrea. Altfel spus, un sistem expert
este totdeauna specializat şi orientat.
Raţionamentul prin absurd se exprimă prin egalitatea:
(A ⇒ B) = ((NU B) ⇒ (NU A)), care arată că NU(B) şi A trebuie să conducă la o
contradicţie. Altfel exprimat, aceasta revine la a spune că dacă (A ⇒ B) este adevărat şi
dacă B este fals, atunci A este fals. Acest mod de raţionament se numeşte modus tollens.
1
18
O formulă care s-a obţinut plecând de la axiome şi de la regula de deducţie este o
formulă adevărată. Nu este uşor de arătat cu ajutorul acestei metode că o formulă este
adevărată.
Se poate construi pentru toate cazurile o tabelă de adevăr pentru fiecare conector.
Tabelul 1.2 conţine toate valorile de adevărat sau fals ale propoziţiilor NU(A), A SI B, A
SAU B, A ⇒ B corespunzătoare valorilor de adevărat sau fals atribuite propoziţiilor A şi B.
Propoziţia Propoziţia Negaţia Conjuncţia Disjuncţia Inferenţa

A B NU(A) A SI B A SAU B A⇒B
adevărat adevărat fals adevărat adevărat adevărat
adevărat fals fals fals adevărat fals
fals adevărat adevărat fals adevărat adevărat
fals fals adevărat fals fals adevărat
Tabelul 1.2: Tabela de adevăr

Utilizând principiul tabelei de adevăr se poate verifica uşor că o formulă este
adevărată. Aceasta se face mult mai uşor prin utilizarea algebrei Boole care traduce în
limbaj algebric operaţiile care corespund conectorilor amintiţi mai sus.
Alături de silogism ca instrument fundamental de inferenţă, logica propoziţiilor
oferă şi o serie de relaţii de echivalenţă (⇔), utile pentru a transforma propoziţiile în
scopul simplificării evaluării lor (tabelul 1.3).
Relaţia de echivalenţă Conţinutul relaţiei

simetria A SAU B = B SAU A
A SAU B = B SAU A
reversibilitatea NU (NU A) = A
asociativitatea (A SAU B) SAU C = A SAU (B SAU C)
(A Şi B) Şi C = A Şi (B Şi C)
distributivitatea A SAU (B Şi C) = (A SAU B) Şi (A SAU C)
A Şi (B SAU C) = (A Şi B) SAU (A Şi C)
legile lui Morgan NU (A SAU B) = (NU A) Şi (NU B)
NU (A Şi B) = (NU A) SAU (NU B)
Tabelul 1.3: Conţinutul relaţiilor de echivalenţ\
19
1.4.3 Elemente de logica predicatelor
Logica predicatelor asigură descompunerea propoziţiilor elementare în
componentele sale. De exemplu din propoziţia “Cota de piaţă este în scădere”, prin
ignorarea subiectului se deduce formula “… este în scădere”. Prin utilizarea spaţiului liber
cu alte valori se pot obţine propoziţii adevărate sau false. Aceste expresii cu un singur
element sunt predicate. Expresiile în care 2 sau mai multe elemente sunt libere se numesc
relaţii.
Ex: A – este reprezentat de – B
A – este în relaţie contractuală cu – B
A – este în cooperare tehnologică cu – B
Se poate scrie într-o formă sintetică că A este în relaţia R cu B, adică: A R B în
care predicatele “este reprezentat de”, “este în relaţie contractuală cu”, “este în cooperare
tehnologică cu” sunt substituite prin variabila R.
Reprezentarea cunoştinţelor se poate face în două feluri:
• prin logica propoziţiilor de ordinul întâi : utilizarea variabilelor în declararea
faptelor şi regulilor este admisă numai pentru subiecte;
• prin logica propoziţiilor de ordinul doi: utilizarea variabilelor pentru declararea
faptelor şi regulilor este admisă pentru subiecte şi predicate.
Logica propoziţiilor de ordinul întâi poate fi considerată un limbaj la fel ca logica
propoziţiilor. Prin extensia logicii propoziţiilor se poate defini domeniul de calcul al
predicatelor.
Astfel pornind de la limbajul definit în paragraful precedent se mai pot adăuga la
alfabet următoarele elemente:
- constante: a, b, c, . . .
- variabile: x, y, z, . . .
- predicatele: P, Q, R, . . .
- simbolurile: ∀ (universalitate: pentru orice valori),
∃ (existenţă: pentru cel puţin o valoare)
- virgula (care se adaugă la paranteze).
Fiecărui simbol al predicatului i se asociază o pondere n (ce poate fi un număr
întreg pozitiv sau nul).
Pentru a interpreta calculul predicatelor trebuie să considerăm că constantele sunt
elementele unui domeniu de interpretare D. Vom numi asignarea variabilei x ca fiind orice
valoare pe care aceasta o poate lua în domeniul D.
20
Un predicat de pondere n (n>0) este o funcţie definită în domeniul Dn cu valori în
mulţimea {adevărat, fals}. Un predicat este deci adevărat sau fals în funcţie de valorile
argumentelor sale. Un predicat de pondere 0 este o propoziţie adevărată sau falsă.
Sintaxa acestui limbaj este definită prin aplicarea următoarelor reguli:
• Constantele şi variabilele sunt argumente.
• Formulele bine formate ale acestui limbaj (închise) sunt definite inductiv astfel:
- Dacă P este un predicat de pondere n şi dacă t1, . . ., tn sunt n argumente
Atunci P(t1, . . ., tn) este o formulă (atomică sau atom).
- Dacă A şi B sunt formule bine formate
Atunci (A Şi B), (A SAU B), NU (A), (A ⇒ B) sunt formule bine formate.
• La axiomele logicii propoziţiilor se mai adaugă axiomele:
- Axioma de specializare universală: (∀x, P(x)) ⇒ P(a) care afirmă că dacă pentru
toţi x proprietatea P(x) este adevărată, atunci P(a) este adevărată pentru toţi cei care
aparţin lui D.
- Axioma de generalizare existenţială: P(a) ⇒ (∃x, P(x)) care exprimă faptul că
dacă există un element a din domeniul de interpretare astfel ca P(a) să fie adevărat,
atunci există x astfel ca P(x) să fie adevărat.
1.4.4 Regulile de producţie

Regulile de producţie constituie una dintre primele modalităţi de reprezentare a
cunoştinţelor utilizate în realizarea de sisteme expert fiind bazate pe logica propoziţiilor în
care faptele şi regulile sunt entităţi constante (invariabile).
Datorită limitărilor inerente unei asemenea soluţii s-a trecut la o altă modalitate de
reprezentare bazată pe logica predicatelor în care faptele şi regulile pot include entităţi
generice, ceea ce le conferă un grad mult mai ridicat de generalitate. Deoarece entităţile
generice sunt specificate prin intermediul variabilelor, acestă metodă de reprezentare este
denumită reguli de producţie cu variabile.
Un sistem de producţie este un sistem în care regulile de producţie sunt predefinite
şi permit generarea de elemente noi. De exemplu regulile gramaticale dintr-un limbaj indic\
modul cum pot fi construite corect frazele plecând de la cuvinte. Regulile de producţie
care vor fi analizate sunt reguli de acţiune ele permiţând fie s\ se acţioneze, fie s\ se
îmbog\ţeasc\ informaţia înainte de a se acţiona.
21
Reprezentarea cunoştinţelor prin reguli de producţie se face prin două tipuri de
structuri: faptele şi regulile.
Faptele constituie informaţii elementare prin care se asigură descrierea unor
detalii privitoare la un domeniu de referinţă. Totalitatea faptelor reprezentate într-un sistem
expert constituie baza de fapte. Faptele sunt reprezentate practic prin propoziţii:
Ex: Rata inflaţiei este ridicată.
Stocurile de materiale cresc.
Spre deosebire de aplicaţiile informatice tradiţionale, un sistem expert construieşte
soluţia unei probleme printr-o înlănţuire de procese deductive. Faptele singure nu permit
însă deducerea de noi cunoştinţe.
Regulile specifică acele legături dintre fapte, pornind de la care se pot face
deducţii. Regulile asigură utilizarea unor cunoştinţe operatorii prin intermediul cărora se
simulează un raţionament sau un mod de acţiune.
Regula este interpretată la nivelul unui sistem expert astfel:
Dacă faptele specificate drept premise sunt verificate prin intermediul bazei de
fapte, atunci şi faptele conţinute în concluzia regulii sunt adevărate şi vor fi adăugate în
baza de fapte. Formatul general al regulii este:
Dacă (condiţie) premise, atunci concluzie (acţiuni).
Ex: R1: Dacă rata inflaţiei este ridicată, atunci preţul produselor finite creşte.
Premisele unei reguli pot fi formate şi din mai multe fapte diferite, legate prin
conectorii logici Şi, SAU, NU:
Ex: R2: Dacă concurenţa este slabă
Şi Cifra de afaceri creşte
Atunci stocurile de materiale cresc
Fapte cunoscute
Concurenţa este slabă

Regula 2 Rata inflaţiei este ridicată
Cifra de afaceri creşte
Dacă Concurenţa este slabă
Si Cifra de afaceri creşte
Atunci stocurile de materiale

cresc Fapt dedus
stocurile de materiale cresc
Fig. 1.2: Deducerea de noi fapte cu ajutorul regulilor
22
Regulile sunt înregistrate într-o ordine aleatoare în baza de reguli. Regulile
înmagazinează cunoştinţe cu aplicabilitate relativ generală. Rolul de a descrie problema
de rezolvat revine faptelor. Cum regulile sunt activate pe baza faptelor cunoscute, calitatea
procesului de raţionament este nemijlocit influenţată de măsura în care sunt disponibile
toate faptele relevante. Aşadar una din cerinţele esenţiale la care trebuie să răspundă
baza de fapte este de a reflecta cât mai fidel realitatea şi de a urmări promt modificările
intervenite în acesta.
In funcţie de domeniul concret în care se utilizează şi de condiţiile de exploatare,
faptele pot fi introduse într-un sistem expert prin una din căile următoare:
- prin tastare de la terminal, înaintea declanşării procesului deductiv;
- în cursul procesului deductiv, prin chestionarea utilizatorului;
- prin consultarea unei baze de date proprii;
- prin preluare directă de la diverşi senzori.
Nu toate faptele sunt la fel de stabile. Unele dintre ele pot reflecta concepte mai
generale, trăsături sau configuraţii structurale definitorii şi rămân neschimbate sau suferă
foarte rar modificări. Aceste fapte care descriu fondul general (comun) de cunoştinţe
aferente domeniului de expertiză, sunt denumite permanente.
Faptele ce definesc problema de rezolvat şi contextul specific al acesteia au
caracter temporar, fiind păstrate în sistem numai până la terminarea tratării acesteia. In
aceeaşi situaţie se află şi faptele noi, deduse în cursul proceselor de inferenţă prin
activarea regulilor, care constituie cunoştinţe aferente contextului specific al problemei de
rezolvat. Şi într-un caz şi în celălalt, acestea sunt fapte temporare.
1.4.5 Reguli de producţie cu variabile

Regulile de producţie cu variabile asigură o formă generală de exprimare, o
manieră de a putea aplica aceste reguli asupra unui grup de fapte. Acest caracter de
generalitate este asigurat prin utilizarea variabilelor la descrierea regulilor de producţie.
Considerând un grup de asemenea expresii şi un ansamblu de elemente care
formează un domeniu de interpretare, fiecare expresie în care variabilele au fost
substituite cu valori aparţinând domeniului de interpretare devine o propoziţie care poate fi
evaluată ca adevărată sau falsă. Fiecare variabilă are caracter local, fiind operantă
numai în cadrul regulei în care este prezentată.
23
Ex:
Dacă X lucrează la compartimentul marketing
Şi Z conduce compartimentul marketing
Atunci Z este şeful lui X
Dacă persoana_1 lucrează la loc_de_muncă

Şi persoana_2 conduce loc_de_muncă
Atunci persoana_2 este şeful persoanei_1
Dacă Y lucrează la compartimentul marketing

Şi Z conduce compartimentul marketing
Atunci Z este şeful lui Y
Fig. 1.3: Generalizarea regulilor cu ajutorul variabilelor
Variabilele care apar într-o regulă sau într-un fapt iniţial sunt considerate implicit
universal cuantificate, iar variabilele care apar în faptele de stabilit (obiectiv sau scop) sunt
considerate implicit existenţial cuantificate. Acesta înseamnă că pentru fiecare variabilă,
faptele de stabilit nu trebuie deduse pentru toate elementele din domeniul de interpretare,
ci pentru cel puţin unul dintre ele.
Rezolvarea problemelor de deducţie implicând variabile trece întotdeauna prin
căutarea de substituţii adecvate. Una din modalităţile de identificare a substituţiilor o
reprezintă unificarea ce aparţine clasei metodelor de filtraj .
1.4.6 Tipologia regulilor de producţie

Regulile de producţie se formează conectând împreună două sau mai multe fapte
prin implicaţie logică. Ele pot fi declarate prin specificarea premiselor în baza cărora se
emit concluziile, fie invers, prin stabilirea concluziei pe baza unor premise confirmate sau
infirmate. Prin urmare regulile de producţie sunt de două feluri:
Reguli deductive: DACA <premise> ATUNCI <concluzie>
Reguli inductive: <concluzie> DACA <premize>
Modul de furnizare într-un sistem expert a regulilor în format deductiv sau inductiv
este în raport de specificul problemei de rezolvat sau de modul particular de abstractizare
care se corelează cel mai potrivit la termenii prin care se declară faptele cu sau fără
24
implicaţie logică. Din punct de vedere logic regulile deductive sau inductive sunt formulări
echivalente.
Regulile deductive se interpretează astfel:

Dacă faptele f1,f2, . . . , fm sunt adevărate, atunci şi faptul fn este adevărat.
Structura abstractă a regulii:
Dacă f1 este adevărat
Şi f2 este adevărat
.........
Şi fm este adevărat
Atunci fn este adevărat.
Pe baza acestui raţionament faptul fn este luat şi el în considerare, procesul
deductiv se reia până în momentul în care nu mai pot fi deduse fapte noi, deci se atinge o
stare finală.
Ex: Dacă persoana_1 lucrează la loc_de_muncă
Atunci persoana_2 este şeful persoanei_1
Regulile inductive se interpretează astfel:

Pentru a stabili faptul fn, scopul procesului inductiv, trebuie stabilite faptele f1,…, fm
Structura abstractă a regulei:
fn este adevărat
Dacă f1 este adevărat
Şi f2 este adevărat
.........
Şi fm este adevărat
Regulile de producţie inductive declanşează deducţii succesive până când scopul
stabilit este confirmat. Rezultă că fiecare din faptele f1,f2, . . . , fm devine un nou scop, ceea
ce va conduce la declanşarea unor procese similare până la confirmarea sau infirmarea
scopului iniţial.
Ex: persoana_2 este şeful persoanei_1
Dacă persoana_1 lucrează la loc_de_muncă
25
Cele dou\ moduri de raţionament (deducţia şi inducţia) pot fi utilizate:
- în mod analitic (se descompun raţionamentele în submodule mai uşor de înţeles);
- în mod sintetic (se reunesc elementele disparate).
Inducţia se poate face prin compararea situaţiilor asem\n\toare iar parametrilor
nedeterminaţi din situaţia studiat\ li se atribuie valoarea pe care o au în situaţia de referinţ\
(raţionamentul prin analogie).
In plus faţ\ de cele dou\ moduri de baz\, cercet\torii în inteligenţa artificial\ au pus la
punct un al treilea mod numit abducţie, care const\ în construirea de scheme de observare
ipotetice1 necesare punerii în funcţiune a inducţiei.
Principalele metode de punere în funcţiune sunt:
- iteraţia care const\ în repetarea unei secvenţe de raţionamente pân\ când condiţia
de oprire este îndeplinit\;
- recursivitatea const\ în apelarea unui raţionament dat de el însuşi pân\ când acest
raţionament se bazeaz\ pe o problem\ simpl\ pe care a soluţionat-o.
Strategiile pentru raţionament pot face apel la specializare, la raţionamente prin
absurd, la eliminarea c\ilor inutile şi la reducerea diferenţelor.
In toate cazurile, pentru rezolvarea problemelor complexe, ierarhizarea
cunoştinţelor şi segmentarea problemelor sunt instrumente întrebuinţate din totdeauna.
Funcţiunea de baz\ a sistemelor expert este raţionamentul. Astfel se poate defini un
sistem expert ca fiind "un program informatic capabil s\ reproduc\ raţionamentele umane".
Una dintre problemele cele mai acute ale inteligenţei artificiale rezid\ în simularea
raţionamentelor intuitive şi neexprimate pe care le consider\m adesea simple la nivelul
bunului simţ.
1
26
1.4.7 Metareguli
Execuţia diverselor reguli de producţie poate fi implementată la nivelul sistemelor
expert prin intermediul unor strategii prioritare de raţionament. Acestea sunt reguli de
producţie deductive sau inductive care la rândul lor vor conţine cunoştinţe (reguli şi fapte)
necesare pentru a declanşa acţiunea altor reguli. Prin urmare aceste reguli de producţie
ce conţin elementele necesare privind utilizarea altor reguli se numesc metareguli.
Ex: Pentru determinarea mărimii stocurilor unei întreprinderi, în structura bazei de
reguli se poate defini o metaregulă de tipul:
Dacă aprovizionarea este ritmică
Şi consumul este constant
Şi există reguli ce conţin în premise fapte privitoare la stocul de siguranţă
Atunci se execută cu prioritate regulile specifice în care premisele conţin fapte
relative la stocurile de siguranţă
Principale caracteristici ale metaregulilor sunt1:

• reprezintă defapt cunoştinţe despre reguli (reguli asupra regulilor);
• sunt definite identic cum sunt redactate în mod vizual regulile;
• conţin reguli relative la utilizarea prioritară a altor reguli;
• indică starea următoare a bazei de fapte;
• indică regulile luate în considerare în faza de filtrare;
• sunt gestionate prin intermediul unui motor de inferenţe special care la rândul său
utilizează metacunoştinţe.
1
27
1.4.8 Cunoştinţe incerte
Specificul domeniului marketingului poate opera atât cu fapte şi reguli integral
certe, dar şi cu informaţii incomplete, deci cu fapte şi reguli incerte. Decizia în acest
domeniu poate opera în anumite cazuri cu informaţii incomplete ceea ce va conduce la
utilizarea unor soluţii particulare caracterizate de un anumit grad de incertitudine.
S-au conturat două modalităţi specifice de reprezentare1:
Prima constă în introducerea incertitudinii sau aproximaţiei chiar în exprimarea
cunoştinţelor. Spre exemplu, se poate apela la formulări de tipul: “creşterea preţurilor este
moderată” sau “creşterea preţurilor este probabilă”. Soluţiile de acest tip sunt însă
inacceptabile sau insuficiente în multe cazuri.
A doua modalitate de reprezentare şi tratare a incertitudinii constă în a atribui
elementelor din baza de cunoştinţe un coeficient destinat să exprime gradul de siguranţă
al acestora, denumit coeficient de certitudine QC.
Acest coeficient poate lua valori cuprinse între 0 şi 100. Zero (0) corespunde
valorii “fals”, iar 100 corespunde valorii “adevărat ” din logica binară. Coeficienţii de
certitudine nu sunt probabilităţi nici din punct de vedere conceptual şi nici matematic. Prin
urmare gradul de certitudine al tuturor elementelor într-un context dat nu trebuie să dea o
sumă egală cu 100.
Tratarea incertitudinii presupune în aceste condiţii:
• evaluarea gradului de incertitudine al faptelor de bază;
• combinarea valorilor QC pentru evaluarea gradului de incertitudine al faptelor
compuse şi a celor deduse prin aplicarea regulilor.
Coeficienţii de certitudine ai faptelor compuse se determină în funcţie de tipul
conectorilor logici pe baza relaţiilor următoare:
QC(A ŞI B) = MINIM (QC(A),QC(B));
QC(A SAU B) = MAXIM (QC(A),QC(B));
QC(NU (A)) = 100 – QC(A).
Ex: Dacă A = “rata inflaţiei este ridicată” are QC(A) = 80 şi B = “concurenţa este
puternică” are QC(B) = 60, atunci:
QC(rata inflaţiei este ridicată ŞI concurenţa este puternică ) = min(80,60) = 60;
QC(rata inflaţiei este ridicată SAU concurenţa este puternică)=max(80,60) = 80;
QC(NU (rata inflaţiei este ridicată)) = 100-80 = 20.
1
28
Regulile pot avea la rândul lor coeficienţi de certitudine care exprimă cât de certă
este concluzia dedusă pe baza premiselor lor:
QC(concluzie) = QC(premise) x QC(regulă)/100
Ex: R1: QC = 75
Dacă rata inflaţiei este ridicată
Şi concurenţa este puternică
Atunci se caută noi pieţe de desfacere
QC(se caută noi pieţe de desfacere) = QC(rata inflaţiei este ridicată ŞI concurenţa
este puternică ) x QC(R1) = 60 x 75/100 = 45
Există situaţii în care aceeaşi concluzie poate fi dedusă din mai multe reguli
diferite. Pentru a obţine QC al unei asemenea concluzii este necesar să se combine
coeficienţii returnaţi de fiecare regulă care o cuprinde. Presupunând că QC(R1) şi QC(R2)
reprezintă coeficienţii aceleiaşi concluzii deduse prin regulile R1 şi R2, coeficientul său
combinat de certitudine se obţine cu relaţia:
QC(R1,R2) = QC(R1) + QC(R2) - ( QC(R1) x QC(R2)/100)
Ex: R1: QC = 75
Dacă produsul X aparţine pieţei Y
Şi nivelul concurenţei pe piaţa Y este mediu
Atunci produsul X este în faza de maturitate
R2: QC = 85
Dacă volumul vânzărilor la produsul X este stabil
Şi profitul la produsul X este în uşoară creştere
Atunci produsul X este în faza de maturitate
Dacă baza de fapte conţine informaţiile următoare:

- Aspiratoarele aparţin pieţei produselor electrocasnice (QC = 100)
- Imprimantele aparţin pieţei produselor electronice (QC = 100)
- Nivelul concurenţei pe piaţa bunurilor electrocasnice este mediu (QC = 65)
- Nivelul concurenţei pe piaţa bunurilor electronice este mediu(QC = 55)
- Volumul vânzărilor la aspiratoare este stabil (QC = 90)
- Volumul vânzărilor la imprimante este stabil (QC = 80)
- Profitul la aspiratoare este în uşoară creştere (QC = 70)
- Profitul la imprimante este în uşoară creştere (QC = 60)
29
Aplicarea regulilor conduce la următoarele rezultate:
Instanţiind variabilele X şi Y cu valorile aspiratoare şi electrocasnice se obţine:
QC(R1) = QC(premise) x 75/100 = min (100,65) x 75/100 = 48.75
QC(R2) = QC(premise) x 75/100 = min (90,70) x 85/100 = 59.50
Cum ambele reguli conduc la aceeaşi concluzie “aspiratoarele sunt în faza de
maturitate”, coeficientul de certitudine al acesteia se determină combinând cei doi QC
obţinuţi:
QC(aspiratoarele sunt în faza de maturitate) = 48.75 + 59.50 – (48.75 x
59.50)/100 = 79.24
In mod analog instanţiind variabilele X şi Y cu valorile imprimante şi electronice se
obţine:
QC(imprimantele sunt în faza de maturitate) = 41.25 + 51 – (41.25 x 51)/100 =
71.21
Din analiza valorii celor doi coeficienţi de certitudine, rezultă că este mai probabil
ca aspiratoarele să se găsească în faza de maturitate (vârsta produselor).
Coeficienţii de certitudine atribuiţi regulilor şi faptelor influenţează considerabil
rezultatele. De aceea este foarte important ca ei să fie corect evaluaţi.
Chiar dacă expertul uman recurge la aprecieri de tipul ”mai bun” sau “mai sigur” în
selecţia şi formularea concluziilor sale, aceste aprecieri nu primesc, de regulă, o expresie
numerică. Pentru a ajuta expertul să depăşească asemenea dificultăţi, au fost propuse
mai multe tehnici de definire indirectă a coeficienţilor de certitudine.
Una dintre acestea constă în fixarea gradului de certitudine a unei cunoştinţe prin
plasarea sa grafică pe o scală ale cărei extremităţi corespund incertitudinii şi respectiv
certitudinii totale. Pe baza acestei poziţii se poate calcula uşor QC corespunzător (fig.1.4).
Cota de piaţă va creşte
0 100
Absolut nesigur 70 Absolut sigur
Fig. 1.4: Scala grafică de stabilire a QC
O altă tehnică frecvent folosită constă în a-i cere expertului să dispună faptele şi
regulile în ordinea descrescătoare a gradului de încredere pe care îl prezintă. Poziţia
ocupată într-o asemenea enumerare poate fi apoi evaluată numeric sub formă de QC.
30
1.4.9 Reprezentarea cunoştinţelor şi limbajele de programare
Reprezentarea cunoştinţelor într-un sistem expert trebuie s\ satisfac\ dou\ exigenţe
contradictorii:
- Sistemul de calcul: calculatoarele înţeleg un limbaj s\rac şi sunt cu atât mai
eficace cu cât acest limbaj este mai apropiat de limbajul maşin\. Idealul în acest caz sunt
limbajele de asamblare (Assembleur) sau limbajele maşin\.
- Lizibilitatea bazei de cunoştinţe: o baz\ de cunoştinţe trebuie s\ poat\ fi citit\,
modificat\, îmbog\ţit\ şi întreţinut\ de c\tre un expert în domeniu care în general nu este
informatician. Limbajul cel mai bun pentru a r\spunde acestui obiectiv este limba matern\ a
expertului la care se adaug\ "jargonul" expertizei.
Punctul forte al programării declarative este lizibilitatea bazelor de cunoştinţe. Acest
concept se bazează pe posibilitatea de scriere a regulilor aşa cum dorim şi a le organiza
într-o manieră care să conducă la o bază de cunoştinţe lizibilă şi să corespundă la o
structurare coerentă a cunoştinţelor din domeniu. Astfel baza de cunoştinţe devine
accesibilă specialiştilor din domeniu care nu sunt neapărat informaticieni. Mai mult,
sintaxa acestor reguli este simplă şi permite o lectură facilă.
Reprezentarea cunoştinţelor const\ în g\sirea unei terminologii intermediare, ceea
ce nu poate fi decât un compromis. Aceasta explic\ faptul c\ pe de o parte sistemele expert
sunt numeroase, iar pe de alt\ parte ele nu sunt niciodat\ unanim aprobate.
In aceste condiţii nu se poate vorbi de soluţia cea mai bună, dar în schimb există
două tendinţe diferite:
- tendinţa limbajelor: limbaj informatic cu caracter destul de general care este
independent de interpretor sau de compilator. Sunt preferate în ordine: LISP, PROLOG şi
limbajele orintate pe obiect. Acestea sunt adaptate mai degrabă informaticienilor şi
calculatoarelor decât expertului din domeniu.
- tendinţa instrumentelor de dezvoltare şi a generatoarelor de sisteme expert:
instrumente special concepute pentru a scrie baze de cunoştinţe, sunt în general foarte
complete ele neavând o vocaţie universală. Acest software care într-o anumită măsură
constă tot în limbaje, este puternic dependent de interpretor (care aici este motorul de
inferenţă). In acest caz vom spune că sistemul expert este realizat cu ARGUMENT sau cu
VP-Expert pentru a insista asupra ideii de instrument, în opoziţie cu sistemele scrise în
LISP sau PROLOG care acreditează ideea de limbaj. In fond, cele două tendinţe expuse
tind să se reunească, în măsura în care limbajele oferă un mediu de dezvoltare, adică mai
multe instrumente asociate, care furnizează aceleaşi funcţionalităţi ca şi un generator de
sisteme expert.
31
2 Prezentarea sistemelor expert de marketing
2.1 Sistemele expert şi decizia în marketing
Complexitatea problemelor întâlnite şi importanţa cunoştinţelor acumulate
referitoare la comportamentul de cumpărare precum şi eficienţa diferitelor componente ale
mixului de marketing au condus la dezvoltarea unor puternice instrumente decizionale.
Diversificarea informaticii a făcut ca aceste instrumente să ia astăzi forma
sistemelor inteligente de diagnoză, analiză şi de asistare a deciziilor de marketing.
Astfel de sisteme au apărut sub forma logicii interactive. Ele permit utilizatorului
ca plecând de la faptele de care dispune să poată obţine o sinteză integrând cunoştinţele
din domeniu, adaptate nevoilor sale imediate şi direct utilizabile la sfârşitul deciziei.
Posibilităţile de învăţare pe care le prezintă aceste sisteme în special prin
memorarea situaţiilor întâlnite şi a soluţiilor studiate au dus la apariţia unui nou mediu
decizional.
Există mai multe moduri de reprezentare a cunoştinţelor într-un sistem inteligent
dintre care două au reţinut mai mult atenţia în literatura de specialitate.
O primă familie de sisteme inteligente se bazează pe o reprezentare analitică a
cunoştinţelor. Ele se exprimă sub forma unuia sau mai multor modele matematice unde
parametrii sunt specificaţi statistic. Aceste modele se utilizează în cadrul algoritmilor
pentru găsirea unei soluţii la o problemă ce a mai fost întâlnită. Sistemele interactive de
asistare a deciziilor (SIAD după cum mai sunt cunoscute) ilustrează această concepţie.
O serie de sisteme de acest tip sunt în prezent disponibile în sfera marketingului.
O a doua familie de sisteme inteligente se bazează pe reprezentarea euristică a
cunoştinţelor. Sistemele expert de marketing ilustrază această abordare. Ele integrează
datele existente şi judecăţile subiective într-un raţionament simbolic şi numeric în vederea
rezolvării unui ansamblu de probleme interdependente.
Pe parcursul execuţiei sistemul interacţionează permanent cu utilizatorul căruia îi
explică concluziile la care ajunge. Sistemul solicită informaţii complementare care îi permit
elaborarea şi îmbunătăţirea raţionamentului său.
32
In prezent există doar un număr limitat de sisteme expert de marketing şi anume1:
1) Sistemul XCON produs de către Digital Equipment Corporation (DEC) şi
Universitatea Carnegie Mellon a avut ca obiectiv acordarea de consultanţă la configurarea
calculatoarelor VAX-11/780 plecând de la cerinţele unui client potenţial.
Recent a fost creată o variantă îmbunătăţită XSELL folosită în domeniul
activităţilor comerciale ce permite clientului să-şi definească clar cerinţele iar pe baza
acestora stabileşte preţul configuraţiei solicitate.
2) Sistemul ADCAD (Advertising Communication Approach Designer) este un
prototip de sistem expert în domeniul comunicării. Conţine circa 200 reguli de producţie
fiind utilizat în scopul asistării decidentului în evaluarea mesajelor publicitare şi alegerii
unei anumite strategii.
3) Sistemul PROMOTER utilizează un ansamblu de date precum termenele de
livrare, ieşirile din depozit pentru a furniza un model de comportament al pieţii. Baza de
cunoştinţe conţine analizele efectuate în 70 de campanii promoţionale pentru produsele
de larg consum. El poate evalua ceea ce s-ar întâmpla în cazul lipsei campaniei publicitare
oferind managerului o bază solidă de luare a deciziilor.
4) Sistemul MARKETING EDGE este utilizat în vederea elaborării unei strategii
ajutând decidentul în selectarea pieţelor, identificarea nevoilor consumatorilor şi stabilirea
preţurilor.
5) Sistemul MABEL este folosit în domeniul utilajelor şi echipamentelor grele
având ca obiect prospectarea pieţei, alegerea mijloacelor publicitare şi evaluării
rezultatelor târgurilor şi expoziţiilor.
6) Sistemul DETECTOR produs de firma Novaction este utilizat în domeniul
lansării produselor noi de larg consum. Se bazează pe un mecanism de inferenţă
bayesian şi poate oferi un prim diagnostic asupra şanselor de succes şi al potenţialului
economic al proiectelor de concepţie şi dezvoltare a produselor noi pe pieţele
internaţionale.
1
Ernst C., Les systemes experts de gestion: banque, finance, marketing, Editura Eyrolles Paris, 1988
33
2.2 Domeniile de utilizare a sistemelor expert în marketing
Sistemele inteligente de asistare a deciziei apar în prezent ca mijloace de creştere
a eficienţei activităţilor economice. Sistemele expert ar putea înlocui circa 60% din
activităţile de asistenţă în servicii de marketing.
Creşterea gradului de automatizare în culegerea datelor privind comportamentul
consumatorilor au condus la o creştere exponenţială a volumului de informaţii disponibile.
Sistemele expert sunt performante datorită raţionamentelor efectuate şi nu datorită unei
simple succesiuni de calcule. Intr-un astfel de context, sistemele expert pot ajuta
decidentul în probleme precum:
- evidenţierea factorilor importanţi;
- argumentarea deciziilor luate;
- îmbunătăţirea cunoştinţelor proprii în domeniu prin consultarea altor baze de
date;
-transferarea cunoştinţelor proprii sub forma bazelor de cunoştinţe sau a
diagnosticelor.
In scopul dezvoltării unui sistem expert este necesară studierea carcteristicilor
problemei pe baza unor criterii precum:
- importanţa factorilor calitativi în procesul de evaluare şi decizie;
- existenţa experţilor ce deţin performanţe recunoscute şi care pot fi transmise;
- necesitatea colaborării decidentului în diferite etape ale rezolvării problemei.
In tabelul 2.1 sunt prezentate câteva domenii ale marketingului care sunt
favorabile dezvoltării de sisteme expert.
34
Proces Existenţa Colaborarea
calitativ experţilor decidentului
Analiza structurii pieţelor ++ + +
Segmentarea pieţelor +++ ++ +
şi alegerea obiectivelor
Conducerea activităţilor ++ ++ ++
de cercetare - dezvoltare
Definirea ofertei + + ++
Studiul poziţiei pe piaţă ++ + +++
Studiul prelansării produselor + +++ +
Strategia lansării produselor +++ ++ +++
Analiza mixului de marketing + + +++
• Produs ++ +++ +++
• Preţ + + +++
• Distribuţie +++ ++ ++
• Promovare ++ + ++
Strategii defensive +++ + +++

Politica investiţională + + +++
Tabelul 2.1: Domenii de marketing favorabile dezvoltării de sisteme expert

Sursa: Ernst C., Les systemes experts de gestion: banque, finance, marketing, Editura Eyrolles Paris, 1988
Notă: Semnificaţia simbolurilor “+” este următoarea:

+ - nefavorabil
++ - favorabil
+ + + - foarte favorabil
35
Domeniul de aplicare al sistemelor expert se poate lărgi considerabil în cazul unei
abordări plurisectoriale a marketingului: produse industriale, servicii, evoluţia câtorva
tehnici de comercializare precum marketingul direct, vânzările prin corespondenţă, etc.
Numeroase oportunităţi de dezvoltare există în domenii cum ar fi:
- definirea şi evaluarea ofertelor în marketingul industrial;
- diagnosticarea şi îmbunătăţirea performanţelor în domeniul serviciilor;
- controlul eficienţei acţiunilor de marketing direct;
- adaptarea ofertei la cerinţele cumpărătorului în vânzarea la distanţă.
In utilizarea sistemelor expert există o serie de probleme legate de validitate şi
fiabilitate. Construirea, evaluarea şi actualizarea bazelor de cunoştinţe ridică multe
probleme practice legate mai ales de faptul că ele trebuie să acopere un câmp de
expertiză foarte complex prezentând în cazul deciziilor de marketing un număr nelimitat
de posibilităţi de combinare.
Pe de altă parte nivelul tehnicii de calcul existent impune o serie de constrângeri
la nivelul mecanismelor de inferenţă ceea ce conduce la o nereflectare fidelă a proceselor
reale de decizie.
Prin urmare dezvoltarea, validarea şi utilizarea sistemelor expert în domeniul
marketingului trebuie făcută cu precauţie şi în permanentă colaborare cu experţii umani.
Deciziile de marketing au făcut obiectul a numeroase cercetări vizând mai bună
evaluare a consecinţelor şi reducerea riscurilor. Pe parcursul ultimelor decenii acest efort
s-a concretizat într-un număr de sisteme de asistare a deciziei orientate spre:
- analiza datelor disponibile şi exprimarea lor într-o formă sintetică (orientare spre date);
- identificarea relaţiilor cauzale şi evaluarea lor econometrică (orientare spre model);
- dezvoltarea de modele ce rezolvă anumite elemente ale mixului de marketing (orientare
spre problemă);
- stocarea şi transferul de experienţă (orientare spre decizie).
Achiziţionarea, memorarea, adaptarea şi punerea în valoare a cunoştinţelor de
care dispun decidenţii la nivelul reacţiilor pieţei, comportamentului consumatorilor, reacţia
diferitelor elemente ale mixului de marketing sunt principala responsabilitate a
compartimentului de marketing. In acest context rolul sistemelor expert va creşte
deoarece ele sunt un mediu operaţional de îmbogăţire şi de punere în valoare a unei
resurse rare: competenţa.
36
2.3 Utilizarea sistemelor expert în domeniul politicii de preţ
Componenta cea mai importantă a unui sistem expert este baza sa de cunoştinţe.
După Waterman (1986) cunoştinţele unui sistem expert se pot dobândi în doua
moduri:
• metoda observaţională: prin analiza lucrărilor de specialitate, exemplelor şi
a studiilor de caz. In acest fel numai o parte limitată a problemei este analizată ceea ce
face ca alte surse potenţiale de informaţii să fie ignorate. Chiar şi astfel această abordare
oferă surse de cunoştinţe accesibile şi uşor de codificat sub forma regulilor de decizie pe
baza cărora se pot dezvolta sisteme expert în domeniul industriei.
• metoda intuitivă: în care deciziile se iau pe baza analizei experţilor care
furnizează un set de reguli euristice. Problema în acest caz este modul în care expertul
uman poate descrie cunoştinţele sale într-un mod uşor de înţeles. In practică mulţi experţi
iau deciziile pe baza intuiţiei, fiindu-le dificil sau chiar imposibil să explice modul în care au
acţionat.
Obiectivul este identificarea unui set de reguli de determinare a preţurilor care pot
fi adăugate bazei de cunoştinţe a unui sistem expert de marketing în vederea îmbunătăţirii
performanţelor acestuia. La baza stabilirii acestor reguli sunt lucrări din domeniul
marketingului precum “Managementul marketingului” de P. Kotler şi ”Luarea deciziilor în
marketing” de D.W Cravens, G.E Hill şi R.B Woodruff.
Primul pas în dezvoltarea regulilor de decizie este identificarea unui număr de
condiţii sau de situaţii pe care le întâlneşte un manager de marketing. Pasul următor este
identificarea şi reţinerea din setul de informaţii a acelor fapte şi acţiuni care se potrivesc
cel mai bine situaţiei în care se află respectivul decident. Regulile care se suprapun vor fi
combinate, informaţiile redundante se vor elimina, termenii ambugui fiind înlocuiţi de
echivalentul lor cert. Regulile extrase ca rezultat sunt independente între ele şi astfel este
posibilă reprezentarea lor într-un singur modul în cadrul sistemului expert.
Tabelul 2.2 prezintă 5 reguli extrase din lucrările mai sus menţionate.
Regulile vor fi reprezentate în baza de cunoştinţe a sistemului utilizând un limbaj
formal. Când programul este rulat, utilizatorul va răspunde unui număr de întrebări pe
baza cărora sistemul îşi va selecta regulile cele mai apropiate din baza de cunoştinţe şi va
putea face o recomandare.
37
Regula Condiţia Acţiunea
1 Obiectivul este menţinerea cotei de piaţă Menţine preţul produsului la
sau produsul nu are caracteristici de acelaşi nivel cu cel al
diferenţiere sau cererea este elastică concurenţei
2 Există o limitare de cost şi este necesară Preţ = Cost * (1+ x/100)
o rată a profitului de x %
3 Managerul vrea să crească cota de piaţă Preţ = PC + (PP-PC) * 0.618
şi clienţii potenţiali apreciază valoarea
produsului ca fiind PP, mai mare decât
preţul concurenţei PC
4 Obiectivul managerului este maximizarea Preţ = preţul care maximizează
profitului curent şi se cunoaşte funcţia funcţia profitului curent
cererii pentru firmă
5 Firma are clienţi foarte fideli Se menţine preţul nemodificat
Tabelul 2.2: Extragerea regulilor de determinare a preţurilor

Sursa: Tse A., Pricing Decision Rules for an Expert System, Marketing Bulletin, 1990
Exemplu de dialog între utilizator şi sistem:

Sistem> Care este obiectivul dvs. de marketing?
Alegeţi una dintre variantele următoare:
1) Menţinerea cotei de piaţă
2) Creşterea cotei de piaţă
3) Limitare de cost
4) Maximizarea profitului curent
5) Lărgirea gamei de produse
Utilizator> 3
(Deoarece răspunsul utilizatorului la prima întrebare este 3, sistemul va selecta
regula 2 din tabel şi va întreba utilizatorul asupra valorii ratei profitului)
Sistem> Care este rata profitului?
Utilizator> 25%
(In scopul determinării preţului optim pentru produs, sistemul va căuta în
subsistemul de contabilitate costul produsului şi găseşte valoarea 100 u.m.
Pe baza formulei corespunzătoare specificată în partea de acţiune a regulii 2
sistemul va recomanda preţul)
38
Sistem> Preţul produsului este: 125 u.m.
In practică situaţia este mai complexă datorită numărului mult mai mare de reguli
de decizie. Deşi regulile sunt concepute cât mai independente între ele, ordinea acestora
în baza de cunoştinţe precum şi interacţiunile neprevăzute dintre ele pot conduce la
rezultate neaşteptate.
In plus, trebuie să existe un număr de interfeţe între diferitele subsisteme şi
modulul central. In cazul în care anumite date sunt frecvent solicitate va exista o interfaţă
între sistemul central şi subsistemul de calcul pentru accesarea mai rapidă a datelor.
Sistemul trebuie să fie capabil să răspundă la întrebări de tipul “cum?” şi “de ce?”
pentru a fi înţeles de către utilizator. Toate aceste cerinţe impun un efort considerabil de
programare şi concepere în realizarea sistemului expert.
Există o serie de limitări în utilizarea metodei observaţionale prin analiza lucrărilor
de specialitate şi a studiilor de caz şi anume1:
Prima limitare se referă la faptul că setul de reguli propus este valabil pentru
determinarea preţurilor în situaţii generale. Fiecare sistem economic naţional este format
dintr-un număr de industrii, fiecare fiind caracterizată de probleme şi decizii specifice. Nu
este posibil astfel aplicarea unui set general de reguli de determinare a preţurilor fără a
ţine seama de specificul fiecărui domeniu.
A doua limitare apare datorită faptului că în situaţiile de decizie reale din
marketing intuiţia joacă adeseori un rol mai important decât acţiunile deduse strict pe baza
unor strategii teoretice desprinse din lucrările de specialitate.
A treia limitare este aceea că multe dintre regulile menţionate în cărţi nu sunt
aplicate intr-un context bine delimitat. Spre exemplu regula 5 care afirmă că firmele ce au
o clientelă foarte fidelă trebuie să-şi menţină preţul neschimbat este propusă fără
efectuarea unei cercetări prealabile. De asemenea multe dintre reguli sunt ambigui,
termenul de “fidel” utilizat în regula 5 neavând un sens bine explicitat.
A patra limitare este datorată subiectivităţii persoanelor care selectează regulile ce
provin de la o aceeaşi sursă (lucrare).
In ciuda acestor limitări, regulile obţinute pe baza lucrărilor de specialitate din
domeniul marketingului oferă un punct de plecare în fundamentarea procesului decizional
la nivelul întreprinderilor industriale.
1
Tse A., Pricing Decision Rules for an Expert System, Marketing Bulletin, 1990
39
2.4 Structurarea cunoştinţelor de marketing pe baza metodei
analizei ierarhice
2.4.1 Prezentarea metodei analizei ierarhice
In cele ce urmează va fi prezentată utilizarea sistemului Expert Choice în
domeniul dezvoltării şi evaluării produselor noi. Acest program este un generator de
modele decizionale având la bază metoda analizei ierarhice.
Prin posibilităţile de acumulare a experienţelor (sub forma arborelui de decizie), de
transfer a acestora şi prin facilităţile de simulare disponibile, Expert Choice se află la
frontiera dintre sistemele bazate pe o reprezentare analitică a cunoştinţelor şi sistemele
expert bazate pe reprezentările euristice.
Pentru înţelegerea fenomenelor economice legate de distibuţia unui nou produs,
eficienţa publicităţii asupra vânzărilor, decidentul va utiliza modele normative. Acestea au
ca obiect stabilirea de reguli care să descrie mecanismul de funcţionare al pieţei.
Totuşi complexitatea deciziilor poate constitui un impediment major mai ales în
cazul lipsei anumitor cunoştinţe (informaţii). In acestă situaţie este necesară o metodă de
structurare a cunoştinţelor care să permită rezolvarea logică a problemei şi care să fie
suficient de flexibilă pentru a se adapta diferitelor contexte decizionale.
Metoda analizei ierarhice urmăreşte rezolvarea problemelor complexe în trei
etape:
- identificarea problemei;
- analiza problemei;
- sinteza.
Identificarea problemei constă în stabilirea obiectului cercetării respective.
Analiza constă în descompunerea problemei pentru stabilirea dimensiunilor
elementare ce caracterizează fenomenul studiat. Este un proces natural al
raţionamentului uman, realitatea fiind înţeleasă plecând de la dimensiunile fundamentale
care o compun.
Descompunerea ierarhică constă în reprezentarea problemei sub forma unei
structuri arborescente inversate unde radăcina este fie scopul ce trebuie atins, fie
problema ce trebuie rezolvată.
In figura 2.1 este prezentată descompunerea ierarhică a unei probleme ce
priveşte definirea unei strategii de marketing.
40
Problema Succesul strategiei de
complexă marketing a întreprinderii
Principalele Cota de Nivelul Creşterea Notorietatea

obiective piaţă profitului vânzărilor
Acţiuni Reducerea Extinderea Promovarea Creşterea Patrunderea

preţului gamei vânzărilor bugetului pe o nouă
produsului A sortimentale a produsului C pentru piaţă
produsului B publicitate
Fig. 2.1: Descompunerea strategiei de marketing

Metoda analitică propusă introduce conceptul de ierarhizare a analizei fiind vorba

nu de identificarea ansamblului dimensiunilor care intervin într-o problemă, ci de
determinarea nivelului lor ierarhic. Anumite probleme nu pot fi reprezentate decât cu
ajutorul structurilor ierarhice multinivel. Anumite criterii sunt fundamentale în procesul
decizional fiind situate pe primul nivel, după cum alte criterii nu intervin decât la
dimensiunile elementare ale ultimului nivel.
Ponderarea parametrilor:
Analiza problemei a permis reprezentarea sub forma unei structuri arborescente
ierarhizate. Criteriile situate pe acelaşi nivel ierarhic au importanţe diferite.
In mod absolut ponderarea acestor criterii revine la a cere decidentului să acorde
fiecărui criteriu de pe acelaşi nivel ierarhic o notă cuprinsă între 0 şi 100. Acestă metodă
prezintă avantajul simplităţii în utilizare însă obligă decidentul să judece în mod absolut
un element.
In practică cunoştinţele nu sunt niciodată poziţionate pe o scară absolută, ci pe
una relativă. Astfel acestă fază de ponderare poate fi înlocuită printr-o serie de comparaţii
relative între perechi. Există două avantaje principale:
- evaluarea mai fidelă a realităţii de către decident;
- permite măsurarea coerenţei decidentului şi structurarea modelului.
41
De fapt este vorba de o extindere a noţiunii clasice de măsură aplicată pe o scară
de utilitate în sens microeconomic. Atunci când utilitatea este un preţ, scara se identifică
cu o scară a preţurilor de pornire. Avantajul acestei metode apare din faptul că în
majoritatea cazurilor utilitatea percepută are un caracter subiectiv fiind asemănătoare
gândirii manageriale. Această subiectivitate numită după caz experienţă sau intuiţie şi
care conţine toată bogăţia raţionamentului uman este astfel integrată în model conform
unui proces de structurare echivalent. In acest fel proiectantul modelului va pondera pas
cu pas structura arborescentă.
Volumul total de informaţii rezultante este de obicei mult mai mare decât numărul
maxim de canale informaţionale pe care persoana decidentă le poate folosi simultan.
Sinteza
Fazele precedente au permis reprezentarea problemei decizionale. Ultima etapă
constă în a sintetiza toate informaţiile identificate şi de a le integra în model. Această
sinteză se va face calculând pentru fiecare soluţie posibilă identificată un punctaj global
proporţional cu capacitatea de rezolvare a problemei considerate.
In tabelul 2.3 este prezentată sinteza stategiei de marketing a unei întreprinderi.
Evaluarea produselor
Nivel 1 Nivel 2 Nivel 3
Cota de piaţă = 0.35 Prod. C = 0.15
Prod. A = 0.18
Prod. B = 0.02
Strategia Nivelul profitului = 0.40 Prod. A = 0.20
de Prod. C = 0.15
marketing Prod. B = 0.05
a întreprinderii Creşterea vânzărilor = 0.15 Prod. B = 0.07
(1.00) Prod. A = 0.05
Prod. C = 0.03
Notorietatea = 0.10 Prod. A = 0.05
Prod. B = 0.03
Prod. C = 0.02
Tabelul 2.3: Evaluarea celor 3 tipuri de produse ale întreprinderii
42
Sinteza definirii strategiei de marketing se concretizează în prioritatea acordată
celor 3 tipuri de produse A,B,C:
Produsul A: 0.48 (48%)
Produsul C: 0.35 (35%)
Produsul B: 0.17 (17%)
2.4.2 Validarea modelului conceptual

In procesul de reducere a realităţii la câteva elemente fundamentale este
necesară testarea capacităţii modelului de a reprezenta corect problema pentru care a
fost creat. Această verificare are loc la două nivele:
- validarea modelului privind definirea structurii lui;
- estimarea riscului aplicării modelului.
Primul aspect se referă la calculele de coerenţă care însoţesc fiecare scară de
ponderare definită. Al doilea aspect include analiza de sensibilitate.
1) Măsurarea coerenţei modelului
Ideea ce stă la baza acestui aspect se referă la reprezentarea unei probleme într-
un sistem ierarhizat de axe ortogonale. Pot apare două probleme:
- la un anumit nivel al structurii definite axele nu sunt ortogonale (două criterii ale
aceluiaşi nivel sunt interdependente);
- o axă a fost omisă (un anumit criteriu nu a fost luat în discuţie).
In ambele cazuri rezutatul la nivel practic este introducerea unei “distorsiuni” în
raţionamentul pe care utilizatorul îl va defini. Pentru a evalua acestă stare de fapt analiza
procesului ierarhic permite definirea unui coeficient de coerenţă care va exprima măsura
în care raţionamentele respective nu sunt contradictorii. Spre exemplu într-un context logic
dacă A este preferat faţă de B şi B faţă de C, atunci A va fi preferat faţă de C. Altfel
raţionamentul nu este coerent.
In definirea unui model decizional incoerenţa poate avea cauze precum:
- o greşeală de atenţie în momentul elaborării raţionamentului (se elimin\ uşor);
- explicaţia se găseşte chiar în structura modelului.
Coeficientul de coerenţă indică utilizarea unei caracteristici de evaluare care nu a
fost definită explicit în model. Se impune restructurarea modelului pentru ca acesta să
reprezinte corect realitatea.
43
2) Grafurile de sensibilitate
Al doilea aspect fundamental al unei metode de asistare a deciziei constă în
măsurarea riscului care poate fi:
- o eroare în ponderea atribuită unui anumit criteriu;
- o evoluţie conjuncturală.
Reprezentarea unei probleme de decizie este limitată datorită caracterului static al
acesteia. Modelarea unei situaţii reale se face printr-o structură arborescentă ale cărei
ponderi au fost fixate de la început. In practică există o dimensiune dinamică a realităţii
(aspectul temporal şi conjunctural).
Fiecare graf de sensibilitate măsoară impactul asupra rezultatului final în urma
modificării ponderiii atribuite fiecărui criteriu considerat într-un domeniu de valori posibile.
Aceste grafuri permit evidenţierea criteriilor importante şi a criteriilor nesemnificative care
nu conduc la riscuri de eroare în decizia globală.
Aceste instrumente sunt foarte utile în luarea unei decizii manageriale oferind
posibilitatea de a măsura stabilitatea modelului faţă de fluctuaţiile conjuncturale sau a
erorilor de ponderare.
2.4.3 Metoda analizei ierarhice în cadrul sistemelor expert

Dezvoltarea unui sistem expert implică parcurgerea unui proces de structurare a
expertizei care se doreşte a fi modelată. Această etapă este adeseori greu de condus,
lungă şi costisitoare. Metoda analizei ierarhice este tocmai o metodă de structurare a
cunoştinţelor care este perfect utilizabilă în conducerea procesului de extragere şi
ordonare a cunoştinţelor obţinute de la expertul uman.
Pe de altă parte, pentru ca o expertiză să poată fi modelată sub forma unei baze
de cunoştinţe a unui sistem expert, trebuie să îndeplinească anumite condiţii:
- modularitate: posibilitatea descompunerii unei probleme în mai multe
subprobleme;
- complexitate: referitor la conceptele utilizate şi relaţiile dintre acestea;
- raţionalitate: ponderarea conceptelor şi a procedurilor conform contextului
problemei;
- fiabilitate: trebuie să existe un consens asupra existenţei unei expertize într-un
domeniu considerat;
- suficienţă: cunoştinţele necesare rezolvării problemei pentru care a fost realizat
un sistem expert trebuie să fie exhaustive. Acesta însuşire este fundamentală în controlul
coerenţei sistemului şi al fiabilităţii acestuia.
44
3 Proiectarea sistemelor expert
3.1 Sisteme expert bazate pe reguli de producţie
3.1.1 Etapele ciclului de bază ale motorului de inferenţe
Motorul de inferenţe sau interpretorul este nucleul central al unui sistem expert
deoarece foloseşte baza de cunoştinţe pentru a construi dinamic raţionamente prin
selecţia unor reguli declanşabile pe baza unei ordini de înlănţuire a acestora. Indiferent de
modul de raţionament utilizat ciclul de bază al unui motor de inferenţe cuprinde 4 faze
succesive: selecţia, filtrajul, rezolvarea conflictelor, execuţia regulii (figura 3.1).
Selecţia extrage din baza de reguli şi din baza de fapte elementele care
caracterizează subdomeniul de rezolvare a problemei. Se constituie o partiţie a bazei de
cunoştinţe care va scurta timpul de căutare pentru etapele următoare.
Selecţia este necesară în următoarele cazuri:
- când baza de cunoştinţe conţine reguli şi fapte specifice mai multor domenii de
referinţă (economic, juridic, social);
- când baza de cunoştinţe este voluminoasă, conţinând un număr mare de reguli
şi fapte, motiv pentru care este necesară o alegere a acestora prin constituirea unei partiţii
a bazei de cunoştinţe numai cu faptele şi regulile specifice domeniului abordat (economic)
Filtrajul constă în compararea premiselor regulilor selecţionate anterior cu faptele
ce caracterizează problema de rezolvat în scopul determinării submulţimii regulilor
declanşabile. Se compară precondiţia fiecărei reguli cu informaţiile care există în baza de
fapte. Ştiindu-se faptul că regula deductivă are formatul: “dacă premisă, atunci concluzie”,
partea din regulă care trebuie testată este fie “premisa”, fie “concluzia”, elemente care fac
parte din sistemul guvernat de fapte sau scopuri. Partea regulei de testat (premisa sau
concluzia) se numeşte declanşatorul regulei.
Fitrarea nu trebuie realizată pe mulţimea tuturor regulilor, sistemul de control
putând decide dacă o parte din reguli nu trebuie testate.
In urma acestei etape pot rezulta una, mai multe sau nici o regulă declanşabilă. In
ultimul caz rezultă o situaţie de eşec pe care sistemul expert trebuie să o explice sau în
care utilizatorul trebuie să răspundă la o serie de întrebări solicitate de sistem în vederea
definirii mai riguroase a formulării problemei abordate.
Rezolvarea conflictelor este necesară atunci când din etapa de filtraj au rezultat
mai multe reguli declanşabile şi trebuie aleasă una pentru a fi executată.
Criteriile de alegere ale acestei reguli executabile sunt:
- regula complexă cu cel mai mare număr de fapte în premisă;
- regula cea mai des utilizată.
45
De calitatea acestei alegeri depind performanţele motorului de inferenţe. Alegerea
depinde de contextul în care se găseşte baza de cunoştinţe în momentul respectiv.
Execuţia regulii alese constă în adăugarea anumitor fapte în baza de fapte prin:
- proceduri externe de acces la baze de date;
- proceduri externe de acces la foi de calcul tabelar;
- întrebări solicitate utilizatorului.
Pentru rezolvarea unei probleme, motorul de inferenţe execută mai multe cicluri
de bază şi se opreşte în funcţie de modul de raţionament utilizat.
Baza de reguli Baza de fapte
Selecţia
Reguli posibile Fapte selecţionate
Filtraj
Reguli declanşabile
Rezolvare conflicte
Reguli reţinute
Execuţia regulilor
Fig. 3.1: Ciclul de bază al motorului de inferenţe

46
3.1.2 Strategiile de control în sistemele expert
Asigură trecerea acestor sisteme dintr-o stare în alta şi constau în a găsi calea de
alegere a regulilor aplicabile asupra bazei de fapte. Strategiile de control diferenţiază ciclul
unui motor inferenţial în două modalităţi:
Sistemul cu restricţie nulă conţine numai fazele filtrare şi execuţie, funcţionarea
fiind asigurată până în momentul când mulţimea regulilor aplicabile este vidă.
Sistemul cu restricţie nenulă presupune existenţa a 4 faze: restricţia, filtrarea,
selecţia, execuţia. Faza de restricţie asigură determinarea submulţimii faptelor adevărate
în timp ce faza de selecţie arată dacă una sau mai multe reguli sunt aplicabile sau nici una
nu este aplicabilă.
Restricţia asigură identificarea şi reţinerea regulilor a căror premisă este
adevărată în raport cu faptele adevărate stocate în baza de fapte. In acest mod sistemul
funcţionează cu înlănţuire înainte.
Dacă sistemul este guvernat de fapte, restricţia va avea în vedere numai
scopurile, deci faptele ce trebuie stabilite. Filtrarea va reţine numai regulile ale căror
concluzii conţin scopuri care sunt stocate în baza de fapte. In această situaţie sistemul
funcţionează cu înlănţuire înapoi.
Dacă sistemul este guvernat atât de fapte cât şi de scopuri, sistemul este
caracterizat printr-o înlănţuire mixtă.
De asemenea, restricţia poate fi aplicată explicit de către expert prin intermediul
metaregulilor (aplicarea de reguli asupra regulilor). Metaregulile pot arăta:
- starea următoare a bazei de fapte (care vor fi regulile ce vor fi filtrate);
- grupa de reguli care trebuie reţinută cu prioritate.
Restricţia poate fi guvernată de legi care rezultă din structurarea problemei, deci
prin intermediul unei legi de precedenţă. Cunoştinţele pot fi organizate utilizând reţele
analoage reţelelor semantice prin intermediul unei organizări ierarhice a cunoştinţelor
(după cum a fost prezentat în capitolul 2.4).
Selecţia alege din mulţimea regulilor aplicabile acea regulă care va fi executată.
După fazele de restricţie-filtrare pot rezulta 2 cazuri:
• una sau mai multe reguli sunt aplicabile: se utilizează 2 strategii
- explorarea în lăţime-înainte: executarea primei reguli disponibile, urmând ca toate
celelalte reguli din mulţimea celor aplicabile să fie eliminate. Se vor executa succesiv toate
regulile aplicabile până când condiţia finală este îndeplinită, în caz contrar trecându-se la
un nou ciclu al motorului de inferenţă;
47
- explorarea în adâncime-înainte: se selectează o regulă aplicabilă după o metodă
euristică după care se trece la execuţie. In continuare se verifică dacă este îndeplinită
condiţia de oprire, în caz contrar reluându-se ciclul motorului de inferenţă.
• nici o regulă nu este aplicabilă: conduce la întrebări solicitate utilizatorului.
Strategiile de control ale unui sistem expert se pot clasifica după 3 criterii1:
- monotonie;
- regimul de lucru al motorului de inferenţe;
- modul de parcurgere al arborilor “şi-sau”.
1) Monotonia: proprietatea sistemelor expert de a lucra cu fapte şi baza de fapte:

• Strategia monotonă este definită prin 2 elemente:
- cunoştinţele adăugate în baza de cunoştinţe nu introduc contradicţii;
- faptele şi regulile nu pot fi şterse din baza de cunoştinţe.
• Strategia non-monotonă: asigură reanaliza veridicităţii faptelor pentru a se
induce noi cunoştinţe în timpul procesului deductiv .
2) Regimul de lucru al motorului de inferenţe: arată modul de reacţie al motorului

de inferenţe în caz de eşec:
• cu revenire (raţionamentul inductiv): atunci când motorul de inferenţe reia
inferenţa asigurată prin ciclul imediat anterior stării de eşec în scopul căutării
unei alte variante de rezolvare;
• irevocabil (raţionamentul deductiv): când motorul de inferenţe nu mai reia
inferenţa anterioară înregistrării stării de eşec deoarece o consideră inutilă.
3) Modul de parcurgere al arborilor “şi-sau”: specifică modalitatea concretă de

căutare a soluţiilor prin 2 strategii:
• în profunzime: căutarea se face prin parcurgerea pe ramuri fiind specifică
regimului de lucru irevocabil;
• în lărgime: căutarea se declanşează prin explorarea tuturor elementelor aflate
pe acelaşi nivel ceea ce conduce la invalidarea regimului de lucru cu revenire.
1
48
3.1.3 Modurile de raţionament specifice motorului de inferenţe
In funcţie de contextul şi specificul problemei abordate, motorul de inferenţe
execută o succesiune de cicluri de bază şi se opreşte în raport de modul de raţionament
utilizat efectiv: deductiv (înainte), inductiv (înapoi), mixt.
1) Raţionamentul deductiv (înainte): motorul de inferenţe pleacă de la fapte şi
caută un anumit scop (obiectiv). Raţionamentul este dirijat de fapte şi funcţionează astfel:
- în urma etapei de selecţie rezultă faptele şi regulile selectate;
- etapa de filtraj va extrage din baza de cunoştinţe numai acele reguli care au în
partea de premise faptele strict impuse de formularea problemei (determinarea regulilor
declanşabile);
- etapa de rezolvare a conflictelor foloseşte drept criteriu de alegere fie utilizarea
primei reguli aplicabile în ordinea numerotării regulilor, fie regula cu numărul cel mai mare
de premise. In caz de egalitate se alege regula cu numărul de ordine cel mai mic.
- procesul se reia până se atinge scopul propus (situaţie rezolvată) sau nu mai
există nici o regulă aplicabilă (situaţie de eşec).
Algoritmul raţionamentului deductiv poate fi reprezentat astfel:
INCEPUT
etapa de SELECTIE
determinarea faptelor şi regulilor selectate
etapa de FILTRAJ
determinarea regulilor declanşabile (aplicabile)
ATATA TIMP CAT mulţimea regulilor declanşabile nu este vidă sau scopul nu a fost atins
EXECUTA
etapa de REZOLVARE CONFLICTE
DACA criteriul este prima regulă aplicabilă în ordinea numerotării
ATUNCI aplică regula aleasă
modifică regulile declanşabile
SFARŞiT - DACA
DACA criteriul este regula cu numărul cel mai mare de premise,
iar în caz de egalitate, regula cu numărul de ordine cel mai mic
ATUNCI aplică regula aleasă
modifică regulile declanşabile
SFARŞiT - DACA
DACA baza de fapte conţine scopul propus
ATUNCI situaţie rezolvată
SFARŞiT - DACA
DACA baza de fapte nu conţine scopul propus
49
ATUNCI situaţie de eşec
SFARŞiT - DACA
SFARŞiT - EXECUTA
SFARŞiT - ATATA TIMP
SFARŞiT
2) Raţionamentul inductiv (înapoi): porneşte de la un scop (o problemă) pe care o

descompune în subprobleme până la obţinerea de probleme primitive formate din fapte
dovedite sau interogabile. Raţionamentul inductiv este dirijat de scop şi este invers
raţionamentului deductiv. Dirijarea în raport de scop trebuie să asigure găsirea faptelor
care vor asigura realizarea scopului.
Regulile selecţionate prin raţionamentul inductiv prezintă 2 particularităţi:
- trebuie să conţină în partea lor de concluzie (partea dreaptă) scopul iniţial;
- premisele regulilor selecţionate devin subscopuri ce urmează a fi dovedite.
Procesul raţionamentului inductiv se repetă până când mulţimea regulilor
declanşabile devine vidă (situaţie de eşec) sau subscopurile determinate sunt
demonstrate în totalitate.
Algoritmul specific raţionamentului inductiv poate fi reprezentat astfel:
INCEPUT
etapa de SELECTIE
introduce SCOP
etapa de FILTRAJ
DACA mulţimea regulilor declanşabile este vidă
ATUNCI solicită întrebări utilizatorului
SFARŞiT - DACA
ATATA TIMP CAT există regulilor declanşabile şi scopul nu a fost demonstrat
EXECUTA
etapa de REZOLVARE CONFLICTE
DACA criteriul este prima regulă cu numărul de ordine cel mai mic în
parcurgerea arborelui în profunzime şi apoi de la stânga la dreapta
ATUNCI
etapa de EXECU}IE pentru regula aleasă care are în
partea de concluzii scopul specificat
memorează subscopurile determinate
SFARŞiT - DACA
50
DACA un anumit scop nu este demonstrat
ATUNCI execută alte reguli declanşabile de la început
SFARŞiT - DACA
SFARŞiT - EXECUTA
SFARŞiT
3) Raţionamentul mixt: se fixează un scop, se determină faptele deductibile, se

aplică mai întâi raţionamentul inductiv care va solicita utilizatorul pentru specificarea
valorilor unor fapte necunoscute dar interogabile şi apoi se aplică raţionamentul deductiv
pentru a deduce tot ce este posibil.
Algoritmul specific raţionamentului mixt poate fi reprezentat astfel:
INCEPUT
etapa de SELECTIE
introduce SCOP
etapa de FILTRAJ
ATATA TIMP CAT scopul nu este stabilit,
există reguli declanşabile şi scopul este deductibil
EXECUTA
raţionamentul inductiv cu posibile întrebări solicitate utilizatorului
raţionamentul deductiv
determină faptele deductibile
SFARŞiT – EXECUTA
DACA scopul a fost stabilit
ATUNCI vizualizare scop
ALTFEL vizualizare eşec
SFARŞiT - DACA
SFARŞiT
51
3.1.4 Unificarea
Procesul de unificare este un element esenţial în utilizarea şi prelucrarea regulilor
de producţie ca variabile. Acest proces de unificare se manifestă în felul următor:
• dacă logica predicatelor constituie baza motorului de inferenţe, atunci vor fi
declanşate acele reguli ce au premisele satisfăcute prin intermediul unor
substituţii specifice variabilelor, similare cu faptele stocate în baza de fapte sau
prin intermediul unor concluzii specifice altor reguli;
• daca logica propoziţiilor guvernează funcţionarea motorului de inferenţe, atunci
vor fi declanşate regulile ale căror premise sunt identice fie cu concluziile altor
reguli, fie cu faptele deja existente în baza de fapte.
Procesul de unificare are la bază 3 concepte: substituţia, instanţierea, unificarea1.
O substituţie este un ansamblu de perechi (v1,t1), . . . , (vi,ti) unde v reprezintă
variabilele, iar t termeni oarecare. In calitate de termeni pot figura constante, variabile sau
expresii funcţionale.
Prin aplicarea unei substituţii S asupra unei expresii e se obţine o instanţiere a
expresiei. Deoarece explorarea sistematică a tuturor posibilităţilor de substituire a
variabilelor este inacceptabilă (din motive de performanţă), se caută forme reduse
intermediare care să identifice forma comună cea mai generală (procesul de unificare).
Algoritmul de stabilire a celui mai general unificator a 2 expresii oarecare se bazează pe
parcurgerea acestora în paralel şi compararea simbolurilor întâlnite, două câte două.
Pot apare următoarele situaţii:
- cele 2 simboluri sunt egale: se trece la confruntarea următoarelor două simboluri;
- cele 2 simboluri sunt diferite: ele pot fi unificate dacă cel puţin unul din simboluri
este o variabilă, iar cel de-al doilea este fie un termen, fie începutul unui termen care nu
conţine această variabilă. Perechea (variabilă, termen) astfel obţinută reprezintă
substituţia căutată şi ea se aplică părţii rămase de unificat din cele 2 expresii, după care
se trece la confruntarea următoarelor două simboluri.
Dacă la un moment dat simbolurile corespunzătoare nu pot fi unificate sau nu se
ajunge simultan la sfârşitul ambelor expresii, atunci acestea nu sunt unificabile.
1
52
3.2 Etapele de proiectare a sistemelor expert
3.2.1 Studiul de fezabilitate privind realizarea unui sistem expert
Studiul de fezabilitate trebuie s\ poat\ r\spunde la urm\toarele întreb\ri1:
- sistemul expert proiectat este realizabil?
- în ce m\sur\ va ameliora situaţia existent\?
- care sunt persoanele capabile s\-l realizeze?
- care este bugetul previzionat alocat?
- în cât timp se poate realiza?
- care sunt mijloacele necesare pentru punerea în funcţiune?
- care va fi rentabilitatea?
Dup\ munca de identificare a problemei este posibil s\ se r\spund\ la întreb\rile de
mai sus. Mai r\mân îns\ înc\ dou\ puncte delicate:
- evaluarea costurilor;
- timpul de realizare.
Procesul de derulare a proiectului poate cuprinde urm\toarele etape;
- livrarea unei machete (cu o parte limitat\ de cunoştinţe);
- realizarea prototipului;
- îmbog\ţirea şi validarea bazei de cunoştinţe;
- prezentarea versiunii operaţionale;
- implementarea.
Avantajul unei astfel de împ\rţiri a proiectului permite angajarea de credite în mod
prograsiv şi întreruperea lucrului dup\ recepţia machetei de c\tre factorii din întreprindere.
Acest prestudiu defineşte deci fezabilitatea, rezultatele scontate, principalele etape de
realizare a proiectului.
1
53
3.2.2 Ciclul de viaţă al unui sistem expert
Calitatea şi utilitatea unui sistem expert depind de cunoştinţele pe care le
încorporează şi utilizează. De aceea efortul principal în realizarea unui sistem expert este
orientat spre cunoştinţe, începând cu identificarea structurilor generale corespunzătoare
domeniului de expertiză şi continuând cu colectarea, reprezentarea, validarea şi utilizarea
acestora. Corespunzător acestei caracteristici definitorii, ciclul de viaţă al unui sistem
expert se compune din următoarele etape (fig. 3.2):
- analiza preliminară;
- modelarea conceptuală;
- colectarea cunoştinţelor;
- reprezentarea cunoştinţelor;
- validarea sistemului;
- introducerea în exploatare şi menţinerea în funcţiune.
Conceperea şi realizarea unui sistem expert necesită în principal două categorii
de personal:
- experţii umani ale căror cunoştinţe urmează a fi colectate şi direcţionate către
utilizatori prin intermediul sistemelor expert;
- cogniticienii care asigură transpunerea cunoştinţelor şi strategiilor de raţionament
ale expertului uman în structurile specifice metodei de reprezentare a cunoştinţelor şi a
instrumentelor informatice utilizate (programare logică, generator de sistem expert).
Participanţii tradiţionali la o asemenea activitate sunt:
-utilizatorii finali care vor exploata sistemul valorificând cunoştinţele încorporate;
-proiectanţii şi programatorii care vor asigura rezolvarea problemelor informatice
implicate de realizarea sistemelor expert: conceperea şi programarea comunicaţiei cu
utilizatorul, transferul de informaţii de la şi către aplicaţiile informatice existente, etc.
Referitor la această categorie de participanţi se impun două observaţii:
- ei pot fi identici ca persoane fizice cu cei care îndeplinesc funcţia de cognitician;
termenul de cognitician defineşte o funcţie specifică şi în general indispensabilă în
realizarea unui sistem expert şi nu o persoană fizică;
- prin facilităţile oferite de generatoarele de sisteme expert, efortul de programare
este aici mult mai redus, uneori aproape inexistent.
54
Analiza preliminară
Selectarea problemei
Stabilirea mijloacelor
Modelarea conceptuală
Concepte
Colectarea cunoştinţelor
Transferul expertizei
de la expertul uman Structura
spre calculator
Reprezentarea cunoştinţelor
Baza de cunoştinţe
Validarea sistemului
Sistem expert operaţional
Introducerea în exploatare şi
menţinerea în funcţiune
Fig. 3.2: Structura ciclului de viaţă al unui sistem expert

55
3.2.3 Analiza preliminară
Analiza preliminară urmăreşte definirea activităţii care va face obiectul sistemului
expert şi alegerea instrumentelor informatice necesare. Principalele cerinţe la care trebuie
să răspundă lucrarea ce urmează a fi abordată prin tehnologia sistemelor expert sunt:
- să facă apel la cunoştinţe ce aparţin unui domeniu bine delimitat;
- să aibă un nivel mediu de complexitate;
- să fie structurabilă, adică să utilizeze elemente identificabile, reproductibile şi
formalizabile în privinţa conceptelor, cunoştinţelor şi a raţionamentelor;
- să aibă un caracter repetitiv în timp;
- să fie bine cunoscută de către experţii disponibili;
- să nu facă apel la tipuri de cunoştinţe ce nu pot fi tratate prin una din metodele
de reprezentare existente (se poate aplica “testul telefonului” conform căruia o problemă
poate face obiectul unui sistem expert numai dacă expertul uman poate să-i expună
complet rezolvarea prin telefon).
In selectarea unei probleme care răspunde acestor criterii se pot avea în vedere
patru categorii de factori:
- natura problemei sau activităţii;
- rezultatele previzibile;
- expertiza disponibilă;
- utilizatorii finali.
Din punct de vedere al rezultatelor, evaluarea se bazează pe raportarea efectelor
previzibile ale sistemului expert la următoarele criterii:
- conduce la creşterea semnificativă a cifrei de afaceri;
- conduce la reducerea costurilor;
- determină îmbunătăţirea calităţii serviciilor şi produselor oferite;
- colectează expertiză pentru care nu există documentaţie scrisă;
- prin utilizare antrenează creşterea calificării profesionale;
- poate fi realizat cu un efort minim de programare.
O tehnică frecvent utilizată în efectuarea unor asemenea analize o reprezintă
grilele de evaluare care sunt compuse dintr-un ansamblu de criterii predefinite în raport cu
care problema abordată este apreciată şi notată cu un anumit punctaj. Dacă punctajul
total obţinut este sub o anumită limită, problema este considerată neoportună pentru un
sistem expert.
56
Din punctul de vedere al instrumentelor informatice se poate opta între:
- realizarea unui motor de inferenţe propriu scris într-un limbaj adecvat (Prolog);
- utilizarea unui generator de sisteme expert care are încorporat motorul de
inferenţe, rămânând ca utilizatorul să-şi însuşească modul de funcţionare al acestuia şi să
modeleze cunoştinţele expertului uman în concordanţă cu posibilităţile oferite de
generator.
Alegerea între aceste două posibilităţi trebuie să aibă în vedere câteva criterii:
- să existe un mecanism de control eficace, cu posibilităţi de automodificare şi un
modul explicativ elaborat;
- comunicaţia cu utilizatorul să fie cât mai apropiată de limbajul natural;
- să existe o experienţă anterioară în utilizarea sa pentru a avea elemente de
comparaţie.
Rolul etapelor următoare stabilirii problemei şi a instrumentelor informatice constă
în transferul expertizei de la expertul uman către calculator. Acesta este un proces
complex, ce presupune reveniri numeroase, aşa cum se poate observa din figura 3.6.
3.2.4 Modelarea conceptuală

Acestă etapă urmăreşte definirea structurii conceptuale a cunoştinţelor utilizate de
către expertul uman în domeniul de activitate definit. In cadrul său expertul defineşte în
colaborare cu cogniticianul noţiunile de bază folosite, relaţiile dintre ele, lucrările principale
de efectuat şi restricţiile generale care intervin în cursul rezolvării problemelor. Acest efort
de conceptualizare este necesar pentru a delimita exact domeniul de expertiză şi a
fundamenta formularea cunoştinţelor în cadrul viitoarei baze de cunoştinţe.
Modelarea conceptuală vizează următoarele obiective:
- identificarea principalelor “obiecte”, concepte sau entităţi din domeniul analizat;
- definirea atributelor necesare descrierii obiectelor, conceptelor şi entităţilor;
- identificarea corelaţiilor care există între acestea;
- examinarea principalelor restricţii ce intervin în relaţiile dintre obiecte;
- specificarea tipurilor de probleme la care va răspunde viitorul sistem;
- definirea cadrului general de utilizare al sistemului expert sub aspectul manierei
de comunicare a problemelor de rezolvat şi al interacţiunii cu utilizatorul final.
57
Aceste obiective sunt considerate atinse dacă cunoştinţele acumulate pot servi la
construirea unui model al realităţii al domeniului analizat, model schematic dar suficient de
detaliat pentru a servi ca bază fazelor următoare din ciclul de viaţă.
Captarea realităţii într-un model presupune reproducerea schematică a celor două
aspecte fundamentale ale realităţii:
- aspectul static (structural);
- aspectul dinamic (funcţional).
Realitatea oferă însă şi alte aspecte:
- aspectul temporal (cauzal): determinat de manifestarea legii “cauză-efect”
exprimată în limbajul natural prin implicaţii logice;
- aspectul raţional (cognitiv): reflectă capacitatea de raţionament, de efectuare de
inferenţe logice asupra cunoştinţelor deţinute.
1) Un model structural trebuie să reflecte:
- elementele (obiectele, entităţile);
- atributele fiecărui element;
- relaţiile structurale dintre elemente:
• relaţii de clasificare (apartenenţă la o clasă)
• relaţii de compunere/descompunere (părţi componente)
2) Modelul funcţional trebuie să surprindă aspectul dinamic, activitatea
desfăşurată într-un domeniu, funcţiile fiecărui element din modelul structural. Analiza
activităţii se finalizează de obicei cu precizarea acestor funcţii şi a entităţilor implicate. In
modelele conceptuale aceste funcţii sunt relaţiile active dintre entităţi (obiecte).
Funcţiile sunt reprezentate prin verbe de acţiune în textul descriptiv fiind exprimate
în termeni foarte generali, entităţile implicate fiind clase de obiecte. Aceste funcţii generale
se pot descompune în acţiuni din ce în ce mai precise putându-se identifica trei nivele:
- acţiune generică;
- acţiune specifică;
- acţiune elementară (operaţie).
Ex: Arborele descompunerii funcţionale a acţiunii de vânzare:
58
eliberare
livrare ambalare încărcare
expediere transport
vânzare facturare descărcare
încasare
3) Modelul cauzal surprinde aspectul declanşării unei acţiuni şi al consecinţelor ei

fiind o reprezentare a legii “cauză-efect”. In acest model se folosesc termenii de acţiune şi
eveniment. Evenimentul este rezultatul, consecinţa unei acţiuni şi este perceptibil prin
schimbarea valorii unor parametrii de stare (atribute).
Modelul conceptual cel mai general care asociază o acţiune unui context de
perechi ”variabilă-valoare” este modelul regulilor de producţie: ”condiţii – acţiune”.
Un alt model conceptual sunt reţelele Petri cunoscute mai mult prin varianta
simplificată promovată de metoda Merise (modelul conceptual al prelucrărilor).
Se evidenţiază astfel trei elemente fundamentale ale modelării conceptuale a
realităţii obiective: entitatea (obiectul), asociaţia (legătura, relaţia), evenimentul.
Raţionamentul efectuat asupra modelului cauzal este cel clasic (silogismul).
Logica clasică formalizează modelul de raţionament care utilizează relaţiile cauză-efect
denumite implicaţii (observate ca atare, considerate adevărate) pentru a deduce valoarea
de adevăr a efectului sau de falsitate a cauzei.
Implicaţiile se pot expune sub diferite forme:
• Dacă premisele sunt adevărate, atunci concluzia este adevărată;
• Concluzia este adevărată dacă premisele sunt adevărate;
• Concluzia este adevărată pentru că premisele sunt adevărate;
• Pentru ca o concluzie să fie adevărată, trebuie ca premisele sale să fie
adevărate.
Se observă o diferenţă în formularea implicaţiei (figura 3.3):
- o formulare interpretativă care explică de ce este concluzia adevărată;
- o formulare de intenţie care exprimă ce trebuie făcut pentru ca să se
îndeplinească concluzia.
59
In formularea interpretativă se cunoaşte concluzia şi se explicitează premisele
pentru verificare sau explicaţii (se explorează trecutul, faptele cunoscute).
In formularea intenţională se cunosc premisele şi se explicitează consecinţele lor
(se explorează viitorul, faptele considerate putând avea un caracter ipotetic).
Modelele cognitive asociate raţionamentului asupra modelului cauzal sunt:
- deducţia (modus ponens);
- inducţia;
- reducerea la absurd (modus tollens).
interpretare intenţie
Cauze Acţiune Consecinţe
trecut prezent viitor
Fig. 3.3: Plasarea implicaţiei în context temporal
Schema modului de înlănţuire a primitivelor de raţionament se numeşte schemă

de interpretare-intenţie. Această schemă este modelul cognitiv al modului de rezolvare a
problemei, model ce captează strategia expertului, modul lui de abordare şi etapele, pe
scurt expertiza asupra domeniului. Modelul cognitiv este modelul conceptual al expertizei.
4) Modelul cognitiv prezintă un caracter subiectiv, specific uman care se referă la
mecanismele inteligenţei naturale utilizate în procesul de raţionament. Raţionamentul
natural se bazează în exclusivitate pe un model al realităţii.
60
3.2.5 Colectarea cunoştinţelor
Această etapă urmăreşte colectarea tuturor cunoştinţelor necesare construirii
modelelor conceptuale şi a bazei de cunoştinţe. Principalele probleme care apar sunt:
- lipsa de sistematizare iniţială (în exercitarea activităţii sale expertul nu are nevoie
să-şi exteriorizeze cunoştinţele);
- tendinţa firească de omitere a cunoştinţelor generale din domeniul respectiv
(cunoştinţe de bun simţ care pentru expertul uman sunt subînţelese);
- existenţa mai multor surse de cunoştinţe;
- dificultatea de a selecta din masa de cunoştinţe pe cele necesare sau relevante;
- necesitatea de a colecta un număr cât mai mare de excepţii şi de cazuri
nespecifice pentru a putea conferi suficientă flexibilitate viitorului sistem (un sistem expert
îşi propune să rezolve probleme nestructurate sau slab structurate unde excepţiile sunt
frecvente).
Colectarea cunoştinţelor se poate realiza pe cale manuală sau automată.
Principalul procedeu de culegere manuală este interviul utilizat frecvent şi în
realizarea aplicaţiilor informatice convenţionale. Deoarece expertiza umană este mult mai
dificil de delimitat şi obţinut, pe lângă dezavantajele inerente interviului se adaugă şi
introducerea unui anumit nivel de incertitudine. De aceea s-au definit diverse tehnici
alternative cum ar fi grilele de repertoriere care constau în esenţă în aplicarea unui
demers dirijat de identificare sistematică a cazurilor de rezolvat şi a carcteristicilor pe care
se bazează expertul în formularea de decizii sau recomandări.
Automatizarea achiziţionării cunoştinţelor presupune asigurarea următoarelor:
- asistarea expertului în transmiterea directă a cunoştinţelor sale fără participarea
altei persoane (cogniticianul);
- sprijinirea cogniticianului în culegerea mai eficientă a cunoştinţelor în cazul
problemelor complexe;
- inducţia automată: generarea automată de reguli de producţie pe baza unui set
de exemple sau cazuri formulate de expert.
In acestă privinţă există algoritmi şi programe independente sau încorporate în
generatoare de sisteme expert, capabile să efectueze asemenea prelucrări.
61
3.2.6 Reprezentarea cunoştinţelor
Acestă etapă urmăreşte să asigure formalizarea şi reprezentarea cunoştinţelor în
structura adecvată înregistrării lor în baza de cunoştinţe şi exploatării de către motorul de
inferenţe. Realizarea sa este facilitată de unele generatoare de sisteme expert şi de
instrumentele informatice de achiziţionare automată a cunoştinţelor.
Reprezentarea cunoştinţelor este o etapă de detaliere a modelelor conceptuale,
de traducere în termeni mai concreţi, de unificare a diferitelor modele structurale,
funcţionale, cauzale şi cognitive care au rezultat din etapa de modelare conceptuală.
Acestă unificare se poate considera un model logic al cunoştinţelor, asemănător
modelelor utilizate la nivelul logic al sistemelor informatice clasice, nivelul specificaţiei
interne, interfaţa cu suportul software care asigură implementarea. In domeniul inteligenţei
artificiale acest nivel este acoperit de logica propoziţiilor şi predicatelor ce permit
reprezentarea tuturor simbolurilor din modele: entităţi, asociaţii, evenimente, legături
cauzale şi primitive de raţionament.
Logica predicatelor este un instrument mai puţin potrivit pentru modelele
structurale şi funcţionale, dar deosebit de flexibil în implementarea modelelor cauzale şi
cognitive (implicit prin motoarele de inferenţă asociate limbajelor).
Astfel convenţiile de traducere în logica predicatelor a entităţilor, asociaţiilor,
evenimentelor, a declanşării acţiunilor şi a consecinţelor acestora sunt:
• entitate(atribut_1, . . . , atribut_n)
dacă entitate_1(atr_11, . . . , atr_1n)
şi entitate_2(atr_21, . . . , atr_2n)
...........................
şi entitate_m(atr_m1, . . . , atr_mn)
atunci asociaţie(atr_11, . . . , atr_mn)
• eveniment(parametru, valoare)
dacă eveniment_1(p1, v1)
şi eveniment_2(p2, v2)
....................
şi eveniment_m(pm, vm)
atunci acţiune
• acţiune
dacă acţiune
şi context
atunci consecinţă
62
Raţionamentele asupra modelului cauzal (deducţia, inducţia) sunt modelate
implicit prin înlănţuirea regulilor de producţie din premise spre concluzie sau din concluzie
spre premise în procesul de inferenţă ce va fi efectuat de către interpretoarele limbajelor
utilizate pentru implementarea bazei de cunoştinţe. Regulile trebuie formalizate în aşa fel
încât acest proces de înlănţuire automată să fie posibil. Se impune deci standardizarea
predicatelor utilizate, utilizarea inferenţelor primitive, controlul procesului de înlănţuire
printr-o schemă de interpretare-intenţie construită pentru atingerea unui anumit scop.
Această schemă se transcrie tot prin reguli de producţie:
dacă inferenţa_1
şi inferenţa_2
............
şi inferenţa_n
atunci scop
Schema de interpretare-intenţie este modelul conceptual al prelucrării
cunoştinţelor în vederea atingerii unui anumit scop.
3.2.7 Validarea sistemului

Scopul principal al acestei etape constă în verificarea măsurii în care sistemul
obţinut poate fi utilizat în practică. Validarea sistemului trebuie să cuprindă toate
elementele ce caracterizează funcţionarea sistemului:
- rezultatele furnizate de sistem;
- procesele de raţionament ce conduc la aceste rezultate;
- metodele de inferenţă aplicate.
Principalele criterii de validare a sistemului:
- naturaleţea în interacţiunea cu utilizatorul uman;
- gradul de acoperire a gamei de probleme aferente domeniului de expertiză;
- capacitatea de a răspunde la formulări diferite ale problemelor;
- precizia rezultatelor furnizate şi ponderea deciziilor eronate.
In funcţie de rezultatele observate validarea poate impune completarea bazei de
cunoştinţe precum şi operarea de modificări structurale menite să îmbunătăţească
parametrii de exploatare curentă.
63
3.2.8 Introducerea în exploatare şi menţinerea în funcţiune
Introducerea în exploatare grupează ansamblul activităţilor necesare trecerii la
stadiul de sistem operaţional şi se realizează pe două nivele:
- prin integrarea în structurile organizatorice existente;
- prin integrarea cu aplicaţiile informatice aflate deja în exploatare.
Menţinerea în funcţiune vizează două aspecte:
- asigurarea evoluţiei sistemului prin completarea sau modificarea ulterioară a
bazei de cunoştinţe;
- adaptarea sa la evoluţia tehnologiilor informatice şi a aplicaţiilor cu care
interacţionează.
64
4 Generatoare de sisteme expert
4.1 Arhitectura generatoarelor de sisteme expert
Sistemele expert sunt realizate şi comercializate pe piaţa informaticii prin
intermediul a două componente diferite dar complementare:
• Sistemul expert propriu-zis (SE): produs informatic capabil să admită o bază de
cunoştinţe, pregătit pentru o expertiză reală, operaţional în logica propoziţiilor şi dotat cu
motor de inferenţe;
• Generatorul de sisteme expert (GSE): produs informatic privit ca un instrument de
elaborare, de tipul “shell”, fără bază de cunoştinţe, dar disponibil şi capabil de a exploata
imediat o asemenea componentă logică. GSE va conţine motorul de inferenţe, programe
utilitare de elaborare şi de exploatare, funcţii “help”, toate aceste componente organizate
şi exploatabile într-o manieră unitară în accepţiunea unui mediu de elaborare al SE.
Pe piaţa informaticii nu se vând SE, ci GSE prin intermediul căruia utilizatorul
potenţial poate genera, în raport de specificul domeniului expertizat, o multitudine de SE
într-o mare varietate prin utilizarea automată a unui GSE.
Arhitectura unui generator de sisteme expert conţine o serie de componente logice
de bază şi auxiliare de natură să permită construirea şi funcţionarea optimă a unui SE.
Compilator reguli
Dicţionar de: Confidenţialitatea
- fapte accesului la baza
- reguli Editor de cunoştinţe
Baza de cunoştinţe Module specializate:

Motor de
elaborare calcule, comentarii,explicaţii
Baza Baza
de de
fapte reguli
Trasor Invăţare
Motor de inferenţe
Interfaţa utilizator
Fig. 4.1: Arhitectura simplificată a unui generator de sisteme expert

Sursa: Davidescu N.D., Arhitectura sistemelor expert, Editura didactică şi pedagogică, Bucureşti, 1997
65
Majoritatea GSE conţin următoarele componente logice:
1) Motorul de inferenţe, componentă de bază, cu caracteristicile următoare:
- este conectat la baza de cunoştinţe din care îşi preia cunoştinţele pe care le
prelucrează şi le restochează tot la nivelul bazei de cunoştinţe.
- anumite GSE pot fi dotate cu mai multe motoare de inferenţe datorită cauzelor:
• motoare de inferenţe diferite pentru reguli;
• motoare de inferenţe dedicate pentru metareguli;
• SE pot fi destinate expertizării mai multor domenii de cunoaştere diferite, dând
naştere la sisteme multi-expert.
2) Baza de cunoştinţe, componentă de bază ce conţine regulile şi faptele
necesare dezvoltării unui SE prin facilităţile GSE.
3) Editorul, componentă esenţială care asigură schimbul de cunoştinţe într-o
manieră apropiată limbajului natural. Permite înţelegerea regulilor şi faptelor manipulate
prin GSE şi are următoarele funcţii:
- facilitarea înţelegerii;
- verificarea cuvintelor cheie utilizate de GSE;
- verificarea valorilor posibile admise de variabile (domeniul de existenţă al lor);
- afişarea regulilor cu premise şi concluzii similare.
4) Trasorul, componentă esenţială ce asigură:
- urmărirea secvenţelor raţionamentelor desfăşurate de motorul de inferenţe;
- afişarea regulilor care au dedus o anumită concluzie;
- activarea întrebărilor de genul: de ce? şi cum? pentru a furniza fie faptul, fie
regula utilizată.
5) Invăţare, componentă auxiliară care are două funcţii esenţiale:
- modalitatea concretă a achiziţiei de noi reguli, adică adăugarea de noi reguli
prin intermediul mai multor metode (de exemplu tabela de decizie) ;
- reperarea euristicilor performante care are în vedere optimizarea sau
simplificarea numărului de reguli.
6) Interfaţa utilizator, componentă auxiliară asigurând comunicaţia şi dialogul
eficient cu utilizatorul SE precum şi interacţiunea cu o bază de date.
7) Compilator de reguli, componentă auxiliară care asigură verificarea sintactică a
regulilor introduse prin intermediul editorului în baza de cunoştinţe.
8) Dicţionarul, componentă auxiliară care conţine toate informaţiile particulare şi
specifice cu privire la fapte şi reguli.
66
9) Confidenţialitatea accesului la baza de cunoştinţe, componentă auxiliară care
permite activarea bazei de cunoştinţe prin intermediul unei parole de acces.
10) Module specializate, componentă auxiliară ce asigură o serie de funcţii strict
particulare dintre care cele esenţiale sunt: calcule, comentarii, explicaţii.
11) Motorul de elaborare, componentă auxiliară care coordonează acţiunea
trasorului şi a editorului oferind facilităţile impuse de verificarea sintaxei, efectuarea de
corecţii şi concordanţa după corectare cu utilizatorul.
4.2 Principalele componente specifice unui GSE

4.2.1 Editorul
Editorul asigură schimbul de cunoştinţe între utilizator şi SE prin intermediul unei
interfeţe şi a unui modul de dialog. Editorul impune utilizatorului utilizarea unei sintaxe
predefinite în privinţa generării şi utilizării regulilor şi faptelor. De asemenea editorul
verifică dacă faptele şi regulile au formatul solicitat de GSE. După analiza regulilor
generabile pentru un anume SE, se începe introducerea acestora în baza de cunoştinţe.
Editorul asigură concordanţa şi coerenţa dintre cunoştinţele introduse de la
videoterminal şi structura predefinită a cunoştinţelor. In plus el gestionează o listă
completă privind dicţionarul regulilor şi faptelor pentru care poate asigura următoarele:
lista faptelor şi a regulilor, cine şi când a introdus regule, valorile admisibile pentru fiecare
tip de obiect.
4.2.2 Trasorul
Trasorul furnizează utilizatorului secvenţa raţionamentelor declanşate de motorul
inferenţial. De asemenea actualizează baza de fapte odată cu dovedirea faptelor iar la
modificarea valorii unei fapte, trasorul detectează toate deducţiile efectuate. Sesiunea se
reia cu noua valoare a faptei respective.
Succesiunea acestor modificări permit evaluarea sensibilităţii rezultatului final
raportat la valoarea faptelor sigure prin intermediul unui studiu de sensibilitate. Acest
studiu urmăreşte modificarea faptelor, modul de actualizare a bazei de cunoştinţe şi
continuarea consultării pe baza noilor fapte. Ansamblul regulilor utilizate pentru
demonstrarea unui anumit scop, deci înlănţuirea completă a raţionamentelor efectuate de
67
către motorul de inferenţe se numeşte traseu care va fi evidenţiat în finalul sesiunii de
lucru. Utilizarea trasorului se face diferenţiat în funcţie de faza de funcţionare a SE:
• modul de funcţionare normală a sistemului: modul exploatare
Asigură pe parcursul sesiunii de lucru faptele necesare pentru completarea bazei
de cunoştinţe şi declanşarea raţionamentului de către motorul de inferenţe.
• modul de îmbogăţire şi validare a sistemului: modul dezvoltare
Prezintă facilitatea de îmbogăţire şi validare pe măsura utilizării efective a
sistemului. Utilizatorul doreşte să cunoască regulile care au stat la baza fundamentării
unei anumite concluzii fiind posibile:
- adăugări de noi fapte;
- ştergerea sau modificarea faptelor deja existente.
Cele două moduri specificate (exploatare şi dezvoltare) sunt asociate conceptului
de motor de elaborare fiind activate prin intermediul întrebărilor de ce? şi cum?:
• întrebarea de ce? face referinţă la un fapt şi furnizează regula ce conţine acest
fapt care urmează să fie declanşată. Astfel utilizatorul poate urmări secvenţele
de raţionament pe care sistemul intenţionează să le aplice
• întrebarea cum? admite întoarcerea în arborele logic iar sistemul generează un
răspuns prin care sunt evidenţiate şi cunoscute regulile pe care le va aplica în
momentul punerii întrebării, regulile deja aplicate precum şi regulile care vor fi
declanşate şi încercate.
4.2.3 Motorul de elaborare

Conţine proceduri prin care se asigură coordonarea dintre acţiunea editorului şi
cea a trasorului, utilizatorul având posibilitatea îmbogăţirii bazei de reguli prin adăugarea
şi validarea de reguli noi, urmate de verificarea corectitudinii raţionamentelor. Se asigură
astfel calitatea bazei de reguli măsurată prin trei criterii:
• Completitudinea asigură continuitatea funcţionării sistemului în condiţiile
inexistenţei unui reguli în baza de fapte;
• Coerenţa este capacitatea unei baze de reguli de a produce fapte
necontradictorii pentru orice bază necontradictorie;
• Neredundanţa asigură inexstenţa unor reguli cu premise sau concluzii similare.
68
In rezumat, motorul de elaborare asigură facilităţile necesare pentru realizarea de
corecţii şi asigurarea verificărilor de sintaxă după care se testează concordanţa dintre
structura bazei de reguli şi expertul uman.
4.2.4 Invăţare
Există două noţiuni de învăţare care sunt asociate sistemelor expert:
- achiziţia de noi reguli;
- reperarea euristicilor performante.
Pentru reguli problema se pune în termeni diferiţi în funcţie de ceea ce urmărim.
Putem încerca să adăugăm reguli într-o structură de cunoştinţe deja stabilită sau putem
să dorim achiziţia de reguli plecând de la nişte exemple (inducţie). In primul caz este vorba
mai ales de îmbogăţire, fapt ce ţine de motorul inferenţial. In al doilea caz, pentru
“exemplele” bine structurate, regăsim noţiunea de tabelă de decizie. O tabelă de decizie
conţine condiţii şi acţiunile care trebuie întreprinse când condiţiile sunt sau nu îndeplinite.
Acest tip de tabel poate folosi la culegerea regulilor şi poate eventual verifica faptul că
toate combinaţiile posibile de valori au generat câte o regulă (completitudine).
Invăţarea poate să se refere la structura de control. Aceasta înseamnă că euristici
performante sau metareguli pot fi asociate anumitor stări din baza de fapte după ce
sistemul a constatat că conjuncţia acestor stări şi euristici ar putea conduce în mod rapid
la rezultat.
Invăţarea şi programele de achiziţie a cunoştinţelor reprezintă o cale promiţătoare
pentru dezvoltarea sistemelor expert.
69
4.3 Programarea în stil “sistem expert”
Un sistem expert fiind realizat într-o tehnologie inovatoare conduce la economii de
timp şi bani. Astfel programarea se reduce la minim şi utilizatorii posed\ instrumentul pe
care îl doresc şi care le convine cel mai mult. Majoritatea modificărilor din programe care
reduc numărul erorilor provin dintr-o proastă specificare la plecare, fără a mai vorbi de
modificările cerute de către clienţi în momentul când programul este finalizat.
Ideea de inovare se referă la două aspecte:
- SE stochează cunoştinţe din diferite domenii şi le reaşează pentru aceia care le
stăpânesc cel mai bine. Astfel o mare parte din întreţinerea sistemului informatic care
rezultă din modificările mediului nu mai este sarcina serviciului informatic.
- Programarea în stil “sistem expert” este o modalitate şi o metodă de realizare a
aplicaţiilor informatice bazându-se pe generatoarele de sisteme expert care sunt
instrumente de specificare progresivă şi revocabilă.
Gestionarea unui proiect sistem expert se desfăşoară în următoarele etape:
- punerea de acord asupra muncii care va fi efectuată de către sistem (definită în
termeni generali);
- se recenzează cunoştinţele necesare şi se prezintă viitorilor utilizatori un sistem
expert care funcţionează (macheta). In acest moment se poate spune că începe
specificarea deoarece doar acum “clienţii” sistemului încep să înţeleagă despre ce este
vorba. Nimic nu a fost programat datorită generatorului de sisteme expert. Acest generator
conţine un software care permite gestionarea ecranelor şi a rapoartelor astfel încât la
sfârşit persoanele interesate pot să vadă cum se va prezenta aplicaţia.
In mod progresiv se vor defini funcţiile sistemului. Intrucât pot fi gestionate ecranele,
calculele, rapoartele şi primitivele sistemului de reguli, prototipul poate urma imediat
specificaţiile. Procesul este deci în întregime revocabil. La limită se poate spune că se
comportă ca o cercetare euristică cu revenire controlată de către utilizator.
Când toată lumea este de acord se trece la finalizarea sistemului. Tot ce este
regulă şi bază de cunoştinţe este recuperabil. Nu rămâne decât să se programeze unele
proceduri de intrare-ieşire specifice şi legăturile cu aplicaţiile informatice existente. Altfel
spus programarea nu reprezintă decât o mică parte a programului şi nu începe decât
atunci când sistemul este în întregime şi corect specificat cu ajutorul utilizatorilor.
Se poate afirma că unele GSE sunt instrumente de prototipaj destul de elaborate
care există deja în prezent. Limbajul de prototipaj este limbajul regulilor. Ele furnizează un
mijloc simplu, progresiv şi revocabil de a îmbina toate primitivele care sunt utile într-un
program.
70
4.4 Tipuri de generatoare de sisteme expert
4.4.1 Generatorul de sisteme Argument-Decidex
Origine: La început acest sistem a fost construit pentru microcalculatoare (1984)
Calculatoare şi limbaje: Argument-Decidex funcţionează pe calculatoare IBM/PC
compatibile sub sistemul de operare MS-DOS sau sub UNIX pe calculatoare de tip ATT,
COMPAQ.
Reprezentarea cunoştinţelor: Cunoştinţele sunt structurate sub formă de scheme.
Particularităţile raţionamentului sunt date de organizarea ierarhică a cunoştinţelor (sau
arbore “scheme”). Numărul de scheme depinde de natura problemei, fiecare schemă dând
naştere la rândul său la câteva zeci de reguli. Această organizare în scheme facilitează în
primul rând structurarea cunoştinţelor expertului de către inginerul de cunoştinţe, controlul
şi alte funcţii. Motorul de inferenţe este influenţat mai puţin de această reprezentare.
Faptele: în cadrul regulilor faptele sunt utilizate sub forma:
<obiect><variabilă>*<valoare>, unde:
* este un separator oarecare, logic, aritmetic sau textual.
Schemele reprezintă legături funcţionale între obiecte şi sunt de forma:
<obiect><variabile><obiect><variabile>. . .<obiect><variabile>
Regulile sunt asociate la scheme fiind de tipul:
Dacă F1 SI F2 . . . SI Fk, atunci Fn, unde Fi sunt fapte.
Intrări-ieşiri: Decidex gestionează fişiere de date, ecrane de HELP sau comentarii şi
operaţii de editare care se pot intercala pentru raţionamentele rezultate ca urmare a
aplicării regulilor. Sistemul poate fi folosit la editarea obiectelor (în sens general). Rubricile
acestor obiecte sunt exploatate fie prin reguli Decidex, fie prin reguli Argument.
Controlul: In Decidex controlul funcţionează prin înlănţuire înainte, cu gestiunea
ipotezelor şi revenire. Acest control poate fi automat sau dirijat de către utilizator.
In Argument controlul funcţionează prin înlănţuire înapoi, cu o restricţie şi o
instanţiere a variabilelor bazate pe arborele scheme deorece fiecare schemă dirijează un
pachet de reguli.
Mulţimea Decidex-Argument se poate folosi pentru a realiza o înlănţuire mixtă.
71
Mediu şi utilitare:
- Editor multifereastră pentru introducerea bazei de cunoştinţe, comentarii, ecrane,
fişiere de date şi de text.
- Trasor;
- Funcţionare în mod dezvoltare care permite verificarea coerenţei bazei de
cunoştinţe (căutarea ciclurilor, căutarea regulilor care lipsesc şi propuneri de reguli noi,
contradicţii între reguli);
- Analiza sensibilităţii;
- Acces permanent la comentarii;
- Interfaţa cu câteva baze de date.
Posibilităţi de extensie şi facilităţi de utilizare:1
Fiecare din sistemele Argument sau Decidex poate fi folosit independent. Impreună
constituie primul sistem multiexpert vândut în Franţa. Intre cele două sisteme se pot
efectua schimburi totale de fapte iar bazele de fapte rămân independente.
Datorită structurării cunoştinţelor în scheme, sistemul este destul de uşor de
înţeles. Deschiderile spre limbajul C şi software-ul UNIX sunt numeroase:
- legătura cu baze de date
- apelul procedurilor în reguli
- integrarea funcţiilor C
- punerea la dispoziţie a unei biblioteci.
Aplicaţii: Principalele aplicaţii s-au realizat în domeniul financiar, alocarea
resurselor, controlul procedeelor. Decidex se poate utiliza în generarea scenariilor pentru
planificarea strategică.
1
72
4.4.2 Generatorul de sisteme expert H-Expert
H-Expert este un generator de putere medie, realizat în limbajul C, cu o
arhitectură deschisă şi prezintă următoarele caracteristici1:
- utilizează conceptele “reprezentării orientate obiect” prin folosirea noţiunilor de
clasă, obiect, transfer succesoral multiplu (valori, atribute), restricţii.
- baza de cunoştinţe este organizată ierarhic permiţând o reprezentare mai
naturală a cunoştinţelor şi optimizarea timpului de răspuns;
- acceptă interogarea unor biblioteci de programe ale utilizatorilor, ceea ce permite
personalizarea aplicaţiilor;
- este utilizabil sub interfeţele grafice: MS/Windows, Presentation Manager,
X-Window/OFS-Motif, ceea ce permite un dialog simplu cu utilizatorii.
H-Expert este şi un mediu de dezvoltare ce cuprinde:
- editor specializat pentru crearea şi actualizarea cunoştinţelor (clase, obiecte,
atribute, reguli);
- compilator incremental pentru verificarea sintaxei şi coerenţei bazei de
cunoştinţe;
- reprezentarea grafică a cunoştinţelor ceea ce permite o manipulare mai uşoară a
acestora;
- instrumente ajutătoare pentru testarea pas cu pas a raţionamentelor motorului de
inferenţe asupra unei baze de cunoştinţe precum şi pentru căutarea multicriterială;
- gestiunea unui jurnal care reţine mai multe consultaţii ale sistemului expert;
- baza de cunoştinţe poate avea maxim 64000 de reguli;
- poate comunica cu baze de date, procesoare de tabele şi programe scrise în C;
- motorul de inferenţe nu este monoton şi foloseşte toate tipurile de raţionament:
inductiv, deductiv şi mixt.
1
73
4.4.3 Generatorul de sisteme expert M.4
M.4 este un puternic instrument software1 pentru construirea sistemelor de
cunoştinţe permiţând o procesare inteligentă a programelor create. M.4 este scris în
limbajul C pentru a facilita integrarea cu alte aplicaţii software.
M.4 poate fi utilizat pentru dezvoltarea de aplicaţii (selecţie, analiză, configurare,
diagnoză, planificare, proiectare) în diferite domenii (finanţe, administraţie, servicii, vânzări
şi marketing, educaţie). Totalitatea elementelor de proiectare ale M.4 sunt conţinute în
librăria nucleului (Kernel Library) care poate fi legată la aplicaţia curentă. Această librărie
cuprinde peste 110 rutine ce pot fi apelate de la debutul unei sesiuni de lucru până
modificarea dinamică a bazei de cunoştinţe. Librăria nucleului M.4 poate li utilizată pentru:
- DLL (Dynamic Link Library): Librărie de legături dinamice ce pot fi create şi
legate cu un program executabil;
- VBX (Visual Basic Custom Control): program scris în Visual Basic controlat de
utilizator ce poate fi creat şi legat cu un program executabil;
- EXE: librăria nucleului poate fi ea însăşi legată la un program executabil
Câteva aplicaţii care conţin nucleul de interfaţă M.4 sunt incluse în pachetul M.4.
Serverul DDE (Dynamic Data Exchange) a fost introdus pentru a permite comunicaţia cu
alte aplicaţii ce acceptă protocolul DDE sub Windows. Interfeţele create utilizând Microsoft
Visual Basic şi Microsoft Visual C++ au fost incluse pentru a facilita dezvoltarea şi
întreţinerea sistemelor de cunoştinţe.
Ca modalităţi de reprezentare a cunoştinţelor, limbajul sistemului expert M.4
include înlănţuri înainte şi înapoi, algoritmi recursivi, fapte şi reguli, procesări de liste
simbolice, testarea valorilor şi explicaţii. De asemenea sunt incluse concepte de meta
reguli, metode de control procedural, clase de obiecte.
Sistemul M.4 a fost lansat pe piaţă începând cu anul 1984, de atunci fiind utilizat
la dezvoltarea a peste 7500 de dezvoltări de sisteme expert.
1
***, M.4 Expert Software Description
74
4.4.4 Generatorul de sisteme expert Clips
Clips este un generator de sisteme expert1 care oferă un mediu complet pentru
construirea de sisteme expert bazate pe reguli şi obiecte şi prezintă următoarele
caracteristici:
• Reprezentarea cunoştinţelor: Clips oferă un instrument pentru întrebuinţarea
unei largi varietăţi de cunoştinţe structurate pe 3 elemente: reguli, orientare obiect şi
proceduri. Programarea bazată pe reguli permit reprezentarea cunoştinţelor sub forma
euristicilor sau a regulilor succesive care specifică un set de acţiuni ce vor fi executate
într-o anumită situaţie. Programarea orientată obiect permite sistemelor complexe de a fi
modelate sub forma componentelor modulare (ce pot fi uşor reutilizate pentru modelarea
altor sisteme sau pentru crearea de noi componente). Capacitatea de programare
procedurală oferită de Clips sunt similare facilităţilor oferite de alte limbaje precum C,
Pascal, Lisp.
• Portabilitatea: Clips este scris în C pentru portabilitate şi viteză de execuţie şi a
fost instalat pe diferite calculatoare fără modificări de cod de program. Calculatoarele pe
care a fost testat sunt de tipul IBM PC (rulând sub Windows 95 sau DOS) şi Macintosh
(sub MacOS şi Mach). Clips poate fi instalat pe orice sistem care conţine compilatorul C
ANSI. Este livrat cu toate programele sursă care pot fi modificate conform necesităţior
utilizatorilor.
• Integrarea în alte sisteme: Clips poate fi instalat sub formă de subrutine şi
integrat cu limbaje precum C, Fortran, Ada. Clips poate fi uşor extins de către utilizator
prin folosirea anumitor protocoale.
• Dezvoltarea interactivă: Versiunea standard oferă un mediu de dezvoltare
interactiv de tip text care include depanatoare soft, help on-line şi un editor integrat.
Interfaţa conţine meniuri cu bare precum şi ferestre de comunicaţie în mediile de
dezvoltare Macintosh, Windows 95.
• Validarea (verificarea): Clips prezintă o serie de caracteristici ce permit
verificarea şi validarea sistemelor expert oferind suport pentru proiectarea modulară şi
partiţionarea bazei de cunoştinţe, restricţii statice şi dinamice în privinţa valorilor şi
argumentelor funcţiilor precum şi o analiză semantică a formei regulilor în vederea
depistării inconsistenţelor care pot conduce la erori.
• Documentaţie de utilizare: Clips este oferit împrună cu o documentaţie ce
cuprinde un manual şi un ghid de utilizare.
1
*** , What is Clips?, Gary Riley, 1998
75
4.4.5 Generatorul de sisteme expert Acquire
Acquire este o pachet software1 realizat pentru asistarea unei persoane în
vederea construirii unui sistem expert. Cuprinde două componente de bază:
- un sistem de achiziţie a cunoştinţelor care permite unui expert să creeze baza de
cunoştinţe;
- un motor de inferenţe care să utilizeze baza de cunoştinţe în anumite situaţii
particulare în care cunoştinţele stocate sunt aplicabile.
Acquire este un generator de sisteme expert proiectat pentru a implica experţii în
domeniu direct în dezvoltarea aplicaţiilor. In acest scop Acquire oferă instrumentele şi
metodologia care să permită persoanelor care nu deţin cunoştinţe de programare să
conceapă, structureze şi implementeze cunoştinţele lor într-o aplicaţie de sisteme expert.
Motorul de inferenţe este astfel conceput spre a putea fi folosit de către non-programatori
furnizând un set de facilităţi de depanare pentru testarea şi întreţinerea bazei de
cunoştinţe. Acquire este bazat pe două concepte fundamentale de programare:
- sistemul de achiziţie a cunoştinţelor trebuie să asiste expertul în locul
cogniticianului în scopul creării unei aplicaţii bazate pe cunoştinte. Acquire ajută expertul
în organizarea efectivă a cunoştinţelor prin structuri adecvate pentru soluţionarea unei
anumite probleme;
- aplicarea rezultatelor expertizei umane obţinute printr-o vastă experienţă pentru
recunoaşterea unor situaţii specifice în locul aplicării unui set de reguli generale. Acquire
prezintă o multitudine de căi de memorare a cunoştinţelor umane orintându-se spre o
reprezentare calitativă a acestora care utilizează trăsăturile specifice, esenţiale ale
informaţiilor pentru descrierea situaţiilor care pot fi descrise de către experţi. Acesta
permite captarea simultană a cunoştinţelor explicite şi implicite. Pe lângă achiziţionarea a
ceea ce expertul ştie deja, Acquire poate reţine ceea ce expertul este capabil să ştie prin
solicitarea expertului de a lua în considerare şi decizia în situaţii care nu au mai fost
întâlnite până atunci. Aceasta permite formarea de baze de cunoştinţe pentru aplicaţii de
sisteme expert fără iteraţii de depanare suplimentare.
1
*** , Acquire, Acquired Intelligence Inc., 1996 - 2000
76
5 Prezentarea generatorului de sisteme expert VP-Expert
Generatorul de sisteme expert VP-Expert a fost realizat de firma Paperback
Software International fiind un instrument complex pentru realizarea de sisteme expert.
Principalele caracteristici funcţionale sunt1:
- motorul de inferenţe funcţionează după strategia înlănţuirii înainte şi înapoi cu
revenire;
- mediu de dezvoltare foarte puternic, constând din: editor integrat, mecanism de
generare automată de întrebări, posibilitatea de a înregistra şi afişa grafic lanţurile de
raţionamente (pas cu pas) utilizate în timpul unei consultări, posibilitatea de a explica
raţionamentele efectuate;
- poate comunica (schimba date) cu alte componente precum: sisteme de
gestiune a bazelor de date (dBASE, Foxbase), procesoare de tabele (VP-Planer,
Lotus 123), fişiere ASCII şi apeluri către comenzile DOS;
- posibilitatea de a genera automat prin inducţie o bază de cunoştinţe pornind de
la o tabelă care poate fi importată dintr-un fişier ASCII, dBASE, Lotus123;
- permite manipularea cunoştinţelor inexacte prin atribuirea de coeficienţi de
certitudine faptelor din baza de fapte;
- posibilitatea de a utiliza într-un raţionament mai multe baze de cunoştinţe;
Tipurile de fişiere care pot fi utilizate de VP-Expert sunt:
- DBF – baze de date;
- EXE, COM, BAT;
- TBL – tabele;
- TRC – urma execuţiei;
- WKS – fişiere LOTUS.
1
77
5.1 Structura bazei de cunoştinţe
Generatorul de sisteme expert VP-Expert acceptă o bază de cunoştinţe formată
din 3 elemente principale (fig. 5.1):
- baza de reguli;
- baza informaţională (baza de fapte);
- programe DOS.
Baza de reguli este formată din 3 elemente:
- blocul de acţiuni;
- regulile propriu-zise;
- declaraţiile.
Un al patrulea element, clauzele, se regăsesc în blocul de acţiuni şi în reguli.
Baza de cunoştinţe
Baza de reguli Programe DOS Baza informaţională

COM, EXE, BAT (baza de fapte)
Bloc Reguli Declaraţii Fişiere Fişiere Fişiere

acţiuni DBF ASCII WKS
Fig. 5.1: Structura bazei de cunoştinţe în VP-Expert

78
5.1.1 Blocul de acţiuni
Blocul de acţini este format din cuvântul cheie ACTIONS urmat de una sau mai
multe clauze şi se termină cu “;”
ACTIONS
<clauza 1>
..........
<clauza n> ;
Acesta constituie “programul” (într-o manieră declarativă) care dirijează pas cu
pas consultaţia, indicând motorului de inferenţă ce acţiuni trebuie să întreprindă şi în ce
ordine pentru atingerea scopului urmărit.
Principalele clauze permise de VP-Expert:
APPEND şCaleţ Fişier DBF: adugă o înregistrare la sfârşitul unui fişier de tip DBF
(creat anterior de dBASE). Dacă nu se specifică calea de acces pentru fişier, se foloseşte
implicit calea curentă. Datele necesare înregistrării ce urmează a fi adăugate vor fi
preluate dintr-un set de variabile ale generatorului VP-Expert care trebuie să aibă acelaşi
nume cu caracteristicile din structura fişierului.
BCALL şCaleţ Fişier BAT: apelează un fişier de comenzi DOS (de tip BAT) după
care revine în sistemul expert.
CCALL şCaleţ Fişier COM: acelaşi efect pentru fişiere de tip COM;
CALL şCaleţ Fişier EXE: acelaşi efect pentru fişiere de tip EXE;
CHAIN şCaleţ Fişier KBS: permite înlănţuirea a 2 sau mai multe baze de
cunoştinţe în cadrul aceleiaşi consultaţii, în combinaţie cu alte 2 clauze: SAVEFACTS şi
LOADFACTS. Această operaţie este folosită când se lucrează cu baze de cunoştinţe
foarte mari, care nu încap în memoria internă şi se desfăşoară în 3 etape:
- se utilizează clauza SAVEFACTS pentru a salva valorile cunoscute (faptele) din
consultarea curentă;
- se apelează o nouă bază de cunoştinţe prin clauza CHAIN (cea veche se
închide);
- se utilizează clauza LOADFACTS pentru a încărca valorile salvate de
SAVEFACTS în noua bază de cunoştinţe.
Clauzele SAVEFACTS şi CHAIN se găsesc în prima bază de cunoştinţe iar
LOADFACTS în a doua.
CLOSE şCaleţ Fişier DBF: închide o bază de date deschisă în prealabil.
CLS: şterge ecranul.
COLOR = n: schimbă culoarea textului pe un ecran color
79
DISPLAY “Text”: afişează un text de maxim 1000 de caractere în fereastra de
consultaţie. In interiorul textului se pot introduce caractere cu funcţii speciale:
~: sistemul se opreşte şi aşteaptă apăsarea unei taste;
({}): permite afişarea conţinutului variabilei dintre acolade;
(-): dacă precede numele unei variabile între acolade, afişează pe lângă valoare şi
coeficientul de certitudine al acesteia.
Alinierea valorii unei variabile într-o anumită coloană se face prin specificarea unui
număr care reprezintă deplasarea relativă faţă de textul curent.
EJECT: face salt la pagina nouă dacă este activă imprimanta;
END: închide un ciclu generat de clauza WHILEKNOWN;
FIND variabilă: specifică motorului de inferenţe care este variabila scop. Dacă
variabila scop are asociată declaraţia PLURAL, se pot obţine mai multe valori pentru
aceasta.
FORMAT variabilă, n.m: stabileşte formatul de afişare pentru o variabilă reală:
- n este numărul total de cifre;
- m este numărul de zecimale.
GET ALL / condiţie, şCaleţ Fişier DBF, ALL/caracteristică: permite citirea unei
date dintr-un fişier de tip DBF organizat sub dBASE. Primul parametru specifică domeniul
de citire şi poate fi:
- ALL: toate înregistrările;
- o condiţie (simplă sau compusă) formată din variabile, operatori relaţionali şi
logici (AND, OR).
Căutarea începe cu înregistrarea curentă. Al doilea parametru este numele
fişierului de tip DBF, iar al treilea specifică citirea tuturor caracteristicilor din structura
fişierului (ALL) sau numai a uneia. Datele citite din fişierul DBF prin clauza GET sunt
disponibile în sistemul expert în variabile care au acelaşi nume cu caracteristicile din
structura bazei de date. Dacă se specifică mai multe clauze GET în secvenţă care vor să
parcurgă fişierul de la început, este necesar ca fiecare dintre acestea să fie precedată de
o clauză CLOSE (pentru poziţionarea pointerului de înregistrare la început).
Valorile returnate de clauza GET pot ajunge la maxim 256 caractere, spre
deosebire de variabilele din VP-Expert care nu pot depăşi 20 de caractere. Primul lucru pe
care îl realizează GET este deschiderea fişierului DBF dacă acesta nu a fost deschis în
prealabil de o altă clauză GET. VP-Expert acceptă maxim 6 fişiere de tip DBF deschise
simultan iar pentru al şaptelea este necesară închiderea unuia prin clauza CLOSE.
80
LOADFACTS şCaleţ Fişier text: încarcă datele (variabile şi valori asociate) salvate
într-un fişier text de către clauza SAVEFACTS într-o nouă bază de cunoştinţe care face
obiectul unei înlănţuiri prin cluza CHAIN.
MENU variabila, ALL/condiţie, şCaleţ Fişier DBF, caracteristica: generează un
meniu de opţiuni care va ajuta o întrebare afişată de o declaraţie ASK corespondentă sau
de AUTOQUERY.
- primul parametru este o variabilă VP-Expert;
- al doilea specifică domeniul de căutare;
- al treilea este fişierul de unde se vor lua valorile;
- al patrulea este caracteristica din baza de date care va fi explorată.
MRESET variabilă: eliberează zona de memorie ocupată de o variabilă utilizată în
clauza MENU.
PDISPLAY “text”: are acelaşi efect ca şi clauza DISPLAY, dar la imprimantă.
PRINTON, PRINTOFF: activează şi dezactivează imprimanta.
PUT şCaleţ Fişier DBF: modifică valorile unor caracteristici dintr-o bază de date:
- se citeşte înregistrarea dorită cu clauza GET;
- se modifică valorile caracteristicilor;
- se rescrie înregistrarea cu clauza PUT.
PWKS variabiă, destinaţie, şCaleţ Fişier WKS: transferă valori dintr-o variabilă
VP-Expert într-un tabel realizat cu VP-Planner sau LOTUS-123:
- primul parametru este variabila sursă;
- al doilea (destinaţie) poate fi o celulă, o coloană, un rând sau o zonă din tabel;
- al treilea specifică fişierul de tip WKS care conţine tabelul.
Variabila sursă poate fi simplă sau dimensionată sub forma unui vector.
RECEIVE şCaleţ Fişier, variabilă: transferă o înregistrare dintr-un fişier de tip text
(ASCII) într-o variabilă a sistemului VP-Expert. Lungimea unei înregistrări nu poate depăşi
80 de caractere permiţând utilizarea unor variabile al căror conţinut poate fi mai mare de
20 de caractere (limita maximă pentru variabilele iniţializate direct cu valori în interiorul
regulilor). Clauzele RECEIVE şi DISPLAY într-o structură repetitivă realizată cu
WHILEKNOWN-END permit afişarea unui fişier text.
RESET variabilă: şterge valorile variabilei specificate ca parametru şi îi atribuie
valoarea UNKNOWN (necunoscut).
SAVEFACTS şCaleţ Fişier text: salvează într-un fişier de tip text valorile
variabilelor (faptele) unei baze de cunoştinţe, înainte ca aceasta să apeleze altă bază de
cunoştinţe prin clauza CHAIN (înlănţuirea bazelor de cunoştinţe).
81
SHIP şCaleţ Fişier text, variabilă: este complementara clauzei RECEIVE,
permiţând scrierea conţinutului unor variabile VP-Expert într-un fişier de tip text.
SORT variabilă: ordonează descrescător, după coeficientul de certitudine, valorile
unei variabile VP-Expert declarată cu atributul PLURAL.
TRUTHRESH = n: fixează limita minimă pentru coeficientul de certitudine:
- n ia valori între 0 şi 100;
- dacă valoarea condiţiei unei reguli are un coeficient de certitudine mai mic dacât
cel declarat în această clauză, atunci condiţia este falsă.
- VP-Expert posedă în mod standard un coeficient de certitudine de 50.
WHILEKNOWN variabilă
clauza 1
.......
clauza n
END
Repetă secvenţa de clauze specificate între WHILEKNOWN şi END atâta timp cât
valoarea variabilei de control este cunoscută. Ieşirea din ciclu se face când valoarea
variabilei de control devine necunoscută (UNKNOWN). VP-Expert nu recunoaşte buclele
WHILEKNOWN şi END imbricate.
WKS variabilă, sursă, şCaleţ Fişier WKS: citeşte date dintr-un tabel creat cu VP-
Planer sau LOTUS 123 într-o variabilă VP-Expert fiind complementară clauzei PWKS.
82
5.1.2 Regulile
Regulile permit reprezentarea cunoştinţelor expertului uman (expertiza umană)
într-o formă acceptată de generatorul VP-Expert. Structura sintactică a unei reguli:
RULE eticheta
IF condiţie 1 şAND/ORţ . . . condiţie n
THEN concluzie 1 (CNF 1), concluzie 2 (CNF 2), . . .
şclauza 1ţ, şclauza 2ţ, . . .
ELSE concluzie 3 (CNF 3), concluzie 4 (CNF 4), . . .
şclauza 3ţ, şclauza 4ţ, . . .
BECAUSE text ;
O regulă se compune din 3 elemente principale: numele, premisa, concluzia.
Toate regulile trebuie să înceapă cu cuvântul cheie RULE, urmat de un spaţiu şi
de o etichetă care poate avea maxim 20 de caractere.
Premisa unei reguli începe prin cuvântul cheie IF, urmat de maxim 10 condiţii
simple sau compuse cu ajutorul conectorilor logici AND şi OR. In interiorul unei condiţii
apar relaţii între variabile şi constante utilizând operatorii relaţionali cunoscuţi.
Concluzia unei reguli începe prin cuvâtul cheie THEN, urmat de una sau mai multe
concluzii, care sunt relaţii de forma variabilă = valoare. Opţional fiecare concluzie poate
avea un coeficient de certitudine (CNF) cuprins între 0 şi 100 care exprimă gradul de
încredere al utilizatorului în realizarea concluziei respective.
Concluzia unei reguli poate fi dezvoltată opţional prin alternativa ELSE care are
aceeaşi structură ca THEN. In funcţie de rezultatul evaluării premisei, motorul de inferenţă
va lua în consideraţie alternativa THEN (dacă premisa este adevărată) sau ELSE (dacă
premisa este falsă). Opţional cele 2 alternative pot conţine clauze.
Cuvântul cheie BECAUSE permite introducerea unor mesaje explicative pentru ca
motorul de inferenţe să-şi poată justifica raţionamentele efectuate atunci când va fi
întrebat de utilizator prin comenzile WHY (de ce?) şi HOW(cum?).
Descrierea unei reguli din punct de vedere al aranjării cuvintelor pe linii şi în
interiorul acestora este liberă folosind ca separator cel puţin un spaţiu.
83
5.1.3 Declaraţiile
Declaraţiile conţin în general informaţii utile privind consultaţia sistemului expert.
Cea mai mare parte a acestora specifică posibilităţile de iniţializare a variabilelor VP-
Expert cu valori precum şi atributele aferente. Principalele declaraţii sunt:
ASK variabilă:”text”: permite iniţializarea unei variabile VP-Expert cu o valoare
care poate fi preluată de la tastatură sau dintr-o listă de valori specificate în declaraţia
CHOICES sau clauza MENU. Textul dintre ghilimele este un mesaj explicativ privind
semnificaţia variabilei ce urmează a fi iniţializată.
Dacă motorul de inferenţe nu găseşte nici o regulă care să atribuie o valoare unei
anumite variabile, caută o declaraţie ASK în care să apară variabila respectivă ca
parametru. Dacă găseşte această declaraţie, afişează textul dintre ghilimele şi aşteaptă
răspunsul utilizatorului care poate fi:
- o valoare (dacă o cunoaşte) care nu trebuie să depăşească 20 de caractere;
- “?” dacă nu cunoaşte răspunsul, caz în care variabila respectivă rămâne pe
valoarea necunoscută (UNKNOWN).
Dacă numele variabilei parametru apare şi într-o declaraţie CHOICES sau în
clauza MENU, pe ecran se afişează lista de valori posibile, urmând ca utilizatorul să
răspundă prin selectarea uneia dintre acestea.
Atunci când motorul de inferenţe nu găseşte o declaraţie ASK asociată variabilei
în cauză, va căuta o declaraţie AUTOQUERY şi dacă există va genera întrebarea
standard:”care este valoarea variabilei ?” şi va aştepta răspunsul utilizatorului.
Introducerea unor coeficienţi de certitudine pentru valorile variabilelor din declaraţia ASK
este posibilă numai dacă există o clauză MENU asociată.
AUTOQUERY: are acelaşi efect ca şi declaraţia ASK, dar lucrează la nivel global
pentru toate variabilele cărora motorul de inferenţe nu le găseşte valori. Acesta apare o
singură dată în baza de cunoştinţe. Pentru anumite variabile poate avea asociate
declaraţii CHOICES sau clauze MENU iar întrebarea standard pe care o pune utilizatorului
este: “care este valoarea variabilei ?”. Se foloseşte de regulă în etapa de testare a
sistemului expert pentru a depista variabilele care nu au valori urmând ca spre final să fie
înlocuită cu declaraţii ASK corespunzătoare.
BKCOLOR = n: fixează culoarea fondului ecranului.
CHOICES variabile : valori ;: se utilizează împreună cu declaraţiile ASK sau
AUTOQUERY oferind utilizatorului o listă de valori din care urmează să aleagă una sau
mai multe (dacă are declaraţia PLURAL) pentru a iniţializa o anumită variabilă.
84
Lista de variabile este separată de lista de valori prin caracterul “:” iar declaraţia
se termină cu “;”. Numărul maxim de variabile din listă este de 10 , iar fiecare variabilă va
primi aceeaşi listă de valori.
Selecţia unei valori din listă se face prin apăsarea tastei ENTER iar ieşirea din
selecţie prin utilizarea tastei END. Dacă pentru o valoare atribuită unei variabile se doreşte
introducerea unui coeficient de certitutine, se apasă tasta HOME, se introduce coeficientul
şi apoi se face selecţia valorii respective.
ENDOFF: elimină necesitatea utilizării tastei END pentru ieşirea din selecţie în
cazul variabilelor simple specificate în clauzele MENU sau CHOICES.
EXECUTE: declanşează automat consultaţia sistemului expert în urma utilizării
comenzii CONSULT din meniul principal. Dacă lipseşte această declaraţie, utilizatorul
trebuie să selecteze în continuare subcomanda GO a comenzii CONSULT pentru
pornirea motorului de inferenţe.
PLURAL: variabila 1, variabila 2, . . . ;: identifică variabilele care pot primi valori
mutiple în timpul consultaţiei sistemului expert. Se pot specifica maxim 10 variabile.
RUNTIME: elimină cele două ferestre din partea de jos a ecranului care apar în
timpul consultării sistemului expert.
5.1.4 Variabile VP-Expert

Variabilele sunt elemente fundamentale într-o bază de cunoştinţe existând tipurile:
- Variabile simple: pot primi o singură valoare la un moment dat (monovaloare)
- Variabile multiple: sunt specificate prin declaraţia PLURAL şi pot primi valori
multiple în cadrul unei consultaţii a sistemului expert. Astfel motorul de inferenţe nu se
opreşte din căutare decât în momentul când epuizează toate căile posibile, ceea ce ar
putea conduce la obţinerea mai multor valori pentru variabila căutată. Variabilele de acest
tip pot apare de mai multe ori în premisa sau concluzia unei reguli pentru a primi valori
multiple.
- Variabile de tip masiv: pot primi valori mutiple sub forma unui tablou
unidimensional. Fiecare element din tablou poate fi adresat prin numele acestuia urmat
între paranteze de un indice care specifică poziţia în cadrul tabloului.
In timpul consultaţiei sistemului expert, variabilele VP-Expert pot primi valori prin:
- blocul de acţiuni ACTIONS;
- concluziile regulilor;
85
- interogarea utilizatorului (declaraţiile ASK, AUTOQUERY, CHOICES, MENU);
- transferul de date din tabele LOTUS (clauza WKS);
- transferul de date din fişiere tip DBF (clauza GET);
- transferul de date din fişiere text (clauza RECEIVE).
Transferul de date dintr-o variabilă în alta se face prin adresarea indirectă a
variabilei sursă (specificarea acesteia în paranteze rotunde):
variabila destinaţie = (variabila sursă)
Este permisă adresarea indirectă pe două niveluri prin specificarea “@”:
variabila destinaţie = (@ variabila sursă)
Numele unei variabile trebuie să înceapă cu o literă, nu poate depăşi 20 de
caractere şi nu poate fi un cuvânt cheie al generatorului VP-Expert.
5.2 Comenzi VP-Expert

VP-Expert este un sistem bazat pe meniuri de comenzi înlănţuite pe maxim 3
nivele. O comandă se poate apela în patru moduri:
- introducând numărul comenzii;
- introducând prima literă din nume;
- apăsând tasta funcţională care corespunde numărului comenzii;
- poziţionând bara luminoasă pe comandă şi activând-o prin tasta ENTER.
86
Principalele comenzi VP-Expert:
1) CONSULT (meniul principal): iniţiază consultaţia unui sistem expert. Inainte de
a începe consultarea utilizatorul trebuie să selecteze prin comanda FILENAME (meniul
principal) baza de cunoştinţe dorită. Dacă nu a fost selectată nici o bază de cunoştinţe
înainte de activarea comenzii CONSULT, aceasta va afişa pe ecran toate bazele de
cunoştinţe (fişiere KBS) din directorul curent, urmând ca utilizatorul să aleagă una dintre
acestea. Comanda verifică sintaxei bazei de cunoştinţe încărcate şi semnalează erorile.
2) CREATE (meniul Induce): permite crearea unei tabele de inducţie (fişier TBL)
cu ajutorul editorului integrat în scopul generării unei baze de cunoştinţe prin INDUCE.
3) DATABASE(meniul Induce): autorizează utilizarea unui fişier de tip DBF drept
tabelă de inducţie pentru generarea unei baze de cunoştinţe prin comanda INDUCE.
4) EDIT(meniul principal): activează editorul de texte al generatorului VP-Expert
pentru crearea sau actualizarea unei baze de cunoştinţe. După activare editorul trece în
modul de lucru nondocument, comutarea în modul de lucru document se face prin tasta
F9. In partea de jos a ecranului sunt afişate comenzile asociate tastelor funcţionale. Prin
apăsarea tastelor CTRL, SHIFT şi ALT se pot vizualiza comenzile aferente combinaţiilor
tastelor funcţionale cu alte taste. Salvarea fişierului se face prin ALT + F6.
5) FAST (meniul Go, Set): controlează viteza motorului de inferenţe prin creşterea
acesteia dacă în prealabil a fost dată o comandă SLOW care are efect contrar lui FAST.
In timpul unei consultaţii, VP-Expert afişează derularea acesteia în două ferestre: una
pentru reguli şi alta pentru rezultate. In etapa de testare a sistemului expert utilizatorul
doreşte să urmărească pas cu pas raţionamentele (viteza lentă) pe care le face motorul
de inferenţe şi rezutatele intermediare ale acestuia folosind în acest sens comanda SLOW
6) FILENAME (meniul principal): deschide o nouă bază de cunoştinţe;
7) GO (meniul Consult): lansează consultarea propriu-zisă după ce comanda
CONSULT a încărcat de pe disc în memoria internă baza de cunoştinţe şi a verificat-o din
punct de vedere sintactic. Dacă în baza de cunoştinţe a fost inclusă declaraţia EXECUTE,
consultarea începe după activarea comenzii CONSULT, nemaifiind necesară comandaGO
8) GRAPHICS(meniul Tree): afişează o reprezentare grafică sub forma unui
arbore a “urmei” unei consultaţii a sistemului expert (se pot vedea detalii în anumite zone).
9) HELP (toate meniurile): ajută utilizatorul în orice moment al consultaţiei.
10) HOW(meniul Consult, Go): dă explicaţii utilizatorului despre modul în care au
fost găsite valori pentru anumite variabile în timpul unei consultaţii a sistemului expert. Se
specifică numele variabilei ale cărei valori ne interesează la care sistemul răspunde prin:
- Because you say so: dacă valoarea a fost dată de utilizator prin declaraţia ASK;
87
- Mesajul din clauza Because asociată unei reguli dacă valoarea variabilei s-a
obţinut în urma declanşării acesteia.
11) INDUCE(meniul principal): crează o bază de cunoştinţe plecând de la o tabelă
de inducţie (fişier TBL) generată prin comanda CREATE sau de la un fişier de tip bază de
date (DBF), tabel sau text (creat cu un editor).
12) PATH(meniul principal): specifică subdirectorul în care se găsesc bazele de
cunoştinţe dacă acesta este diferit de cel în care se găseşte generatorul VP-Expert.
13) QUIT(toate meniurile): termină operaţiile din meniul curent şi revine în meniul
imediat superior.
14) RULE (meniul Consult): permite examinarea uneia sau tuturor regulilor dintr-o
bază de cunoştinţe activă.
15) SET(meniul Consult): afişează un submeniu de comenzi utilizate pentru a
modifica consultaţia. Aceste comenzi sunt SLOW (micşorează viteza motorului de
inferenţe), FAST (redă viteza normală după o comandă SLOW) şi TRACE (înregistrează
drumul parcurs în timpul consultaţiei).
16) TEXT(meniul Induce): autorizează utilizarea unui fişier de tip text (TBL) creat
cu editorul VP-Expert pentru generarea unei baze de cunoştinţe prin comanda INDUCE.
17) TEXT(meniul Tree): permite reprezentarea sub forma unui text a arborelui
generat de comanda TRACE.
18) TRACE(meniul Set): crează un fişier (cu extensia TBL) care va conţine drumul
parcurs de motorul de inferenţe în cadrul unei consultaţii a sistemului expert. Este foarte
utilă pentru eliminarea erorilor din etapa de dezvoltare a sistemului expert.
19) TREE(meniul principal): permite vizualizarea rezultatelor comenzii TRACE sub
formă grafică (comanda GRAPHICS) sau text (comanda TEXT).
20) VARIABLE(meniul Consult): permite examinarea valorilor uneia sau mai
multor variabile din baza de cunoştinţe în timpul sau la sfârşitul consultării.
21) WHATIF(meniul Consult): permite utilizatorului să schimbe valoarea unei
variabile şi să refacă consultaţia pentru a vedea efectul modificării asupra rezultatelor.
22) WHY(meniul Go): solicită sistemului VP-Expert să specifice pentru ce este
pusă o anumită întrebare în timpul consultaţiei.
23) WORKSHT(meniul Induce): autorizează utilizarea unui fişier tip WKS (creat cu
Lotus 123) drept tabelă de inducţie pentru generarea unei baze de cunoştinţe prin
comanda INDUCE.
88
6 Proiectarea sistemului expert de marketing utilizând pachetul VP-Expert
6.1 Analiza procesului de lansare pe piaţă a unui nou produs
6.1.1 Elementele procesului de creaţie şi lansare a noilor produse
Activităţile componente ale demersului de creaţie a unui nou produs fac obiectul
unui plan al procesului de înnoire. Acesta debutează cu analiza situaţiei strategice de
pornire din întreprindere, se sprijină pe sistemul de obiective generale ale acesteia,
dezvoltând obiectivele specifice de marketing, prin intermediul procesului de căutare a
ideilor de noi produse.
Activitatea de cercetare-dezvoltare în scopul generării de idei de produse noi se
sprijină pe analiza ciclului de viaţă a componentelor gamei de fabricaţie anuale a
întreprinderii şi estimările evoluţiei sale viitoare de piaţă. Cercetarea ciclului de viaţă
generează idei privind relansarea la momentul oportun a unor articole, schimbarea
destinaţiei acestora prin orientarea lor spre alte segmente de consumatori sau retragerea
lor din fabricaţie asociată cu lansarea de noi articole.
Lansarea unui nou produs are în vedere:
- în sens larg: se referă la procesul ce are drept punct de plecare ideea de nou
produs, iar ca obiectiv final urmărirea comportării acestuia în consum sau utilizare;
- în sens restrâns: vizează ansamblul deciziilor legate de momentul introducerii
noului produs pe piaţă.
Ideea de produs nou prinde contur în procesul de creaţie industrială.
Ideile rezultate în faza de creativitate sunt supuse unor procese succesive de
selecţie în vederea eliminării variantelor ce nu întrunesc cerinţele unui nou produs. In
această etapă ele vor fi confruntate cu cerinţele impuse de potenţialul uman, financiar şi
material al întreprinderii, de cerinţele pieţii şi ale asigurării rentabilităţii. Stabilirea listei
criteriilor de selecţie trebuie făcută ţinând cont de natura noului produs şi de specificul
nevoii căreia i se adresează.
Colectarea informaţiilor necesare evaluării ideilor, în concordanţă cu fiecare
criteriu, este o activitate costisitoare. Se impune şi o coordonare în funcţie de importanţa
lor relativă în evaluarea globală a unei noutăţi. Se vor reţine variantele care întrunesc cel
mai mare coeficient de acceptare.
Principalele criterii de filtraj1 pentru analiza variantelor de noi produse se pot
împărţi în trei mari grupe: tehnice, economico-financiare şi de marketing.
1
Balaure V. (coordonator), Marketing, Editura Uranus, Bucureşti, 2000
89
I) Criterii tehnice:
1) Performanţele noului produs răspund cerinţelor aşteptate privind:
- funcţionalitatea;
- durabilitatea;
- mentenabilitatea;
- uşurinţa în întreţinere;
- ergonomicitatea;
- estetica.
2) Resursele disponibile satisfac cerinţele impuse de noul produs privind:
- materiile prime;
- materialele accesorii;
- posibilităţile tehnologice de fabricaţie;
- utilajul necesar;
- necesarul de forţă de muncă.
II) Criterii economico-financiare:
1) Noul produs se încadrează în:
- consumurile specifice de materii prime şi materiale admise;
- nivelul de rentabilitate al firmei;
- timpii de muncă normaţi;
- cerinţele ecologice.
2) Firma dispune de resursele financiare necesare:
- elaborării unor noi tehnologii;
- achiţionării de noi utilaje;
- încadrării suplimentare cu forţă de muncă.
III) Criterii de marketing:
1) Noul produs răspunde obiectivelor strategiei de piaţă a firmei privind:
- câştigarea unei poziţii mai bune pe piaţă;
- creşterea capacităţii competitive;
- îmbunătăţirea imaginii firmei în rândul consumatorilor.
2) Satisfacerea cerinţelor consumatorilor privind:
- nivelul de noutate;
- accesibiitatea preţului;
- diferenţierea faţă de oferta existentă;
3) Condiţiile pieţei căreia i se adresează noul produs permit:
- estimarea duratei sale de viaţă;
90
- câştigarea de noi segmente de cumpărători;
- realizarea unei rentabilităţi a acestuia pe un termen prestabilit.
In acest proces de filtraj, un instrument deosebit de eficace se dovedeşte a fi

analiza valorii. Ea reprezintă procesul de raţionalizare a funcţiilor ce trebuie îndeplinite de
un produs în scopul obţinerii unei utilizări maxime în condiţiile unor costuri minime.
Procesul de selecţie a ideilor de produse noi, transformarea acestora în
prototipuri, testarea în diferite forme, realizarea variantei finale şi introducerea acesteia în
fabricaţie în vederea lansării comerciale se caracterizează printr-o rată de perisabilitate
foarte ridicată, în principal în fazele de început ale acestui proces.
Modelarea noului produs solicită determinarea, în raport cu exigenţele pieţei, a
tuturor caracteristicilor ce conferă identitate unui bun material. Respectiva componentă a
politicii de produs se constituie într-un ansamblu de operaţiuni de creaţie, proiectare,
evaluare şi execuţie, ce au drept finalitate obţinerea unor prototipuri.
Testarea reprezintă ultimul filtru prin care trebuie să treacă noul produs pentru a fi
lansat în fabricaţia de serie şi apoi pe piaţă. Obiectivele testării sunt legate de înlăturarea
incertitudinilor provenite din faza realizării tehnice sau a pregătirii comerciale a produsului.
Ea reprezintă verificarea concordanţei dintre prototipul realizat şi caracteristicile de
performanţă înscrise în standarde (caiete de sarcini) pe de o parte, şi exigenţele pieţei
potenţiale, pe de altă parte.
Operaţiunea de testare comportă două momente succesive:
- testarea tehnică;
- testarea de acceptabilitate.
Testarea tehnică şi de acceptabilitate sunt operaţiuni complementare, realizarea
legăturii directe între ele fiind de importanţă majoră pentru reuşita întregului program de
introducere pe piaţă.
Testarea tehnică operează cu criterii de evaluare strict obiective şi priveşte în
principal respectarea parametrilor tehnico-funcţionali ai produsului. Parametrii urmăriţi sunt
determinaţi în prealabil, cunoscându-se importanţa relativă a fiecăruia în ansamblul
calitativ al noului produs.
Testarea de acceptabilitate urmează celei tehnice şi supune verificării
consumatorilor potenţiali o parte largă şi eterogenă de parametri (caracteristici) ai noului
produs. Reuşita operaţiunii depinde de ordonarea logică a acestora în cadrul
instrumentelor de testare. Astfel produsul se cere a fi definit:
91
- în termenii caracteristicilor structurale: formă, culoare, compoziţie;
- în termeni funcţionali: destinaţie în folosinţă, randament, fiabilitate;
- în termeni economici: nivel de preţ, cheltuieli de întreţinere, reparaţii;
- în termeni psihosociologici: grad de satisfacţie oferit consumatorului, tip de
consumatori cărora răspunde cu predilecţie.
Introducerea pe piaţă a unui nou produs presupune rezolvarea următoarelor
probleme:
Stabilirea perioadei de lansare: care este corelată cu natura produsului şi
specificul său de consum. De exemplu, manifestările expoziţionale (de tipul târgurilor
interne şi internaţionale) pot oferi producătorilor de echipament industrial prilejuri pentru
lansarea ultimelor noutăţi.
Fixarea zonei teritoriale pentru lansare: este dependentă de strategia de distribuţie
aleasă. Astfel produsul poate fi lansat simultan pe întreaga piaţă a ţării sau poate fi
introdus numai în câteva centre urbane mari în funcţie de gradul de adaptare a produsului.
Alegerea canalelor de distribuţie: se referă la opţiunea pentru circuitul lung al
produsului (producător-angrasist-detailist) sau circuitul scurt (producător-detailist). In
alegerea variantei se ţine seama de natura produsului şi nivelul condiţionării sale, timpul
necesar parcurgerii canalelor de distribuţie, costul distribuţiei.
Pregătirea pieţei: urmăreşte crearea unui climat de interes şi curiozitate faţă de
noul produs în rândurile consumatorilor potenţiali. Principalul instrument de acţiune folosit
este publicitatea alături de care mai pot fi expoziţiile cu vânzare, demonstraţiile practice.
Alegerea modalităţilor de comercializare şi pregătirea forţelor de vânzare: sunt
operaţiuni ce se corelează în programul de marketing al lansării cu elementele prezentate
anterior. Primul aspect se referă la cantitatea în care mărfurile noi sunt aduse spre
vânzare (lansare “în masă” sau “în tranşe”). Trebuie avută în vedere apoi stabilirea
magazinelor în care va fi introdus pentru prima oară produsul (magazine reprezentative,
amplasate în zone comerciale de mare afluenţă).
Momentul începerii vânzării este punctul culminant al întregului proces de
pregătire şi lansare a noului produs pe piaţă. Lungimea fazei lansării se află în legătură
directă cu natura produsului, gradul său de noutate şi comportamentul consumatorului.
Intrucât procesul de lansare a noilor produse are un caracter organizat,
supravegherea reacţiilor pieţei faţă de noile produse trebuie să dobândească aceeaşi
însuşire. In esenţă controlul lansării comerciale presupune obţinerea de informaţii asupra
problemelor legate de determinarea nivelului de acceptare al noilor produse de către
piaţă, de măsura succesului lor în rândul consumatorilor.
92
6.1.2 Aplicarea metodei analizei ierarhice în studiul lansării noilor produse
Se va prezenta modul de aplicare a procedurii analizei ierarhice în lansarea pe
piaţă a unui nou produs. Este vorba de compartimentul de piese de schimb al unei firme
constructoare de automobile.
Producerea pieselor de schimb constituie o activitate importantă în cadrul firmei.
In acest context este necesară elaborarea unui nou produs care sa fie lansat cu succes pe
piaţă prin intermediul reţelei de distribuţie formată din concesionari. Aceştia trebuie să fie
motivaţi şi convinşi de succesul comercial al produsului.
Fiecare nou produs se defineşte printr-un ansamblu de caracteristici:
- ambalare, condiţionare, elemente de noutate;
- nivelul preţului;
- serviciile asociate (garanţie, disponibilitate, reţea de distribuţie);
- gestiunea internă (a stocurilor, etc);
- constrângeri tehnologice de fabricaţie.
Compartimentul de piese de schimb şi-a stabilit un anumit număr de produse noi
posibile dintre care se vor alege spre lansare numai acelea care prezintă cele mai mari
şanse de succes.
93
6.1.3 Descompunerea procesului de lansare a produsului
Anchetele au permis determinarea necesităţilor şi aşteptărilor consumatorilor
referitoare la piesele de schimb răspunzând la întrebări de tipul:
- care produse sunt utilizate, de cine şi când?
- care este frecvenţa înlocuirilor?
- care sunt îmbunătăţirile dorite privitoare la eficienţă, calitate, service, garanţie,
preţ, uşurinţa în utilizare?
- care sunt principalele critici aduse produsului?
Astfel de întrebări au stat la baza utilizării metodei “brainstorming” de către
membrii compartimentului de piese de schimb.
Au fost identificate cinci criterii determinante pentru succesul noului produs:
- ce beneficii aduce produsul firmei ;
- cum răspunde produsul cerinţelor şi aşteptărilor evidenţiate în urma anchetelor;
- avantajele aduse de noul produs în raport cu cele ale concurenţei;
- capacitatea de implementare a produsului în procesul de fabricaţie;
- gradul de absobţie al pieţei, reţeaua de distribuţie şi publicitatea necesară.
Reţeaua de furnizori, analiza de fezabilitate, previziunea nivelului preţurilor, testele
de utilizare permit obţinerea elementelor de evaluare a noilor produse potenţiale. Acestă
fază de evaluare a fost modelată cu sistemul “Expert Choice” după cum este arătat în
figura 6.1.
Odată stabilit cel mai bun produs, procesul de lansare cuprinde trei etape:
- elaborarea comunicaţiei;
- redactarea unui raport financiar complet;
- referinţele, condiţionările şi realizarea tehnică.
Faza de elaborare a celei mai bune strategii de comunicare care să evidenţieze
aspectele pozitive ale produsului au condus la utilizarea sistemului “Expert Choice”.
După lansarea produsului o serie de previziuni privind termenele de livrare, cifra
de afaceri permit punerea la punct a diferitelor variante de politică de preţ.
94
Ancheta
Definirea unui produs
Metoda
Elaborare
“brainstorming”
Cercetări Primele Analiza Fezabilitate

prealabile previziuni preţului tehnică
Realizare
Elaborarea Analiza Documentaţii tehnice

comunicării financiară Condiţionari
Lansare
Previziuni Definirea politicii de preţ
Analiza postlansare
Fig. 6.1: Procesul de lansare şi dezvoltare a unui nou produs

95
6.2 Modelarea conceptuală a procesului de lansare a unui nou produs
6.2.1 Crearea arborelui de decizie
Pe baza metodei “brainstorming” cu principalii responsabili ai compartimentului de
piese de schimb s-au identificat criteriile de evaluare principale plecând de la anchete şi
analiza datelor existente asupra produselor comercializate. Aceste criterii au fost împărţite
în subcriterii. In faza de descompunere ierarhică a problemei s-au identificat principalele
elemente componente ale analizei care au fost apoi descompuse până la criterii simple
unidimensionale. Arborele astfel creat face să intervină următorii factori:
1) Aşteptări: Este vorba de aşteptările şi aspiraţiile persoanelor particulare şi ale
profesioniştilor fiind exprimate prin nevoile în raport cu nivelul produselor deja existente:
- nevoi practice;
- nevoi tehnice;
- nevoi economice.
2) Firma: impactul direct al noului produs asupra firmei privind:
- rentabilitatea (pe termen scurt şi lung);
- cota de piaţă;
- relaţiile cu exteriorul (reţeaua de concesionari, furnizori, imaginea de marcă);
- elemente de gestiune internă a firmei (gestiunea stocurilor, crearea de noi
compartimente administrative, impactul social);
- efectul “locomotivă” (acest produs va “trage” şi alte produse ale firmei ?)
3) Avantaje concurenţiale: se referă la elementele pozitive ale noului produs faţă
de cele caracteristice produselor deja existente pe piaţă. Acestea vor permite ulterior
diferenţierea produsului în raport cu produsele similare ale concurenţei.
Aceste avantaje comparative privesc aspecte precum:
- calitatea produsului;
- competitivitatea produsului (preţuri, condiţii de plată);
- service (garanţie, disponibilitate, sprijinul reţelei de distribuţie);
- modalitatea de prezentare (ambalare);
- gradul de originalitate (inovare, utilitate).
4) Realizarea practică: condiţiile de realizare se referă în principal la:
- fezabilitatea tehnică;
- capacitatea de producţie;
- condiţionare.
5) Acceptabilitatea pe piaţă: exprimă reacţia pieţei faţă de noul produs. Se va ţine
seama de reacţia reţelei de distribuţie care constituie unul dintre elementele cele mai
96
importante ale comercializării produsului. Dacă reţeaua nu este convinsă c\ noul produs
prezinta avantaje certe faţa de cele ale concurenţei, atunci succesul comercializ\rii
acestuia este pus sub semnul întreb\rii.
Figurile 6.2 – 6.7 prezinta elementele arborelui Expert Choice:
Evaluarea produselor noi posibile

Nod: 0
Nivel: 0
Prioritate: 1.000 Scop
1.000
Aşteptări Firma Avantaje Realizare Acceptabilitatea

0.370 0.374 concurenţiale 0.079 pe piaţă
0.141 0.036
- particulari - rentabilitate - calitate - fezabilitate tehnică - excepţională

- profesionişti - cota de piaţă - competitivitate - capacitate producţie - bună
- relaţii cu ext. - service - condiţionare - medie
- gestiune int. - prezentare - nulă
- efect - originalitate
“locomotivă”
Fig. 6.2: Prezentarea generală a arborelui
Nod: 10000
Nivel: 1 0
Prioritate: 0.370
Aşteptări 0 0 0 0
0.370
Particulari Profesionişti
0.667 0.333
- nevoi - nevoi
- aspiraţii - aspiraţii
Figura 6.3: Descompunerea criteriului “aşteptari”
97
Nod: 11100
Nivel: 3 0
Prioritate: 0.667
0 0 0 0 0
0 0
Nevoi 0
0.667
Practice Tehnice Economice

0.364 0.182 0.455
- excelent - excelent - excelent

- bun - bun - bun
- mediu - mediu - mediu
- nul - nul - nul
Figura 6.4: Descompunerea criteriului “nevoi”
Nod: 20000
Nivel: 1 0
Prioritate: 0.374
0 Firma 0 0 0
0.374
Rentabilitate Cota de Relaţiile Gestiunea Efect

0.472 piaţa externe interna “locomotiva”
0.196 0.196 0.089 0.047
- termen scurt - excelenta - reţea distribuţie - gestiune stocuri - excelent

- termen lung - buna - funizori - administrativ - bun
- medie - imagine firma - social - mediu
- nula - nul
Figura 6.5: Descompunerea criteriului “firma”
98
Nod: 30000
Nivel: 1 0
Prioritate: 0.141
0 0 Avantaje 0 0
concurenţiale
0.374
Calitate Competitivitate Service Prezentare Originalitate

0.377 0.353 0.150 0.060 0.060
- excelentă - preţ - disponibilitate - excelentă - inovare

- bună - condiţii de - garanţie - bună - utilitate
- medie plată - reţea distibuţie - medie practică
- nulă - remize - nulă
Figura 6.6: Descompunerea criteriului “avantaje concurenţiale”
Nod: 40000
Nivel: 1 0
Prioritate: 0.079
0 0 0 Realizare 0
0.079
Condiţionare Capacitate Fezabilitate

0.064 producţie tehnică
0.237 0.699
- excelentă - excelentă - excelentă

- bună - bună - bună
- medie - medie - medie
- nulă - nulă - nulă
Figura 6.7: Descompunerea criteriului “realizare”
99
6.2.2 Ponderarea arborelui de decizie
Arborele este ponderat aplicând metoda analizei ierarhice ce permite alocarea de
ponderi absolute conform importanţei fiecarui criteriu de evaluare identificat de către
conducerea compartimentului de piese de schimb. Este posibilă astfel integrarea
raţionamentelor obiective (anchete) cu cele subiective (experienţa firmei).
Testele de stabilitate a raţionamentelor au permis definirea mai precisă a
modelului, regruparea anumitor criterii între ele şi modificarea anumitor ponderi.
Etapa de ponderare a scării de măsură a permis asocierea pentru fiecare criteriu
a unei funcţii de utilitate individuală. Ponderile obţinute au fost indicate în figurile de mai
sus şi regrupate într-o formă sintetică în tabelul 6.1.
Familia de criterii cele mai importante în evaluare este cea relativă la impactul
direct al noului produs asupra firmei (37.4%) (în special rentabilitatea, cota de piaţă şi
imaginea de marcă).
Criteriul de adaptare a noului produs la aşteptările consumatorilor (ale
particularilor în special) au fost apreciate ca al doilea criteriu important însumând 37% din
decizie. Urmează apoi avantajele concurenţiale (14.1%) în special calitatea şi
competitivitatea preţului.
Realizarea tehnică (7.9%) şi acceptabilitatea pe piaţă (3.6%) au fost considerate
mai puţin importante faţă de celelalte criterii.
A fost definit pentru fiecare subcriteriu o scară de măsură proprie ce a permis
repartizarea ponderii acordate fiecarui criteriu. Subcriteriile ce au fost alese ca cele mai
semnificative sunt: rentabilitatea pe termen scurt şi lung, cota de piaţă, imaginea de
marcă, gestiunea stocurilor, răspunsul la cerinţele economice, competitivitatea preţului,
garanţia.
100
Tabelul 6.1: Criteriile de evaluare a produselor noi
NIVEL 1 NIVEL 2 NIVEL 3 NIVEL 4 NIVEL 5
Economice Excelent (0.043)
(0.075) Bun (0.021)
Mediu (0.008)
Nul (0.003)
Nevoi Practice Excelent (0.023)
(0.165) (0.060) Bun (0.016)
Mediu (0.012)
Particulari Nul (0.009)
(0.247) Tehnice Excelent (0.010)
(0.030) Bun (0.008)
Mediu (0.007)
Nul (0.005)
Aşteptări Aspiraţii Excelent (0.035)
(0.370) (0.082) Bun (0.021)
Mediu (0.016)
Nul (0.010)
Economice Excelent (0.026)
(0.045) Bun (0.011)
Mediu (0.006)
Nul (0.002)
Practice Excelent (0.008)
Nevoi (0.018) Bun (0.005)
(0.071) Mediu (0.003)
Nul (0.002)
Profesionişti Tehnice Excelent (0.004)
(0.123) (0.007) Bun (0.002)
Mediu (0.001)
Nul (0.000)
Aspiraţii Excelent (0.023)
(0.053) Bun (0.014)
Mediu (0.010)
Nul (0.006)
101
Termen lung Excelent (0.071)
(0.110) Bun (0.039)
Mediu (0.000)
Rentabilitate Nul (0.000)
(0.177) Termen scurt Excelent (0.050)
(0.067) Bun (0.015)
Mediu (0.002)
Nul (0.000)
Cota de piaţă Excelent (0.042)
(0.073) Bun (0.021)
Mediu (0.008)
Nul (0.002)
Imaginea de Excelent (0.023)
marcă Bun (0.011)
(0.043) Mediu (0.006)
Nul (0.003)
Reţeaua de Excelent (0.009)
Firma Relaţia cu distribuţie Bun (0.007)
(0.374) exteriorul (0.021) Mediu (0.004)
(0.073) Nul (0.001)
Furnizorii Excelent (0.003)
(0.009) Bun (0.003)
Mediu (0.002)
Nul (0.001)
Stocuri Excelent (0.011)
(0.023) Bun (0.006)
Mediu (0.004)
Nul (0.002)
Gestiunea Administrativ Excelent (0.004)
internă (0.007) Bun (0.002)
(0.033) Mediu (0.001)
Nul (0.000)
102
Impact social Excelent (0.001)
(0.003) Bun (0.001)
Mediu (0.001)
Nul (0.000)
Efect Excelent (0.009)
“locomotivă” Bun (0.005)
(0.018) Nul (0.001)
Calitate Excelent (0.031)
(0.053) Bun (0.015)
Nul (0.007)
Preţ Excelent (0.019)
(0.032) Bun (0.009)
Mediu (0.003)
Nul (0.001)
Remize Excelent (0.006)
Competitivitate (0.013) Bun (0.004)
(0.050) Mediu (0.002)
Nul (0.001)
Avantaje Condiţii de plată Excelent (0.002)
concurenţiale (0.005) Bun (0.002)
(0.141) Mediu (0.001)
Nul (0.000)
Garanţie Excelent (0.009)
(0.015) Bun (0.003)
Mediu (0.002)
Nul (0.001)
Service Disponibilitate Excelent (0.002)
(0.021) (0.004) Bun (0.001)
Mediu (0.001)
Nul (0.000)
103
Sprijinul reţelei Excelent (0.001)
(0.002) Bun (0.001)
Mediu (0.000)
Nul (0.000)
Prezentare Excelent (0.004)
(0.008) Bun (0.002)
Mediu (0.001)
Nul (0.001)
Inovare Excelent (0.002)
(0.004) Bun (0.001)
Mediu (0.001)
Originalitate Nul (0.000)
(0.008) Utilitate Excelent (0.002)
(0.004) Bun (0.001)
Mediu (0.001)
Nul (0.000)
Fezabilitate Excelent (0.027)
tehnică Bun (0.015)
(0.055) Mediu (0.008)
Nul (0.005)
Capacitatea de Excelent (0.010)
Realizare producţie Bun (0.006)
(0.079) (0.019) Mediu (0.002)
Nul (0.001)
Condiţionare Excelent (0.002)
(0.005) Bun (0.002)
Mediu (0.001)
Nul (0.000)
Acceptabilitatea Excelent (0.018)
pe piaţă Bun (0.010)
(0.036) Mediu (0.006)
Nul (0.002)
104
6.3 Implementarea sistemului expert de evaluare a lansării pe piaţă
a unui nou produs
Codificarea regulilor de producţie în limbajul VPX (versiunea 2.0) s-a realizat direct
conform modelului conceptual prezentat anterior şi pe baza tabelului 6.3 ce prezintă într-o
formă sintetică ponderile asociate atribuite criteriilor de evaluare:
- poziţia în arborele de decizie (numărul nodului);
- ponderea criteriilor şi distribuţia acesteia în funcţie de calificativele acordate.
Rezultatele evaluării produsului se înscriu într-un fişier text denumit “grila”.
Există un număr de cinci grupe de criterii şi anume:

Grupa 1: Criteriul “Aşteptări” ce conţine 8 subcriterii;
Grupa 2: Criteriul “Firma” ce conţine 10 subcriterii;
Grupa 3: Criteriul “Avantaje concurenţiale” ce conţine 10 subcriterii;
Grupa 4: Criteriul “Realizare” ce conţine 3 subcriterii;
Grupa 5: Criteriul “Acceptabilitate” ce conţine 1 subcriteriu;
Fiecărui criteriu i se poate acorda unul din cele patru tipuri de calificative.
Asocierea calificativului numeric (folosit în program) cu cel în expresie literară (folosit în
dialogul cu utilizatorul) se face conform tabelului de mai jos:
Calificativ (literar) excelent bine acceptabil slab

Calificativ (numeric) 1 2 3 4
Tabelul 6.2: Tipurile de calificative acordate în expresie literară şi numerică
Regulile din fişierul sursă “produs.kbs” se împart în două categorii:

1) Reguli de atribuire a ponderilor conform arborelui decizional;
2) Reguli de calcul a ponderilor totale pentru fiecare grupă de criterii şi pe total;
Există un număr de şapte variabile scop (precizate în clauzele FIND):

- nume: denumirea produsului pentru care se face analiza;
- n1 . . . n5: nota (ponderea totală) corespunzătoare grupei de criterii i obţinută ca
suma ponderilor subcriteriilor componente;
- np: nota finală (ponderea totală) a produsului analizat.
105
Nr Denumirea criteriului Nod Pondere Calificative acordate
crt 1 2 3 4
1 Aşteptări/Particulari/Nevoi/Economice 11110 0.075 0.043 0.021 0.008 0.003
2 Aşteptări/Particulari/Nevoi/Practice 11120 0.060 0.023 0.016 0.012 0.009
3 Aşteptări/Particulari/Nevoi/Tehnice 11130 0.030 0.010 0.008 0.007 0.005
4 Aşteptări/Particulari/Aspiraţii 11200 0.082 0.035 0.021 0.016 0.010
5 Aşteptări/Profesionişti/Nevoi/Econ 12110 0.045 0.026 0.011 0.006 0.002
6 Aşteptări/Profesionişti/Nevoi/Pract 12120 0.018 0.008 0.005 0.003 0.002
7 Aşteptări/Profesionişti/Nevoi/Tehn 12130 0.007 0.004 0.002 0.001 0.000
8 Aşteptări/ Profesionişti/Aspiraţii 12200 0.053 0.023 0.014 0.010 0.006
9 Firma/Rentabilitate/Termen_lung 21100 0.110 0.071 0.039 0.000 0.000
10 Firma/Rentabilitate/Termen_scurt 21200 0.067 0.050 0.015 0.002 0.000
11 Firma/Cota_de_piaţă 22000 0.073 0.042 0.021 0.008 0.002
12 Firma/Relaţia_ext/Imaginea_marcă 23100 0.043 0.023 0.011 0.006 0.003
13 Firma/Relaţia_ext/Reţea_distribuţie 23200 0.021 0.009 0.007 0.004 0.001
14 Firma/Relaţia_ext/Furnizori 23300 0.009 0.003 0.003 0.002 0.001
15 Firma/Gestiunea_internă/Stocuri 24100 0.023 0.011 0.006 0.004 0.002
16 Firma/Gestiunea_internă/Admin 24200 0.007 0.004 0.002 0.001 0.000
17 Firma/Gestiunea_internă/Impact_soc 24300 0.003 0.001 0.001 0.001 0.000
18 Firma/Efect_locomotivă 25000 0.018 0.009 0.005 0.003 0.001
19 Avantaje_conc/Calitate 31000 0.053 0.031 0.015 0.005 0.002
20 Avantaje_conc/Competitivitate/Preţ 32100 0.032 0.019 0.009 0.003 0.001
21 Avantaje_conc/Competit/Remize 32200 0.013 0.006 0.004 0.002 0.001
22 Avantaje_conc/Competit/Cond_plată 32300 0.005 0.002 0.002 0.001 0.000
23 Avantaje_conc/Service/Garanţie 33100 0.015 0.009 0.003 0.002 0.001
24 Avantaje_conc/Service/Disponibilitate 33200 0.004 0.002 0.001 0.001 0.000
25 Avantaje_conc/Service/Reţea 33300 0.003 0.001 0.001 0.001 0.000
26 Avantaje_conc/Prezentare 34000 0.008 0.004 0.002 0.001 0.001
27 Avantaje_conc/Originalitate/Inovare 35100 0.004 0.002 0.001 0.001 0.000
28 Avantaje_conc/Originalitate/Utilitate 35200 0.004 0.002 0.001 0.001 0.000
29 Realizare/Fezabilitate_tehnică 41000 0.055 0.027 0.015 0.008 0.005
30 Realizare/Capacitate_producţie 42000 0.019 0.010 0.006 0.002 0.001
31 Realizare/Condiţionare 43000 0.005 0.002 0.002 0.001 0.000
32 Acceptabilitatea_pe_piaţă 50000 0.036 0.018 0.010 0.006 0.002
Tabelul 6.3: Ponderile asociate criteriilor de evaluare a produselor noi
106
6.4 Crearea grilei de evaluare
In urma execuţiei programului (bazei de cunoştinţe “produs.kbs”) pe baza
aprecierilor referitoare la caracteristicile produsului ce va fi lansat pe piaţă rezultă fişierul
text (“grila”) cu următorul conţinut:
- Calificativele acordate celor 8 subcriterii ale grupei 1 (“Aşteptări”);
- Rezultatul total sub forma notei n1;
- Calificativele acordate celor 10 subcriterii ale grupei 2 (“Firma”);
- Calificativele acordate celor 10 subcriterii ale grupei 3 (“Avantaje concurenţiale”);
- Calificativele acordate celor 3 subcriterii ale grupei 4 (“Realizare”);
- Calificativele acordate celor 1 subcriteriu al grupei 5 (“Acceptabilitate”);
- Rezultatul general al evaluării produsului (nume);
- Nota finală (np) a evaluării produsului ce va fi lansat pe piaţă;
Prin urmare pentru orice produs analizat se obţin două tipuri de calificative:
- sub formă numerică (pe fiecare grupă de criterii şi pe total): n1, . . . , n5, np
- sub formă literară pentru cele 32 de criterii: c1, . . ., c32.
S-au analizat cinci tipuri de produse:

- turometru de bord;
- carburator;
- motortester;
- alternator;
- pompa de benzină;
Pentru fiecare produs s-a calculat o notă care reflectă modul în care este
perceput acesta de către conducerea compartimentului de piese de schimb.
Ulterior pe baza informaţiilor conţinute în fişier s-a realizat pentru toate produsele
luate în consideraţie o grilă de evaluare.
107
Grila din tabelul 6.5 prezintă pe coloane cele cinci grupe de criterii de evaluare şi
pe linii tipurile de produse ce vor fi lansate pe piaţă. Ultima coloană conţine nota finală ce
caracterizează global fiecare produs.
Criterii Aşteptări Firma Avantaje Realizare Acceptabilitate Total

Produse concurent. pe piaţă
Turometru de bord 0.129 0.147 0.057 0.023 0.018 0.374
Carburator 0.112 0.100 0.057 0.019 0.010 0.298
Motortester 0.086 0.133 0.041 0.016 0.010 0.286
Alternator 0.075 0.054 0.031 0.019 0.010 0.189
Pompa de benzină 0.063 0.024 0.018 0.011 0.010 0.126
Tabelul 6.5: Grila de evaluare
Pe baza grilei de evaluare s-a putut realiza o prezentare grafică (sub forma unor
serii de date cu niveluri multiple) cunoscută în Excel sub numele de diagramă
ierarhizată. Astfel, în figura 6.8, pe abscisă sunt înscrise cele 5 grupe de criterii iar pe
ordonată sunt reprezentate valorile calculate pentru fiecare din cele 5 tipuri de produse.
0,16
0,14
0,12
0,1
Turometru de bord
0,08 Carburator
Motortester
0,06
Alternator
0,04 Pompa de benzina
0,02
0
a
e
e
e
i
ar
rm
ar
aj
at
nt
pt
lit
liz
Fi
va
bi
[te
ea
ta
A
A
ep
cc
A
Fig. 6.8: Prezentarea grafică pe grupe de criterii a rezultatelor evaluării noilor produse
108
Din analiza rezultatelor obţinute rezultă o ierarhizare a produselor referitor la
şansele de reuşită pe piaţă. Astfel pentru cele cinci tipuri de produse considerate
turometrul de bord şi carburatorul au cele mai mari şanse de succes comercial în timp ce
pompa de benzină şi alternatorul au şanse mai mici.
Sistemul Expert Choice privit ca modalitate de structurare a cunoştinţelor a permis
simplificarea procesului de evaluare a noilor produse ce pot fi lansate. Conducătorii
compartimentului de piese de schimb au dispus astfel de un instrument ce le-a permis
integrarea tuturor criteriilor identificate atât din exterior cât şi pe baza propriei experienţe
fară a introduce nici o ambiguitate. Metoda analizei ierarhice a permis exprimarea facilă a
percepţiei pe care o aveau asupra problemei şi obţinerea cu a anumită precizie a
ponderilor absolute ce reflectau raţionamentele lor. Toate criteriile au putut fi luate în calcul
chiar dacă au fost de natura subiectivă sau calitativă.
Testele de stabilitate a raţionamentelor au funcţionat corect atingându-şi scopul:
repunerea în discuţie a raţionamentelor emise şi a structurii arborelui de decizie. Astfel au
contribuit la o definire corectă a problemei care să se aproprie cât mai mult de modul de a
judeca al decidenţilor.
Utilizarea grilelor de evaluare a permis obţinerea unui rezultat final care să
integreze nu numai criteriile identificate şi ponderile acestora ci şi asocierea unor
caracteristici de selecţie pe care decidenţii au dorit s\ le atribuie.
109

Sisteme Expert Marketing

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Sisteme Expert Marketing

Încărcat de

Drepturi de autor:

Formate disponibile

Gheorghe Orzan Mihai Orzan

Reproducerea acestei lucrări, chiar şi parţială, prin orice procedeu –

CAPITOLUL 1: ELEMENTE FUNDAMENTALE ALE SISTEMELOR EXPERT................................................5

Componentele sistemului expert Conţinut

Tabelul 1.1: Componentele sistemelor expert

MODUL DE TRANSFORMARE A CUNO{TIN}ELOR

BAZA DE FAPTE BAZA DE REGULI

MOTOR DE INFERENŢE MODUL DE VERIFICARE - EXPLICARE

Fig. 1.1: Arhitectura unui sistem expert

1.4.1 Reprezentări bazate pe logica formală

Propoziţiile reprezintă în logică aserţiuni care pot fi adevărate sau false.

O formulă a limbajului formal de mai jos este adevărată dacă ea coincide cu o

Propoziţia Propoziţia Negaţia Conjuncţia Disjuncţia Inferenţa

Tabelul 1.2: Tabela de adevăr

Relaţia de echivalenţă Conţinutul relaţiei

Tabelul 1.3: Conţinutul relaţiilor de echivalenţ\

1.4.4 Regulile de producţie

Concurenţa este slabă

Atunci stocurile de materiale

stocurile de materiale cresc

Fig. 1.2: Deducerea de noi fapte cu ajutorul regulilor

1.4.5 Reguli de producţie cu variabile

Dacă persoana_1 lucrează la loc_de_muncă

Dacă Y lucrează la compartimentul marketing

Fig. 1.3: Generalizarea regulilor cu ajutorul variabilelor

1.4.6 Tipologia regulilor de producţie

Regulile deductive se interpretează astfel:

Regulile inductive se interpretează astfel:

Principale caracteristici ale metaregulilor sunt1:

Dacă baza de fapte conţine informaţiile următoare:

Cota de piaţă va creşte

Absolut nesigur 70 Absolut sigur

Fig. 1.4: Scala grafică de stabilire a QC

Strategii defensive +++ + +++

Tabelul 2.1: Domenii de marketing favorabile dezvoltării de sisteme expert

Notă: Semnificaţia simbolurilor “+” este următoarea:

Tabelul 2.2: Extragerea regulilor de determinare a preţurilor

Exemplu de dialog între utilizator şi sistem:

Principalele Cota de Nivelul Creşterea Notorietatea

Acţiuni Reducerea Extinderea Promovarea Creşterea Patrunderea

Fig. 2.1: Descompunerea strategiei de marketing

Metoda analitică propusă introduce conceptul de ierarhizare a analizei fiind vorba

Tabelul 2.3: Evaluarea celor 3 tipuri de produse ale întreprinderii

2.4.2 Validarea modelului conceptual

2.4.3 Metoda analizei ierarhice în cadrul sistemelor expert

Baza de reguli Baza de fapte

Reguli posibile Fapte selecţionate

Fig. 3.1: Ciclul de bază al motorului de inferenţe

1) Monotonia: proprietatea sistemelor expert de a lucra cu fapte şi baza de fapte:

2) Regimul de lucru al motorului de inferenţe: arată modul de reacţie al motorului

3) Modul de parcurgere al arborilor “şi-sau”: specifică modalitatea concretă de

2) Raţionamentul inductiv (înapoi): porneşte de la un scop (o problemă) pe care o

3) Raţionamentul mixt: se fixează un scop, se determină faptele deductibile, se

Sistem expert operaţional

Fig. 3.2: Structura ciclului de viaţă al unui sistem expert

3.2.4 Modelarea conceptuală

livrare ambalare încărcare

vânzare facturare descărcare

3) Modelul cauzal surprinde aspectul declanşării unei acţiuni şi al consecinţelor ei

Cauze Acţiune Consecinţe

trecut prezent viitor

Fig. 3.3: Plasarea implicaţiei în context temporal

Schema modului de înlănţuire a primitivelor de raţionament se numeşte schemă

3.2.7 Validarea sistemului