I.

Introducere în Inteligenţa artificială

Tehnologia sistemelor inteligente are în vedere rezolvarea unor probleme complexe în diverse
domenii care necesită expertiză umană, fiind însă restricţionată în cazul anumitor aplicaţii concrete.

Fie că este vorba de inteligenţa umană, fie de inteligenţa artificială un sistem inteligent trebuie să fie
capabil să transforme datele în informaţii şi informaţiile în cunoştinţe.

Exploatarea optimă a celor două resurse informaţionale (bazele de cunoştinţe şi bazele de date),
necesită proiectarea fiecăreia din cele două componente ca o extensie naturală a celeilalte, în cadrul unui
sistem integrat.

La momentul actual, analiştii fac o diferenţiere explicită cu privire la diversele tehnici de programare
ce stau la baza dezvoltării unor computere tot mai performante:

 tehnici tradiţionale sau clasice de programare bazate pe algoritmi asociaţi cu logica clasică
(limbaje de programare precum Cobol, Fortran, Basic, C etc);
 tehnici de programare specifice inteligenţei artificiale, respectiv cele bazate pe algoritmi
asociaţi logicii fuzzy (sistemele expert, reţelele neuronale, recunoaşterea formelor, data
mining, agenţii inteligenţi etc.).

 Inteligenţa este capacitatea de a înţelege uşor, de a sesiza esenţialul şi de a face faţă unor situaţii
neprevăzute (dicţionar)
 Inteligenţa reprezintă capacitatea de a percepe, înţelege şi a învăţa în cadrul unor situaţii noi (definiţia
cea mai comună)

Termenul de IA (Inteligenţă Artificială ) a fost utilizat pentru prima dată în 1960 în cadrul unui
articol scris de către Minsky intitulat "Paşii către o inteligenţă artificială" în care se prezentau în premieră,
modalităţii de rezolvare simbolică a problemelor de analiză matematică pe un calculator. Termenul care s-a
introdus cu această ocazie a cauzat numeroase discuţii datorită implicaţiilor pe care le ridică:

1. ce este inteligenţa?
2. este aceasta o caracteristică umană?
3. pot fi maşinile inteligente?
4. se poate vorbi de o inteligenţă artificială?
5. programele produse prin IA sunt inteligente?

Definiţii care s-au acceptat pentru IA

 1975 - IA este domeniul care se ocupă cu studiul conceptelor care permit ca maşinile să fie
inteligente
 1981 - IA este un domeniu al informaticii care îşi propune crearea unor sisteme inteligente
de calcul care să posede acele caracteristici care sunt asociate în general cu inteligenţa în
domeniul uman: raţionament, capacitate de învăţare, de rezolvare şi de comunicare.

1
  1990 - IA este un domeniu al informaticii care începe acolo unde informatica clasică se
opreşte, destinat rezolvării problemelor pentru care nu există un algoritm de calcul sau
pentru care algoritmii sunt prea complicaţi pentru a fi rezolvaţi în maniera clasică.

IA prezintă un punct de vedere diferit faţă de cel clasic în rezolvarea unei probleme.

 Clasic se manipulează informaţii numerice care sunt prelucrate în contextul unor

algoritmi.

enunţ ---> algoritm de calcul —>rezultat

 Din punct de vedere al IA se manipulează cunoştinţe utilizate în cadrul unor

strategii.

problema —> (informaţii / cunoştinţe + strategie de rezolvare) —> concluzie

Inteligenţă, cunoaştere, raţionament

În dicţionarul limbii engleze inteligenţa este definită prin capacitatea de a înţelege noul şi capacitatea
de a face faţă unor situaţii neprevăzute.

Inteligenţa este capacitatea de a percepe, înţelege şi învăţa în contextele unor situaţii noi.

Aceste caracteristici impun prezenţa a două componente, capacitate de cunoaştere şi de a raţiona

(de a efectua deducţii logice).

Cunoaşterea este fenomenul prin care se face un transfer de informaţii de la obiect la observator. În
cursul acestui transfer sunt recepţionate numai caracteristicile esenţiale. Deci cunoaşterea nu are un
caracter enciclopedic, având loc o abstractizare şi o filtrare a informaţiei recepţionate.

Structural cunoaşterea este formată din piese de cunoaştere (numite entităţi) prin care sunt
reprezentate diversele caracteristici ale fenomenului observat. Pentru construirea unei piese de cunoaştere se
utilizează două noţiuni:

a) concepte (rezultatele unui proces de abstractizare prin care se deduc acele caracteristici ce permit
încadrarea obiectului într-o anumită clasă).
b) instanţe (caracteristici individuale care aparţin unui obiect).

Categoriile de cunoaştere (Giarratano)

 cunoaştere filozofică – prezentată în tratatele de filozofie;
 cunoaştere apriori – este universal adevărată, precede orice altă cunoaştere şi nu poate fi
negată fără contradicţie (ex. enunţurile din logică, legile matematice);
 cunoaşterea posteriori – este cunoaşterea derivată din simţuri, experienţă şi poate fi negată
pe baza unei noi cunoaşteri fără a fi introdusă contradicţia (ex. EXSYS este cel mai bun
mediu de dezvoltare de sisteme bazate pe reguli de producţie).

2
 Deducţiile logice (raţionamentul) reprezintă un lanţ de judecăţi a căror obiectiv este
obţinerea unor noi adevăruri.

Prin judecată se înţelege o propoziţie simplă prin care se afirmă sau se neagă ceva şi care
întotdeauna prezintă valoarea adevărat.

Judecăţile pot fi de tip:

o predicţie, dacă oferă un raport între un obiect şi o însuşire a acestuia

o de tip relaţie dacă reflectă un raport între două sau mai multe obiecte.

Într-un raţionament un set de judecăţi numite premise, sunt legate de o alta judecată numită concluzie
printr-un proces care poartă denumirea de inferenţă.

Este posibilă reprezentarea cunoaşterii?

Reprezentarea cunoştinţelor într-un calculator constă în găsirea şi realizarea unei corespondenţe
între lumea reală şi un sistem simbolic ce permite efectuarea raţionamentelor.

Reprezentarea cunoaşterii presupune:

 existenţa unor fapte, adică adevăruri într-o anumită situaţie sau univers de discurs relevant
 reprezentarea faptelor într-un formalism ales. Mai exact, faptele sunt lucrurile pe care vrem să
le reprezentăm, iar reprezentările lor sunt lucrurile pe care le vom putea manipula efectiv.

Caracteristici ale reprezentării cunoaşterii:

 abstractizarea, adică reprezentarea numai a informaţiilor necesare unui anumit scop, element
esenţial pentru gestionarea complexităţii;
 raportul dintre expresivitate şi eficienţă: unele reprezentări expresive sunt ineficiente, de
aceea, pentru a creşte eficienţa trebuie sacrificată expresivitatea, fără a limita capacitatea
reprezentării de a surprinde esenţialul.

Modelul unui sistem (componente)

1. concepte - subdiviziuni logice ale sistemului în subsisteme;
2. entităţi - componente individuale (sau obiecte), care pot fi la rândul lor descompuse în:
a) primitive (elemente atomice), care formează baza elementară a modelului;
b) proprietăţi, atribute, valori ale entităţilor sau conceptelor (de exemplu obiecte, funcţia unui
subsistem); unele sunt de tip cantitativ („vârstă", „înălţime"), altele de tip calitativ
(„inteligent", „frumos");
c) constrângeri şi asociaţii - includ relaţiile şi interacţiunile cauzale dintre entităţi;
3
 d) constrângeri şi asociaţii - includ concepte (de exemplu: „conţinut în", „determină" etc.)

Sisteme de reprezentare a cunoaşterii

 stabilirea sistemului de meta-reprezentare, asigurarea unor modalităţi adecvate de
reprezentare a cunoaşterii despre modelul lumii reale, cât şi pentru componentele proprii ale
sistemului inteligent;
 stabilirea sistemului de clasificare, gruparea în clase, precum şi ordonarea acestora după
criterii ce rezultă din analiza relevanţei proprietăţilor folosite pentru caracterizarea obiectelor
ce formează piesele de cunoaştere;
 stabilirea sistemului de organizare, gruparea şi ordonarea elementelor şi claselor, în vederea
asigurării desfăşurării unor procese fundamentale, precum: accesul, căutarea, corespondenţa,
substituirea, inferenţa deductivă.

Tipuri de reprezentări
i) reprezentarea descriptivă - caracterizarea directă a componentelor, structurii şi proprietăţilor
piesei de cunoaştere;
ii) reprezentarea comparativă - pentru a se reprezenta o piesă de cunoaştere A, expresia B
conţine o referinţă la o piesă de cunoaştere auxiliară, denumită prototip, şi o informaţie ce
marchează diferenţele dintre A şi piesa prototip:
iii) reprezentarea constructivă (generativă) - relaţie generatoare a elementelor componente,
structurii şi proprietăţilor piesei de cunoaştere;
iv) reprezentarea enumerativă - presupune referiri la elementele unei mulţimi, care este definită
ca piesă de cunoaştere.

Sistemul de clasificare
Sistemul de clasificare urmăreşte stabilirea unui număr finit de clasificări ale pieselor de cunoaştere,
pentru a realiza ordinea conceptuală.

Clasificarea presupune stabilirea unor grupări numite clase, pe baza unor asemănări între elementele
aceleiaşi clase.

Prin criteriu de clasificare se înţelege stabilirea categoriilor logice, a proprietăţilor ce determină pe

mulţimea pieselor de cunoaştere o împărţire în clase.

Etapele clasificării
Procesul de clasificare se desfăşoară în două etape:

a) clasificarea conceptuală, prin care proprietăţile obiectului sunt analizate din punct de vedere al
relevanţei în raport cu obiectele utilitare ale sistemului, pentru a fi grupate apoi în criterii;
b) clasificarea instanţială, prin care piesele de cunoaştere sunt plasate în clase potrivit criteriului de
clasificare stabilit pentru fiecare piesă de cunoaştere.

4
 Un criteriu de clasificare care nu poate decide satisfacerea condiţiilor de unicitate a clasificării este
un criteriu de clustering. În acest caz, un element poate să aparţină mai multor clase.

De exemplu, un calculator de buzunar poate fi considerat:

- un instrument de calcul (funcţional),

- un dispozitiv electronic (structural),
- un obiect mic de culoare neagră (aspectului fizic)

Apartenenţa la clase nu modifică proprietăţile ce definesc obiectul ca membru al unei anumite clasei,
ci asigură o serie de trăsături de importanţă secundară.

Descrierea bazei de cunoştinţe

 reprezentarea cunoaşterii urmăreşte  o arhitectură de descriere a bazei de
descrierea sub formă simbolică a cunoştinţe poate fi construită pe trei
universului în care sistemul nivele, în funcţie de locul în care se
efectuează raţionamente. prelucrează cunoştinţele:
 interesează în special cunoştinţele
despre entităţi (reprezentări ale
obiectelor) şi despre relaţiile dintre
ele.

1. Nivelul intern descrie structura de stocare fizică a

cunoştinţelor în baza de cunoştinţe. Se descriu detaliile complete ale stocării, precum şi
modul de acces la cunoştinţe.
2. Nivelul conceptual descrie structura întregii baze de cunoştinţe pentru o comunitate de
utilizatori. Se face o descriere completă a bazei de cunoştinţe, ascunzându-se detaliile
legate de stocarea fizică, concentrându-se asupra descrierii entităţilor, tipurilor de date, a
relaţiilor dintre ele şi a restricţiilor asociate.
3. Nivelul extern descrie baza de cunoştinţe din perspectiva diferiţilor utilizatori, care au
fiecare propriile interese. Există tendinţa să li se ascundă utilizatorilor detaliile de care nu
sunt interesaţi.

Nu există o distincţie netă între cele trei nivele. Totuşi, în majoritatea sistemelor cognitive se remarcă
un nivel conceptual puternic, care suplineşte de multe ori celelalte nivele. În aplicaţiile practice apare o
5
contopire între nivelele conceptual şi extern. Din punctul de vedere al programatorului, reprezentarea
cunoaşterii poate fi:

- declarativă (ştim ce) sau

- procedurală (ştim cum).

 Reprezentările declarative sunt mai costisitoare, ocupă mai mult spaţiu, pot avea elemente
redundante, însă ştergerea sau adăugarea de elemente se face foarte simplu (aceste operaţii
sunt de fapt actualizări ale unor liste de fapte).
 Reprezentările procedurale sunt mai compacte, dar mai puţin flexibile, întrucât se bazează
pe o mulţime de acţiuni (de obicei de forma „dacă-atunci").

ÎNTREBĂRI:

1. Ce este un sistem inteligent?

2. Ce este Inteligenţa umană?
3. Ce este inteligența artificială?
4. Ce este cunoașterea și câte categorii de cunoaștere sunt (după Giarratano)?
5. Deducțiile logice, judecățile.
6. Este posibilă reprezentarea cunoaşterii?
7. Ce presupune reprezentarea cunoaşterii?
8. În ce constă reprezentarea cunoştinţelor?
9. Care sunt sistemele de reprezentarea a cunoaşterii?
10. Piesele reprezentării meta-cunoaşterii
11. Tipuri de reprezentări
12. Nivele de descriere a bazei de cunoştinţe

Cunoașterea
Cunoaşterea poate cuprinde fapte şi informaţii şi în special concepte, proceduri, modele şi euristici
care se pot utiliza în inferenţe pentru rezolvarea problemelor.

O ierarhizare a datelor, informaţiei şi cunoaşterii având în vedere gradul de abstractizare este

realizată de profesorul Turban astfel:

Metacunoaştere -> Cunoaştere -> Informaţii -> Date

Metacunoaşterea reprezintă nivelul cel mai abstract şi înseamnă cunoaştere despre cunoaştere şi
expertiză.

Ierarhia cunoașterii
La baza piramidei stau semnele sau informaţii (exemple de semne în sens general: o
zgomotele. Acestea nu au semnificaţie simbolică, literă, o cifră, simbolul unui cont în contabilitate
adică nu pot fi înţelese. Prin semne înţelegem o etc); aşadar, înţelegem o materie primară ce se
unitate sau un simbol primar al unei viitoare prelucrează în vederea obţinerii unor fapte, date
6
sau procese. De exemplu, o scriere hieroglifică
necunoscută poate fi confundată cu o serie de
desene abstracte, incoerente.

Pe nivelul inferior al ierarhiei sunt datele, fapte

simple ale lumii reale, la cel mai de jos nivel de înţelegere. Prin date se înţeleg două sau mai multe semne
combinate, mixate pentru a ajunge la un nou înţeles în procesul de cunoaştere a individului faţă de mediul
înconjurător (o propoziţie, o frază, un enunţ, o axiomă în matematică etc). În limbaj uzual se folosește
adesea sintagma de „date” şi cea de „informaţie”, remarcă valabilă atât în economie, cât şi în ştiinţa
calculatoarelor.

 Datele pot fi definite ca secvenţe de simboluri, care încep să aibă sens.

 Datele au o valoare pur sintactică, adică pot fi descrise complet prin reprezentări structurate, formale.
 Datele sunt uşor de stocat şi prelucrat cu ajutorul calculatorului.

n=30

- este o variabilă cu numele n și valoarea 30;

- semnificația variabilei e necunoscută, posibilitățile de utilizare a valorii la fel (sunt cunoscute
doar de programatorul care a scris atribuirea!);
- numele “n” este mai degrabă o cale de accesare a datei, decât o identitate (e o referință la
memoria internă, o identitate locală);
- nici un program sau om (altul decât cel care a scris atribuirea) nu va ști ce înseamnă sau cum
trebuie prelucrată valoarea 30 fără indicații suplimentare.
- variabila n reprezintă o dată, cu caracteristicile:
a) are un anumit tip;
b) exprimarea este într-o anumită sintaxă (reprezentare numerică zecimală cu cifre arabe);
c) are o identitate cu vizibilitate locală (nume și adresă de memorie, inaccesibile în afara
aplicației care a creat-o).

Prin informaţii înţelegem un mixaj între două sau mai multe date existente în ansamblul cunoaşterii
la un moment dat, rezultat în urma unui proces de prelucrare pentru a ajunge la un nou înţeles în
comunicarea dintre indivizi.

Transformăm datele în informaţii atunci când adăugăm valoare unei informaţii şi un anumit înţeles
prin procese precum contextualizarea, categorizarea, corectarea etc. (exemple de informaţii în sens general:

7
o teorie, un concept, rulajul unui cont de pasiv sau activ în contabilitate, o secvenţă dintr-un program
software).

Prin cunoştinţe înţelegem o formă mult mai „finisată” a diferitelor informaţii existente în organizaţii,
societate sau în mintea indivizilor.

Informaţiile acumulate în istoria de milenii a umanităţii au fost şi sunt permanent sistematizate sub
forma unor cunoştinţe, pentru a facilita accesul cercetătorilor la diverse categorii de cunoştinţe.

Există zeci de abordări cu privire la crearea şi procesarea cunoştinţelor, transferul şi transformarea

lor pe diverse tipuri (exemple de cunoştinţe în sens general: un model de management, un model matematic,
un program complet de software, un manual, o bază de date, balanţa contabilă şi bilanţul contabil etc).

Cunoştinţele reprezintă următorul nivel de înţelegere. Ele derivă din informaţii cărora li se aplică
reguli şi euristici. La acest nivel acţionează tehnicile de data mining, care pot identifica tendinţe ascunse sau
modele nebanale.

„Inducţia de reguli" este o tehnică de data mining care furnizează rezultate de forma: „oamenii care
cumpără lapte cumpără şi pâine în 80% din cazuri".

Cunoştinţele, la care se adaugă judecăţi şi valori, precum şi experienţă şi învăţare, se transformă în

înţelepciune. Pe acest nivel se realizează utilizarea cunoaşterii acumulate.

„Inţelepciunea” acumulată de individ rămâne o formă superioară a cunoştinţelor pe care le posedă la

un moment dat acesta.

Mai recent, teoria propune termenul „enlightenment”, această noţiune desemnând o „calitate” a
cunoştinţelor dusă dincolo de înţelepciune. Mai precis, este vorba despre cea mai înaltă formă a înţelegerii la
care poate ajunge o persoană (intuitiv spunem că este vorba despre cea mai înaltă formă a experienţei
acumulată de expertul uman într-o anumită profesie).

Sursa: Adaptat după: Apurva A., Singh M.D., Understanding Knowledge Management: a literature
review, International Journal of Engineering Science and Technologie (IJEST, vol.3, no.2, 2011)

Datele, acumulate într-un context cu semnificaţie, devin informaţii. Ele sunt abstracţii informale, care
nu pot fi formalizate printr-o teorie logico-matematică. Dacă spunem „Suceava e un oraş frumos", această
informaţie are o natură subiectivă, depinde ce înţelege fiecare om prin „frumos". Enunţul anterior este

8
reprezentabil într-un calculator, însă sub formă de date; pentru a fi prelucrat „frumos" ar trebui cuantificat de
exemplu pe o scară numerică, de la 1 la 10.

Diferenţa fundamentală dintre date şi informaţii este faptul că datele au un caracter pur sintactic, pe când
informaţiile dispun de caracteristici semantice.

9
 Dacă din cantitatea vândută şi preţ unitar deducem volumul vânzărilor, acesta este o informaţie.

Uneori este utilă separarea şi regruparea informaţiilor după anumite criterii. Această analiză ajută la
determinarea relaţiilor, modelelor, tendinţelor şi excepţiilor, sub forma informaţiilor analitice. Vânzările
pentru lapte şi pâine nu depind de perioadă, cele pentru mere depind:

Reprezentarea ierarhică a cunoaşterii are şi critici. Aceştia consideră că unele cunoştinţe depind
într-adevăr de mai multe date, dar sunt cazuri în care aceleaşi date sunt implicate în mai multe aspecte ale
cunoştinţelor. De aceea, ei consideră că piramida nu este simbolul potrivit şi că datele, informaţiile şi
cunoştinţele fac parte dintr-un tot unitar, continuu, ale cărui părţi nu pot fi considerate separat.

Un sistem de procesare a informaţiei constă (conform lucrărilor lui Newell şi Simon) din patru
componente fundamentale:

1. memoria,
2. procesorul,
3. organele efectoare,
4. organele receptoare;

Gândirea umană este guvernată de programe care organizează procese informaţionale simple în
secvenţe ordonate care se constituie în structuri complexe. Procesorul primeşte, ca intrări, structuri simbolice
şi realizează la ieşire noi structuri simbolice ca rezultat al prelucrării.

În contextul celor prezentate, arhitectura minţii umane (memoria) constă din:

 memoria pe termen lung – este nelimitată, permanentă, necesită timp îndelungat pentru
memorarea informaţiei însă oferă posibilitatea regăsirii instantanee a informaţiei;
 memoria pe termen scurt (memoria de lucru) – are capacitate limitată, iar informaţia
memorată poate fi doar procesată atunci când această memorie este activă;

ÎNTREBĂRI:

10
 1. Cum vede Turban ierarhizarea datelor?
2. Ce presupune ierarhia cunoaşterii?
3. Semne, zgomote
4. Date
5. Informaţii
6. Cunoştinţe
7. Înţelepciune
8. Enlightenment

II. Reprezentarea cunoştinţelor

Una din clasificările majore cu privire la cunoştinţe este cea care partajează cunoştinţele în
următoarele două categorii:

 cunoştinţe explicite sunt cunoştinţele acumulate raţional care pot fi transferate prin procese
obişnuite de predare, învăţare, comunicare, etc; acestea pot fi detaşate de deţinător şi
procesate în diverse moduri la nivel organizaţional (cunoştinţele ce se regăsesc în manuale,
enciclopedii, baze de date etc);
 cunoştinţe tacite sunt cunoştinţe de tip non raţional, cum ar fi cunoştinţele ce derivă din
experienţa sau intuiţia individului, caz în care transmiterea şi procesarea lor devin relativ mai
dificile (noi ştim intuitiv sau din experienţă cum să realizăm diverse acţiuni sau să ne
comportăm în diverse contexte sociale, însă uneori este dificil să explicăm verbal cum
îndeplinim acele acţiuni; Maynard şi Mehrtens spun că afacerile din viitor vor exploata pe
larg cunoaşterea intuitivă [82]).

Cunoştinţele tacite şi explicite

Procesul de conversie a cunoştinţelor explicite în cunoştinţe tacite şi invers ia forma unei spirale a
învăţării în organizaţiile moderne de afaceri;

A fost ilustrat pentru prima dată de profesorul japonez Nonaka Ikujiro (acest model este cunoscut în
managementul cunoştinţelor drept modelul SECI, adică Socializare, Externalizare, Combinare şi
Internalizare).

11
 Spirala de conversie a cunoştinţelor Sursa: Nonaka I., Konno N. – The Concept of „Ba” Building a
Foundation for Knowledge Creation, California Management Review, vol.40, No.3, Spring, 1998; Nonaka
I., Knowledge Advantage Conference, November 11-12, 1997

a) Socializarea presupune partajarea cunoştinţelor tacite între două sau mai multe persoane ce se
află împreună în diverse contexte sociale (acasă, în organizaţie); cunoştinţele tacite sunt generate
de experienţa directă a fiecărui individ, ceea ce face ca transferul acestora către alte persoane să
fie relativ dificil;
b) Externalizarea cunoştinţelor este procesul prin care fiecare persoană îşi transformă cunoştinţele
sale tacite în cunoştinţe explicite; din moment ce devin cunoştinţe explicite, acestea pot fi
transferate cu uşurinţă către alţii, pot fi procesate şi depozitate;
c) Combinarea este procesul prin care se creează noi structuri de cunoştinţe explicite plecând de la
o bază dată de cunoştinţe tot explicite; în fapt, discutăm despre un proces de conversie de la o
formă mai „brută” a cunoştinţelor către o formă mai „finisată”, de mai mare semnificaţie;
transferul şi difuzia unor cunoştinţe rezultate prin conversia invocată se poate face cu uşurinţă în
orice organizaţie;
d) Internalizarea cunoştinţelor este procesul de conversie prin care se convertesc cunoştinţe
explicite existente la un moment dat în cunoştinţe tacite asociate îndeosebi unei organizaţii;
acestea se transferă îndeosebi prin tehnici de training, learning by doing, exerciţii practice.

Logica propoziţiilor
În contextul procesării unor cunoştinţe pe calculator, discutăm de un limbaj diferit de cel natural;
acest tip de limbaj se bazează pe o logică simbolică (logica de ordinul I).

Având sintaxa sa definită formal, logica simbolică este mult mai simplă şi mai potrivită procesării pe
calculator decât limbajul natural. În ciuda simplităţii sale, logica simbolică este destul de expresivă pentru
a specifica orice lucru care poate fi programat pe calculator.

Limbajul de reprezentare a cunoştinţelor este logica propoziţională, care a fost dezvoltată de George
Boole la mijlocul secolului 19 şi în care o propoziţie poate fi reprezentată printr-o singură literă p, putând
avea valoarea logică adevărat sau fals.
12
 În acest mod de reprezentare a propoziţiei se pierd detaliile (nu poate fi analizată structura internă a
propoziţiei) însă, dacă structura internă este importantă, propoziţia poate fi împărţită în părţi mai mici care
pot fi reprezentate separat. Un pas important în acest sens îl constituie împărţirea propoziţiei în două părţi şi
anume: subiect şi predicat.

O propozitie este o afirmatie declarativă care este adevărată (A) sau falsă (F), nu ambele simultan.

Ex: propoziţii

 Suceava este reşedinţa judeţului Suceava

 Tokio este capitala Japoniei
 5+3=8
 7+6=7

Ex: nu sunt propoziţii

 Câţi studenţi lipsesc astăzi? (intrebare)

 Vă rog să fiţi atenţi la...... (comanda)
 Ce zi frumoasă este astăzi! (exclamaţie)
 X+3=5 (ar putea fi şi A şi F)

Ex: propoziţii sau nu?

 Sunteţi la cursul de IM.

 Există viaţă pe Lună.
 2 + 3.
 Daca x = 3 atunci x + 2 = 7
 În sală sunt numai studenţi interesaţi de acest curs.

 Variabilă propoziţională este o variabilă peste domeniul {A, F} care reprezintă o propoziţie.
Notaţii: p, q, r, p1 , p2 , …
 Valoarea de adevăr a unei propoziţii este adevărat (A), dacă este adevărată şi fals (F), dacă este
falsă.
 Prin combinaţia de propoziţii cu ajutorul operatorilor logici se obţin propoziţii compuse.

Diferitele tipuri de raţionament posibile (la care putem recurge în prezent) se bazează pe 2 tipuri
diferite de logică:

- logica clasică, de tip aristotelic;

- logica fuzzy, apărută odată cu mulţimile fuzzy.

Este oarecum paradoxal, însă ambele tipuri de logică recurg în limbaje matematice la următorul set
de operatori utilizaţi în practică:

∃ cuantificatorul existenţial

13
 ∀ cuantificator universal (oricare ar fi)

∧ operatorul de conjuncţie (AND)

∨ operatorul de disjuncţie (OR)

¬ operatorul de negaţie (NOT)

→ implicaţie simplă

↔ implicaţie dublă (echivalenţă)

Logica clasică ne arată că valoarea de adevăr (V) a unei propoziţii (P) este o funcţie de forma:

V : P →{0,1}

unde: domeniul de definiţie este mulţimea tuturor propoziţiilor logice, iar subdomeniul este mulţimea
formată din elementele 0 – care au semnificaţia de fals şi 1 – care au semnificaţia de adevăr.

Tabele de adevăr

Operatorul de negaţie
Fie p o propozitie. Negaţia unei propoziţii p, notată prin ¬ p, reprezintă afirmaţia

“Nu se întâmplă p” sau “p este fals”

Propozitia ¬ p se citeşte “not p”, iar valoarea ei de adevăr este opusul valorii de adevăr a lui p.

EX:

 p = “Azi e marţi”
 ¬ p= “Nu este cazul ca azi e marţi” sau
 “Azi nu e marţi”.

Conjuncţia
Fie p şi q propoziţii. Conjuncţia dintre p şi q, notată p ∧ q, este propoziţia “p şi q”. Ea este
adevărată când p şi q sunt ambele adevărate şi falsă altfel.

14
 EX:

 p = “Azi e luni.”
 q = “Azi plouă.”
 p ∧ q= “Azi e luni şi azi plouă.”

Propoziţia este adevărată într-o zi de luni ploioasă şi este falsă în orice zi dacă nu e luni şi în orice zi
de luni în care nu plouă

Disjuncţia
Fie p şi q propoziţii. Disjuncţia dintre p şi q, notată p ∨ q, este propoziţia “p sau q”. Ea este falsă
cand ambele p şi q sunt false şi adevărată altfel.

Disjuncţia se mai numeşte şi “sau inclusiv”.

EX:

 p = “Azi e luni.”
 q = “Azi plouă.”
 p ∨ q = “Azi e luni sau azi plouă.”

Adevărată în orice zi de marţi şi în orice zi în care plouă şi falsă dacă nu este nici marţi şi nici nu
plouă.

Implicaţia
Fie p şi q propoziţii. Implicaţia dintre p şi q, notat p → q, este propoziţia “dacă p, atunci q”. (p=
ipoteza, q= concluzia)

Este falsă doar dacă prima propoziţie a implicaţiei este adevărată şi cea de-a două este falsă, în restul
cazurilor implicaţia este adevărată.

EX:

 p = “eu sunt reprezentant”

 q = “eu voi micşora taxele”
 p → q = “dacă sunt reprezentat, voi micşora taxele.”

Echivalenţa
Fie p şi q propoziţii.

Echivalenţa dintre p şi q, notat p ↔ q, este propoziţia “p dacă şi numai dacă q”.

Este adevărată când p şi q au aceleaşi valori de adevăr şi falsă altfel.

Se mai citeşte:

- “p este necesar şi suficient pentru q”,

- “dacă p atunci q şi viceversa”, “p if q”
- aceleaşi valori de adevăr ca şi (p → q) ∧(q → p).

EX:

 p = “Poţi lua trenul”, q = “Cumperi bilet”,

15
  p ↔ q = “Poţi lua trenul dacă şi numai dacă cumperi bilet.”

Aristotel propune o împărţire a propoziţiei în două părţi: subiect şi predicat. Următorul este
silogismul pentru raţionamentul despre “contul sintetic”:

if contul sintetic are 20 conturi analitice and Contul 301 este un cont sintetic then Contul 301 are 20
de conturi analitice

Premisa majoră “contul sintetic” (s) este subiectul şi “are 20 conturi analitice”(an) este predicatul.
Conectarea dintre cele două premise este stabilită prin termenul “contul sintetic” care este numit “termen de
mijloc”, el apare ca subiect în prima premisă şi predicat în cea de-a doua.

Cu această alegere a predicatelor, propoziţia “contul sintetic” va putea fi reprezentată prin

următoarea formulă [132]:

(\/s)( contul sintetic (s) => număr de conturi analitice (s,20)

Simbolul \/ reprezintă un cuantificator universal, iar => este operatorul ce implică (if-then). Formula
poate fi citită astfel:

Oricare ar fi s, if s este cont sintetic, atunci s are 20 conturi analitice.

ÎNTREBĂRI:

1) Cunoştinţe tacite
2) Cunoştinţe explicite
3) Ce este spirala cunoştinţelor?
4) Delimitaţi noţiunile din spirala (SECI)
5) Logica propoziţiilor
6) Cuantificatorii şi operatorii logici
7) Tabela de adevăr

Logica fuzzy
 cuprinde adevărul parțial, valori ale adevărului cuprinse între „complet adevărat” și „complet
fals ”
 a fost definită pentru abordarea conceptelor „lingvistice” de genul mic, mare, ridicat, scăzut,
etc.
 sistemele bazate pe logica fuzzy sunt foarte flexibile şi şi-au dovedit eficacitatea într-o serie
de sarcini de control şi recunoaştere de modele de la recunoaşterea scrisului şi până la
evaluarea creditelor.
 există la momentul actual mai multe produse de larg consum care utilizează logica fuzzy în
mecanismele lor de control (maşini de spălat, cuptoare cu microunde sau aparate de
fotografiat cu focalizare automată, Japonia fiind ţara cu cele mai multe aplicaţii bazate pe
tehnica logicii fuzzy).

16
 Mulţimi fuzzy
O mulţime fuzzy este o mulţime a cărei graniţă nu este evidentă, bine definită. În general, o mulţime
fuzzy conţine elemente despre care se poate spune că aparţin (sau nu aparţin) parţial acelei mulţimi.

O mulţime fuzzy A, definită pe o mulţime X, este formată din perechi ordonate (x ; mA (x)), unde x
este un element din mulţimea X, iar mA (x) este un element care poate lua valori în intervalul [0,1] şi descrie
măsura în care elementul x aparţine sau nu mulţimii A. Astfel, se poate scrie:

m A ( X) este funcţia caracteristică sau funcţia de apartenenţă asociată mulţimii fuzzy A, iar valoarea
acestei funcţii se numeşte grad de apartenenţă.

Dacă în cazul unei variabile algebrice se folosesc ca valori numerele (de exemplu, tensiunea într-un
nod al reţelei poate avea valori ca 105,7 kV sau 117,2 kV), în cazul variabilelor lingvistice, valorile folosite
sunt cuvinte, expresii sau chiar propoziţii.

De exemplu, variabila lingvistică „gust” poate lua valori cum ar fi acru, dulce, sărat, amar în timp ce
variabila lingvistică „estetic” poate lua valori cum ar fi: frumos, urât, etc.

Abordarea lingvistică reprezintă de fapt una din caracteristicile fundamentale ale mulţimilor fuzzy.

Spre deosebire de logica clasică, în logica fuzzy valoarea de adevăr (V) a unei propoziţii P este o
funcţie de tipul: μ: P → [0,1]

Modificarea de la mulţimea {0,1} de valori, la intervalul real închis [0,1] are ca efect obţinerea unui
număr infinit de valori pentru soluţiile posibile între valorile extreme 0 – fals şi respectiv 1 – adevărat.
Astfel, o afirmaţie AF aparţinând mulţimii P poate avea ca valoare de adevăr numărul 0,75, înţelegând prin
aceasta că respectiva afirmaţie nu este întru totul falsă dar nici întru totul adevărată.

Formele şi intervalele de apartenenţă fuzzy sunt stabilite de experţi umani.

După definirea funcţiilor de apartenenţă, noile articole pot fi clasificate pe baza valorilor fuzzy.

Datele care au fost convertite în funcţii de apartenenţă fuzzy sunt referite sub numele de date
fuzzificate.

Regulile de inferenţă fuzzy specifică relaţiile dintre variabilele fuzzy şi sunt de forma regulilor de
producţie „Dacă / Atunci”.

Raţionamentul fuzzy este dat de procesul de derivare a concluziilor plecând de la o serie de date
fuzzificate, cu ajutorul unui set dat de reguli fuzzy.

În cazul inferenţei fuzzy sunt activate toate regulile din baza de reguli fuzzy, pentru care potrivirea
parţială sau integrală a condiţiilor va contribui la rezultatul final.

Deci, rezultatul final este o consecinţă a agregării tuturor ipotezelor regulilor dintr-un sistem.
Procesul de agregare rezultat este principiul cheie care stă la baza flexibilităţii în tratarea datelor incomplete
sau inconsistente.

17
 Sistemele fuzzy se pretează foarte bine la regăsirea informaţiilor din bazele de date foarte largi,
deoarece oferă un mecanism de regăsire a articolelor care corespund chiar parţial condiţiilor, spre deosebire
de sistemele clasice unde sunt regăsite doar articolele pentru care toate condiţiile sunt îndeplinite.

Unul din avantajele logicii fuzzy în comparaţie cu alte tehnici de tratare a datelor, îl constituie
bazele de cunoştinţe sub formă de reguli, uşor de examinat şi de înţeles.

Dezavantajele logicii fuzzy:

 funcţiile de apartenenţă şi regulile trebuie introduse manual.

 determinarea funcţiilor de apartenenţă este mare consumatoare de timp, iar acumularea
cunoştinţelor de la experţi poate avea costuri ridicate.
 aceste sisteme nu se pot adapta la modificările de mediu, noile reguli trebuind introduse
manual dacă condiţiile de mediu se modifică.

O regulă fuzzy poate fi definită ca o instrucţiune condiţională sub forma:

IF x este A THEN y este B

 unde x şi y sunt variabile lingvistice;

 iar A şi B sunt valori lingvistice determinate de mulţimile fuzzy din universul x şi y.

O regulă clasică IF-THEN foloseşte logica binară, adică este exprimată într-un limbaj alb-negru a
logicii booleene.

Regula 1 Regula 2

IF viteza > 150 THEN distanţa_de_oprire este mare IF viteza < 60 THEN distanţa_de_oprire este mică

Variabila viteză poate avea orice valoare numerică între 0 şi 220 km/h, dar variabila lingvistică
distanţa_de_oprire poate avea doar două valori: mare şi mică.

Dacă dorim să reprezentăm aceste reguli într-o formă fuzzy, avem:

Regula 1 Regula 2

IF viteza este mare THEN distanţa_de_oprire este IF viteza este mică THEN distanţa_de_oprire este
mare mică

Aici variabila lingvistică viteza are intervalul (universul discursului) tot între 0 şi 220 km/h, dar acest
interval include mulţimile fuzzy, cum ar fi încet, mediu, şi repede. Universul discursului a variabilei

18
 lingvistic distanţa_de_oprire poate fi între 0 şi 300 m şi ar putea include mulţimi fuzzy ca scurt,
mediu, şi lungă. Regulile fuzzy sunt relaţionate mulţimilor fuzzy.

Sistemele expert fuzzy combină regulile şi în mod consecutiv taie numărul de reguli cel puţin 90 %.

Raţionamentul fuzzy este alcătuit din două părţi distincte: evaluarea regulii antecedente (partea IF a
regulii) şi implicarea sau aplicarea rezultatului consecinţei (partea THEN a regulii).

În sistemele clasice bazate pe reguli, dacă regula antecedentă este adevărată, atunci consecinţa este
de asemenea adevărată.

În sistemele fuzzy, unde regula antecedentă este o afirmaţie fuzzy, toate regulile se declanşează într-
un anumit context, sau cu alte cuvinte, se declanşează în mod parţial.

Dacă regula antecedentă este adevărată într-un anumit grad de apartenenţă, atunci consecinţa este de
asemenea adevărată în acelaşi grad.

În general, un sistem expert fuzzy include nu una ci mai multe reguli care descriu cunoştinţele
experţilor.

Ieşirea fiecărei reguli este o mulţime fuzzy dar de obicei trebuie să obţinem un singur număr care să
reprezinte ieşirea sistemului expert. Cu alte cuvinte, dorim să obţinem o soluţie precisă, nu una fuzzy. Pentru
a obţine o singură soluţie pentru variabila de ieşire, un sistem expert fuzzy reuneşte toate ieşirile mulţimilor
fuzzy şi apoi transformă mulţimea fuzzy într-un număr singur.

Inferenţe fuzzy
Poate fi definită ca un proces de ajungere de la o valoare de intrare dată la o valoare de ieşire,
folosind teoria mulţimilor fuzzy. În 1975, profesorul Ebrahim Mamdani de la Universitatea din Londra a
construit unul dintre primele sisteme fuzzy. A aplicat o mulţime de reguli fuzzy date de operatori umani
experimentaţi.

Procesul de Inferenţă fuzzy este realizat în patru paşi:

1. transformarea variabilelor de intrare în variabile fuzzy;

2. evaluarea regulilor;
3. reuniunea ieşirilor regulilor;
4. transformarea variabilelor de ieşire fuzzy (caracterizate de anumite imprecizii), în variabile de
ieşire (valoare reală din intervalul fuzzy)

Modele pentru reprezentarea cunoștințelor

Tipuri de modele pentru reprezentarea şi procesarea cunoştinţelor:

a) modele logico-simbolice (a fost dezvoltată de logicieni ca o metodă formală de raţionament, în

principal în domeniul matematicii, cel mai răspândit model logic fiind logica cu predicate de
ordinul I);

19
  utilizează metode de reprezentare simbolică a cunoştinţelor şi memorarea acestora în baza
de cunoştinţe a sistemului, precum şi mecanisme care permit deducerea de noi cunoştinţe
din faptele memorate în baza de cunoştinţe.
b) modele conexioniste (pot fi abordate probleme complexe pentru care nu poate fi stabilit un
algoritm de rezolvare, urmând ca algoritmul să fie construit automat plecând de la mulţimea de
exemple de instruire);
 memorează difuz informaţia în cadrul unei reţele neuronale artificiale prin intermediul
valorilor determinate ale ponderilor conexiunilor sinaptice dintre neuroni, iar procesul de
calcul utilizat în cadrul acestor modele este cunoscut sub denumirea de calcul neuronal.

Neuronul funcţionează ca un dispozitiv cu n intrări ponderate şi o ieşire. Intrările x i reprezintă

semnale transmise de la alţi neuroni sau din mediul exterior şi sunt exprimate prin numere reale. Fiecare
semnal de intrare x i este ponderat cu un număr real w i numit pondere sinaptică, care poate fi > 0
(excitatoare), sau < 0 (inhibitoare).

Metode de reprezentare a cunoştinţelor în cadrul modelelor logico-simbolice:

1. reprezentarea cunoştinţelor prin reguli de producţie;

2. reprezentarea cunoştinţelor prin reţele semantice;
3. reprezentarea cunoştinţelor prin cadre (obiecte structurate).

De exemplu, enunţul "Toţi studenţii de la IE ştiu sa programeze" poate fi exprimat în logica cu

predicate de ordinul I astfel:

(∀x) (StudentLaIE(x) →Programeaza(x))

Dacă se ştie în plus că Ovidiu este student la IE, deci

StudentLaIE(Ovidiu)

Se poate concluziona pe baza celor două structuri presupuse noua structură

Programeaza(Ovidiu)

Elementele de bază cu care se operează sunt propoziţiile, numite şi atomi sau propoziţii simple.
Următoarele enunţuri sunt propoziţii:

Maşina este alba P

20
 Oamenii trăiesc pe luna Q

(Notaţiile din dreapta reprezintă simbolic propoziţiile enunţate)

O propoziţie poate fi adevărată sau falsă, deci poate avea două valori de adevăr. De exemplu,
propoziţia P este adevărată şi propoziţia Q este falsă. Atâta timp cît se admit doar două valori de adevăr
pentru o propoziţie, adevărat şi fals, logica se numeşte logica clasica sau logica bivalenta. Acceptarea unui
număr mai mare de valori conduce la logici polivalente (neclasice).

Propoziţiile simple sau atomii se pot combina, dând naştere la noi propoziţii care sunt, la rândul lor,
adevărate sau false. Propoziţiile combinate (frazele din limbajul natural) se formează din atomi folosind
conectorii logici. Conectorii logici indică operaţiile de asociere sau combinare care sunt cele mai frecvente
în vorbire sau raţionament. De exemplu, din două propoziţii simple:

Mihaela este studenta P1

Mihaela este in anul II P2

se poate forma propoziţia compusa:

Mihaela este studenta si Mihaela este in anul II

notata cu

P1 ∧ P2

In consecinţă, alfabetul logicii propoziţionale este format din simbolurile care desemnează atomii,
conectorii logici şi alte simboluri cum ar fi parantezele. In plus există două simboluri speciale pentru
desemnarea valorilor logice de adevărat şi fals, notate prin convenţie cu a, respectiv f.

Forma logică cea mai complexă este inferenţa, mecanism prin care o anumită propoziţie numită
concluzie este derivată din una sau mai multe propoziţii numite premize sau ipoteze. Formulele logice sunt
statice, însă prin reguli de inferenţă se pot genera formule noi din formule vechi.

Cele mai cunoscute reguli de inferenţă sunt numite:

modus ponens

 dacă p este adevărată şi p→q este adevărată, atunci q este adevărată;

modus tollens

 dacă p este adevărată şi q este adevărată, atunci dacă p este falsă, q este falsă.

Modus Ponens
Principiul Modus Ponens are următoarea formulare:

21
 Dacă L → M şi propoziţia L este adevărată atunci propoziţia M este adevărată

Dar principiul Modus Ponens poate fi enunţat şi într-o manieră ce ţine cont de reprezentarea
cunoştinţelor prin reguli de producţie:

Dacă F1, F2, … , Fn sunt toate adevărate şi regula "dacă F1 şi F2 şi … şi Fn atunci F=adevărat "
este de asemenea adevărată, atunci se poate deduce că F este adevărat.

Altfel spus, dacă se dă o regulă adevărată, cu partea condiţie evaluată adevărat, atunci este corectă
executarea atribuirilor din partea acţiune.

Modus Tollens
Principiul de lucru în acest caz este următorul:

Dacă L → M este adevărat şi propoziţia M este falsă atunci propoziţia L este falsă

Admitem că implicaţia L →M este totdeauna adevărată, doar dacă L este adevărat şi M este fals.
Când L este fals, oricare ar fi valoarea lui M, implicaţia este adevărată; altfel spus raţionamentul care a
condus la concluzie este corect.

Nu trebuie să se confunde (L→M) şi (M→L) pe care o vom nota (L↔M) şi care respectă tabela de
adevăr.

ÎNTREBĂRI:

1) Ce este logica fuzzy?

2) Ce este raţionamentul fuzzy?
3) Avantajele logicii fuzzy
4) Dezavantajele logicii fuzzy
5) Principiul Modus Ponens
6) Principiul Modus Tollens

III. Generatoare de sisteme expert. Definiţie. Caracteristici

Edward Feigenbaun arată că ”sistemele expert sunt acele programe concepute cu rolul de a raţiona
în scopul rezolvării unor anumite probleme pentru care în mod obişnuit se cere o anumită expertiză umană”.

Louis Frenzel prezintă „sistemul expert ca un program particular care încorporează o bază de
cunoştinţe şi un motor de inferenţe; acest program se comportă ca un consilier inteligent într-un domeniu
particular”.

P.G. Pigford şi G. Baur arată că „sistemul expert este un produs program care emulează
comportamentul experţilor umani şi rezolvă probleme din lumea reală asociate unui domeniu particular al
cunoaşterii”.

Jackson defineşte un sistem expert ca „un sistem informatic capabil de a reprezenta şi a raţionaliza
unele domenii de cunoştinţe bogate, având în vedere rezolvarea problemelor şi oferirea unor sfaturi”.

22
 Sistemele expert sunt programe care aparţin domeniului IA, programe ce înmagazinează
cunoştinţele experţilor umani dintr-un anumit domeniu bine definit, procesează şi manipulează aceste
cunoştinţe, ajungând la concluzii proprii pe care le oferă decidentului uman. Ulterior, decidentul uman din
domeniul pentru care se dezvoltă un sistem expert rămâne singurul îndreptăţit să selecteze sau nu concluzia
oferită de SE, eventual să „filtreze” această concluzie prin experienţa de care dispune.

Din definiţiile date anterior se pot contura câteva concluzii:

- din punct de vedere conceptual, sistemele expert vizează reconstituirea raţionamentului uman
pe baza expertizei obţinute de la experţi;
- sistemele expert dispun de cunoştinţe şi de capacitatea de a desfăşura activităţi apropiate sau
chiar similare raţionamentului uman;
- dispun de metode de invocare a cunoaşterii şi exprimarea expertizei, comportându-se ca un
„sistem inteligent”;
- - sunt capabile să memoreze cunoştinţele, să stabilească legături între cunoştinţe şi să infereze
concluzii, soluţii, recomandări, sfaturi pe baza faptelor şi prelucrării cunoaşterii incerte (este
vorba de cunoaşterea vagă fuzzy modelată de către Zadeh);
- ca nivel de realizare informatică, sistemele expert se bazează pe principiul separării
cunoaşterii (bazei de cunoştinţe) de programul care o tratează (motorul de inferenţă).

Analogia dintre expertul uman şi sistemul expert

Construirea unor astfel de programe presupune extragerea de informaţii de la specialiştii în domeniu

şi codificarea lor într-un limbaj compatibil cu calculatorul. Pentru ca soluţiile oferite sa fie credibile este
necesar ca sistemul expert să prezinte următoarele caracteristici:

1. Transparenţă - impune ca raţionamentul efectuat să poată fi urmărit de utilizator. Aceasta

caracteristică va permite intervenţia utilizatorului pentru alegerea unei căi preferate.
2. Credibilitate - Soluţia care se oferă trebuie sa fie credibilă. Acest aspect se realizează ataşând la
soluţie un indice numeric care spune cât de corectă este din punctul de vedere al sistemului expert
(în contextul setului de cunoştinţe pe baza căruia s-a emis soluţia şi a dialogului cu utilizatorul).

23
3. Modificare uşoară - se referă la posibilitatea actualizării simple a bazei de cunoştinţe ca şi la
utilizarea aceluiaşi nucleu pentru baze de cunoştinţe diferite (care însă prezintă aceeaşi structură).

Arhitectura unui sistem expert

Componentele unui sistem expert

a) Baza de cunoştinţe reprezintă cunoştinţele din domeniul respectiv (adică ansamblul expertizei
umane pe o problemă îngustă) şi are în componenţa sa următoarele:
 baza de fapte ce primeşte date relative la problema propusă a fi rezolvată prin
sistemul expert; poate fi o problemă din medicină, chimie, biologie, economie, etc;
24
 de exemplu, pentru diagnosticul financiar al firmei asupra căruia ne vom concentra
ulterior avem datele din situaţiile contabile (bilanţ, contul de profit şi pierderi,
tabloul fluxurilor de trezorerie etc); baza de fapte se îmbogăţeşte pe măsura
funcţionării sistemului expert;
 baza de reguli ce reproduce raţionamentul expertului uman şi transferă expertiza
acestuia într-un limbaj accesibil computerului; acestea sunt numite reguli de
producţie.
b) Motorul de inferenţe este componenta de bază a sistemului expert, întrucât această componentă
realizează parcurgerea bazei de fapte, conform regulilor definite, pentru a ajunge la cea mai
inteligentă soluţie posibilă pe marginea problemei supusă spre rezolvare;
 practic, motorul de inferenţă efectuează raţionamente ce copiază îndeaproape
raţionamentul uman;
 mai precis, motorul de inferenţă procesează sau manipulează succesiv faptele ce i-au fost
puse la dispoziţie, respectând însă un mecanism impus de inferenţă, mecanism dat de
regulile de producţie.
c) Interfaţa sistemului cu utilizatorul are rolul de a asigura conexiunea în exploatare între
expertul uman şi instrumentul informatic creat, respectiv ea va permite ulterior un dialog
„constructiv” între expertul uman şi SE;
 în categoria de utilizatori ai viitorului SE pot intra, după caz, şi alte persoane decât
expertul uman ce a participat la proiectarea SE.

Sistemele expert nu acţionează izolat de celelalte componente ale mediului exterior în care sunt ele
instalate;

În contextul exploziei de reţele de computere (internet şi intranet) s-au dezvoltat şi instrumente

informatice pentru a conecta un sistem expert dat la alte mijloace de comunicare şi difuzare a cunoştinţelor;

În plus, dacă o organizaţie recurge la “n” sisteme expert, fiecare pe o anumită problemă specifică, ele
pot fi conectate într-un singur ansamblu.

În cazul organizaţiilor economice, sistemele expert, ca sisteme inteligente, prezintă următoarele

atribute sau facilităţi oferite decidentului superior:

 posibilitatea de a asista experţi la proiectarea propriilor sisteme expert, iar utilizatorii la

desfăşurarea activităţilor specifice;
 atunci când din mediul extern firmei survin influenţe negative ale unor factori predefiniţi,
când se activează semnale ce impun reevaluarea direcţiei în care merge organizaţia, sistemul
expert atenţionează automat top managementul firmei;
 asigură integrarea dintre sistemul de colectare a datelor (contabile sau de altă natură) cu
modulele operaţionale şi procedurile cu specific inteligent pentru analiza economico-
financiară curentă; se asigură o consiliere permanentă pentru decidentul uman;
 sensibilizarea operativă a managementului asupra unor schimbări ce survin permanent în
evoluţia raporturilor dintre diferite componente ale organigramei, dintre funcţiunile firmei.

Clasificarea sistemelor expert

În literatura de specialitate se regăsesc multe criterii de clasificare, între care amintim:

- funcţie de raportul faţă de celelalte sisteme bazate pe cunoştinţe;

- funcţie de natura problemelor pe care le soluţionează sau de domeniul aplicativ;
25
 - funcţie de caracteristicile cunoaşterii memorate sau metodele de reprezentare a cunoaşterii;
- funcţie de strategiile de control şi metodele de inferenţă.

a) După natura cunoaşterii reprezentate de SE deosebim:

 sisteme expert bazate pe reguli, acestea fiind cele mai numeroase iar
tehnologia lor fiind cel mai bine pusă la punct;
 sisteme expert bazate pe cadre, în care cunoaşterea este reprezentată sub
forma unor cadre (obiecte structurate);
 sisteme hibride, care includ atât reguli cât şi cadre;
 sisteme bazate pe modele, care sunt structurate în jurul unui model pentru
simularea structurii şi funcţionării unui sistem.
b) După natura problemelor rezolvate (având în vedere complexitatea problemei soluţionate
pentru fiecare caz în parte) există următoarele tipuri de sisteme expert:
 sisteme expert bazate pe colectarea faptelor doveditoare (adică a expertizei
umane ce poate fi descrisă şi cuantificată cât mai precis). Ele sunt foarte
importante în soluţionarea expertizelor de orice tip (contabilă, tehnică,
medicală etc);
 sisteme expert în paşi succesivi, care au un număr mare de ieşiri obţinute prin
detalierea succesivă pe niveluri a problemei în domeniu;
 sisteme expert la cheie, dezvoltate pentru nevoile unui utilizator particular;
 sisteme expert în timp real, în care timpul de răspuns are o limită strictă,
suficientă pentru controlul proceselor.
c) După clasa de utilizare, funcţie de cum au evoluat şi după complexitatea lor, unii autori
arată că există:
 sisteme expert de clasă I (sunt acele sisteme care sunt comercializate şi
acceptate ce către utilizatori);
 sisteme expert de clasă II (acele sisteme care au performanţe de expert dau nu
au câştigat renume în rândul utilizatorilor datorită nesiguranţei soluţiei oferite
unde imprecizia şi incertitudinea joacă un rol important);
 sisteme expert de clasă III (nu au performanţe de expert din cauza multor
greşeli rezultate în activitatea lor, interacţiunea cu utilizatorul este mai densă
decât la cele de categoria I şi II).
d) Dacă ţinem seama de dezvoltările succesive între diferite generaţii de sisteme expert (trendul
înregistrat pe măsură ce s-au dezvoltat în timp toate tehnicile de programare în IA), funcţie şi
de complexitate problemelor soluţionate de astfel de instrumente informatice, putem discuta
de două mari categorii de SE:
 SE tradiţionale, care se bazează pe algoritmi clasici de lucru ce utilizează
logica clasică specifice logicii booleene;
 SE fuzzy, care se bazează pe algoritmi evoluaţi de programare, algoritmi ce s-
au dezvoltat odată cu logica fuzzy.

Astfel, şcoala germană clasifică sistemele expert de gestiune având în vedere funcţia lor, tipul de
soluţii oferite şi modul în care dialoghează cu utilizatorul, astfel:

a) sisteme expert integrate pentru luarea deciziilor, în care sistemul obţine datele de intrare
datorită legăturilor cu alte maşini sau echipamente (aparate de măsurat, senzori etc), baze de date
26
 sau alte programe informatice; în acest caz este posibilă îmbunătăţirea calităţii soluţiilor şi a
raţionamentului, îndeosebi atunci când expertul uman supervizează o linie automată de
operaţiuni;
b) sisteme expert interactive pentru luarea deciziilor, care obţin date de intrare, total sau parţial,
de la expertul uman pe măsură ce sisteme expert se află în exploatare; astfel de SE sunt utile în
managementul aplicat de companii pentru a fundamenta decizii operative sau pentru a proiecta
diverse scenarii posibile cu privire la evoluţia unui fenomen economic; ele sunt utile îndeosebi
pentru că permit un dialog permanent cu expertul uman;
c) sisteme expert interactive pentru consultanţă, în care expertul uman răspunde de soluţia
problemei, iar rolul sistemului se reduce la cel de simplu consilier; vom regăsi astfel de SE în
activitatea de consultanţă în management, contabilitate , finanţe bănci etc.

ÎNTREBĂRI:

1) Ce sunt sistemele expert?

2) Componenţa sistemelor expert
3) Baza de cunoştinţe
4) Baza de fapte
5) Baza de reguli
6) Maşina de inferenţă
7) Clasificări

Etape în construirea sistemelor expert

Etape în construirea un SE pentru o problemă (PR) bine definită. Discutăm în continuare despre un
număr de 7 etape, structurate în concepţia sistemică, ca etape de parcurs pe drumul de construire a unui SE:

 descrierea problemei PR;

 recursul la expertiză;
 recursul la experţi;
 achiziţionarea cunoştinţelor;
 explicitarea succesivă între participanţi;
 definirea regulilor de inferenţă;
 testarea şi validare modelului.

Descrierea problemei PR - enunţ general al problemei PR, bine definită şi pentru care să existe un
volum de expertiză ce poate fi ulterior descrisă în limbaj matematic. Are loc primul contact între expertul
uman pentru problema PR (medic, economist etc) şi expertul în proiectarea şi construirea de SE.

Recursul la expertiză - Expertiza în sens general este o cunoaştere intensivă, specifică domeniului
problemei, achiziţionată prin instruire, sau experienţă îndelungată.

 exemplificăm în continuare câteva tipuri de cunoştinţe ce pot fi incluse în sfera a ceea ce am

numit expertiză (unele sunt cunoştinţe explicite însă altele sunt abilităţi care ţin de ceea ce am
numit cunoştinţe tacite): fapte despre domeniul problemei; teorii din domeniul problemei;
reguli şi proceduri privind domeniul problemei; reguli despre ce trebuie făcut într-o situaţie
problematică dată, pentru soluţionarea problemei; strategii globale despre soluţionarea
anumitor probleme pe diverse categorii; metacunoaştere.

27
 Recursul la experţi

Prin antiteză cu salariaţii ce au nivel mediu de pregătire, experţii au o caracteristică suplimentară în

sensul că învaţă din succesele şi greşelile făcute în trecut; ei recunosc eşecul şi învaţă din el, gândesc prin
analogie şi îşi dezvoltă o memorie de tip selectiv (similar unui şahist renumit, ei îşi dezvoltă în timp anumite
pattern-uri după care vor raţiona ulterior, când vor fi puşi în situaţii similare sau apropiate).

Este dificil să definim în câteva cuvinte care anume sunt caracteristicile, însuşirile sau abilităţile pe
care trebuie să le posede o persoană numită expert; în plus, discutăm de nivele diferite sau „grade de
expertiză”. Aşadar, survine inevitabil întrebarea: cât de multă expertiză trebuie să posede o persoană
calificată pe un domeniu pentru a fi acceptată ca expert?

Etape de parcurs în construirea unui SE

Între diverse eforturi pentru dezvoltarea sistemelor expert le amintim pe cele depuse de cele trei
grupuri de savanţi americani, respectiv:

 grupul 1: Newell, Shaw şi Simon, care au creat General Problem Solver [110];
 grupul 2: Minsky şi McCarty, care, în anii '60, au desfăşurat o muncă semnificativă în
dezvoltarea sistemelor expert [84];
 grupul 3: Ledeberg, Buchanan şi Feigenbaum, care în aceeaşi perioadă au lucrat la
Dendral [19].

Regulile de producţie
O regulă de producţie este reprezentarea unui atom de cunoaştere şi are următoarea formă generală:

<regulă>::= [(<intent>)] dacă <condiție>atunci <acțiune >

unde <intent>este un şir de caractere ce identifică regula (opţional).

28
 O regulă conţine în mod obligatoriu două părţi:

 partea <condiție>, este o expresie booleană ce determină dacă se poate aplica regula;
 partea <acțiune>, conţine atribuirile care sunt efectuate dacă regula este aplicată.

Cele două părţi mai sunt numite "ipoteză" şi "concluzie" sau “premiză” şi “concluzie”.

În compunerea celor două părţi ale unei reguli pot fi utilizate:

 fapte numerice sau simbolice,

 operatori aritmetici şi relaţionali,
 aplicarea calculului propoziţional se face luând în considerare expresii de tip logic construite
cu aceşti operanzi şi operatori.

Un fapt este definit următoarele atribute:

 identificator,
 tip,
 valoare,
 metavaloare.

Identificatorul permite referirea faptului respectiv şi este un şir format din litere, cifre şi caracterul
‘_’, iar primul caracter este în mod obligatoriu o literă. Funcţie de valorile pe care le pot lua, faptele pot fi de
următoarele tipuri:

- fapte booleene – atomi în calculul propoziţional putând lua valorile: adevărat, fals;
- fapte simbolice – pot lua valori în mulţimea şirurilor de caractere;
- fapte reale – pot lua valori în mulţimea numerelor reale.

Se consideră că un fapt poate avea o singură valoare la un moment dat. Pentru descrierea situaţiei în
care un fapt nu are nici o valoare (este necunoscut) se utilizează un descriptor suplimentar numit
metavaloare, cele mai utilizate metavalori fiind: NECUNOSCUT, CUNOSCUT, NEDETERMINAT.

Metavaloarea unui fapt poate fi testată spre exemplu pentru a evita regulile ce conţin fapte
necunoscute în partea condiţie.

După prezenţa lor în părţile condiţie şi acţiune ale regulilor, faptele se clasifică astfel:

o fapte de bază - faptele care nu apar în nici o parte acţiune, valorile faptelor de bază putând fi
cerute utilizatorului;
o fapte intermediare - faptele ce pot fi găsite atât în părţile condiţie ale anumitor reguli cât şi în
părţile acţiune ale altor reguli;
o fapte concluzie - faptele prezente numai în părţile acţiune

Operatorii permişi pentru construirea expresiilor:

 operatori booleeni : şi (∧ ), sau (∨ ), negaţie (~ ,⎤);

 operatori relaţionali : <=, = =, ! =, ≠, >=, >;
 operatori aritmetici : +, -, *, /.

29
 Utilizarea operatorului sau în partea condiţie crează dificultăţi în evaluarea automată a regulii, mai
precis în faza de explicare a raţionamentului şi de aceea în partea condiţie se vor utiliza numai expresii
normal conjunctive.

(R) dacă Nr_someri_scade sau (Nr_firme_active_mare şi Cifra_afaceri_mare) atunci

Impact="pozitiv" Poate fi înlocuită de următoarele două reguli: (R1) dacă Nr_someri_scade atunci
Impact="pozitiv" (R2) dacă Nr_firme_active_mare şi Cifra_afaceri_mare atunci Impact="pozitiv".

În logica propoziţională formulele:

(F1) (P1 sau P2 sau ... sau Pn) → Q

(F2) (P1 → Q) sau (P2 → Q) sau...sau (Pn → Q)

sunt echivalente,

iar unei formule P→Q, îi corespunde regula, dacă P atunci Q.

Regulile de producţie sunt formate din două componente:

i. partea stânga a regulii, prescurtat din limba engleză LHS (Left Hand Side), numită şi
antecedent, premisă, condiţie sau situaţie
ii. partea dreapta a regulii, prescurtat din limba engleză RHS (Right Hand Side), numită şi
consecinţă, concluzie, acţiune sau răspuns.

Legătura logică între partea stângă şi partea dreaptă a regulii este implicaţia, în sensul că adevărul
părţii stângi determină adevărul părţii drepte a regulii.

Pornind de la structura de control decizională "if-then" comună limbajelor de programare, cele mai
multe limbaje bazate pe reguli folosesc cuvintele cheie if then (uneori when do), în româneşte dacă atunci,
pentru a marca partea stângă, respectiv partea dreaptă a regulii.

Faptele, cealaltă forma de reprezentare a cunoştinţelor în modelul regulilor de producţie, au o forma

care permite identificarea ipotezelor de satisfăcut din reguli. Spre deosebire de reguli, care sunt imperative şi
dinamice, faptele sunt statice şi inactive.

Următoarele enunţuri sunt exemple de fapte posibile intr-o baza de cunoştinţe:

C zboară.

Ilie are temperatura mare.

Tipul organismului o1 este gram-pozitiv.

Maşina nu porneşte.

Utilizarea regulilor de producţie aduce următoarele avantaje din punct de vedere al modelării
cunoştinţelor în sistem:

1. separarea cunoştinţelor generale despre problema, de datele specifice unei instanţe a problemei
de rezolvat

30
 2. partiţionarea cunoştinţelor în unităţi de cunoştinţe independente, facilitând astfel dezvoltarea
incrementală a bazei de cunoştinţe
3. posibilitatea menţinerii a două forme de expresie a regulilor:
 forma internă sistemului, adecvată procesului de rezolvare
 o forma externă, apropiată limbajului natural, pentru interfaţa utilizatorului cu sistemul.

Ciclul de inferenţă al unui sistem bazat pe reguli

Funcţionarea unui sistem bazat pe reguli este formată din execuţia repetată a unui ciclu de operaţii
care realizează, în esenţă, aplicarea unei reguli, deci un pas de inferenţă al reprezentării. Acest ciclu de
operaţii se numeşte ciclu de inferenţă al sistemului expert bazat pe reguli de producţie şi se compune din
următoarele trei etape: identificare, selecţie şi execuţie.

1) Identificare. În timpul etapei de identificare se compară conţinutul memoriei de lucru cu baza de

cunoştinţe şi regulile care odată identificate sunt grupate de motorul de inferenţă în mulţimea de
conflicte. Mulţimea de conflicte reprezintă mulţimea regulilor aplicabile intr-un anumit context,
context specificat de memoria de lucru.
2) Selecţia. Etapa de selecţie constă în selectarea unei reguli din mulţimea de conflicte, pe baza unui
criteriu de selecţie. Aceasta etapă se mai numeşte şi rezolvarea conflictelor.
3) Execuţie. În timpul etapei de execuţie se aplică regula prin execuţia părţii drepte a regulii. Dacă
partea dreaptă a regulii este o concluzie, se adaugă faptele din concluzie în memoria de lucru, iar
dacă partea dreaptă este o acţiune, se execută aceasta acţiune. Acţiunea poate indica diverse
operaţii, cum ar fi: adăuga fapte în memoria de lucru, şterge fapte, modifica fapte existente,
tipăreşte mesaje, pune întrebări, opreşte procesul de inferenţă.

Sisteme expert pe probleme economice

 Pentru domeniul gestiunii în general, sistemele expert prezintă interes datorită
performanţelor deţinute în prelucrarea cunoştinţelor – date şi informaţii – în special în planul
calităţii corectitudinii şi operativităţii, facilitând atingerea obiectivelor
 Domeniul financiar-bancar este în prezent cel mai bine acoperit cu sisteme expert aflate în
exploatarea pentru plasamentul creditelor, gestiunea portofoliilor, depistarea fraudelor,
planificarea impozitelor şi taxelor, diagnoza financiară, planificarea bancară.
 Companiile de asigurări şi de investiţii utilizează deja sisteme expert în scopul îmbunătăţirii
serviciilor în raport cu firmele concurente.
 Domeniul managementului este cel mai receptiv şi cel mai bine dotat cu sisteme expert în
utilizare curentă, întrucât toate condiţiile tehnologice, economice şi sociale necesare
introducerii lor au fost deja create
 Sistemele expert aplicabile în contabilitate se orientează mai ales spre mărirea capacităţii de
examinare a situaţiilor contabile oferite de sistemele clasice. Astfel, sistemele expert pot
sesiza, analiza şi chiar emite decizii de redresare a eventualelor abateri de la comportamentul
optim

ÎNTREBĂRI:

31
 1) Etapele construirii unui sistem expert
2) Tipurile de operatori folosiţi
3) Etapele ciclului de inferenţă
4) Care sunt atributele faptelor

Incertitudinea cunoştinţelor
Raţionamentul medical este în mod inevitabil asociat cu o doză de "incertitudine". Experimentele
psihologice au relevat faptul că nu raţionamentul generează incertitudinea ci cunoştinţele folosite pentru
aplicarea lui.

Dacă o piesă de cunoaştere reprezentabilă printr-o regulă are un anumit grad de incertitudine, acesta
se poate reprezenta printr-un parametru ataşat acelei reguli.

Primul sistem expert care a folosit astfel de reguli a fost MYCIN (Shortliffe, 1976) dedicat diagnozei
în bolile infecţioase. Regulile din acest sistem erau însoţite de un factor de certitudine cuprins între -1 şi 1.

Exemplu de regulă din MYCIN:

RULE 85

IF The site of trie culture is blood, and

The Gram stain of the organism is negative, and
The morphology of the organism is rod, and
The patient is a compromised host
THEN
There is a suggestive evidence (0,6) that the identity of the organism is pseudomonas aeruginosa

Ceea ce înseamnă că dacă premisele sunt adevărate, încrederea (belief) că agentul patogen este
"pseudomonas aeruginosa" a crescut cu un coeficient de 0,6 .

Factorul de certitudine este exprimat empiric de expertul care enunţă regula. Un factor de certitudine
având:

- valoarea 1 indică faptul că regula este logic adevărată, iar

- valoarea -1 că este logic falsă.
- valoarea 0 înseamnă incertitudine maximă ( o cunoştinţă despre care nu se cunoaşte nimic) şi
nu este normal să scriem reguli cu un astfel de factor.

Valoarea încrederii, notată bel(a), unde a este o cale într-un arbore de decizie, se propagă de-a lungul
raţionamentului până la obţinerea unei soluţii, care în final va fi însoţită de o valoare a încrederii în ea,
bel(sol), cuprinsă în intervalul [-1, 1].

Cunoscând valorile bel(Pi) ale tuturor componentelor putem calcula intuitiv bel(E) alegând maximul
când este vorba de o disjuncţie şi minimul când este vorba de o conjuncţie.

32
 Justificarea acestei metode este dată de observata că lanţul de evidente componente are tăria celei
mai slabe verigi.

Se poate observa că bel(E)=0.4 pentru Regula 85.

Exemplu:

Rule.: if (P1 and P2) or P3 then R1 (0,7) and R2 (0,3)

Cunoscând: bel(P1)=0,6, bel(P2)=0,4, bel(P3)=0,2

Rezultă: bel(E)=max(min(bel(P1), bel(P2)), bel(P3))=0,4

Dacă avem o negaţie: bel(not(E))= -bel(E).

Dacă pentru o regulă, bel(E) < 0, regula respectivă se va ignora în timpul raţionamentului.

Valoarea de încredere în ipoteza unei reguli, o vom nota cu bel(H).

Dacă bel(E)>0, atunci se calculează bel(H) prin produsul factorului de certitudine al regulii - CF k (k-
numărul regulii) cu valoarea bel(E).

bel(H) = bel(E)CF k

Pentru Regula 85 bel(H)=0,24, calculat astfel:

bel(H)=0,4 • 0,6 = 0,24

Iar pentru RuleE vom avea bel(R1)=0,28 şi bel(R2)=0,12. O formulă completă de calcul ar fi:

bel(H)= (max(0,bel(E))-CF k

Considerăm următoarele reguli:

if (P1and P2) or P3 or (P4 and P5) then R1 CF=0.8

Cunoscând că:

bel(P1)=0.3, bel(P2)=0.7, bel (P3)=0.6, bel(P4)= 0.5 şi bel(P5)= 0.9

Care este gradul final de încredere pentru concluzia R1.

Regulile de inferenţă incertă sunt:

1. Coeficientul de certitudine asociat valorii de atribut dedusă de o regulă R este egal cu produsul
dintre coeficientul de certitudine al premisei regulii (CF premisa R ) şi coeficientul de certitudine
asociat regulii (CF R ):
CF atrdedus R = CF premisa R CF R
2. Coeficientul de certitudine al premisei unei reguli R este valoarea minimă a coeficienţilor de
certitudine asociaţi fiecărei ipoteze Ij din premisa acelei reguli. Coeficientul de certitudine al unei
ipoteze este stabilit de procesul de identificare a regulii cu memoria de lucru şi este egal cu
coeficientul valorii de atribut care a satisfăcut ipoteza. Factorul de certitudine al întregii premise
se calculează astfel:
CF premisa R =min {CF ipotezai R }
33
3. Daca un atribut A are deja o valoare V cu un coeficient de certitudine CF 1 în memoria de lucru,
şi pe o ramură de deducţie alternativă, se obţine aceeaşi valoare V pentru atributul A cu un
coeficient de certitudine CF 2 , memoria de lucru este actualizată, valoarea V având un coeficient
de certitudine asociat CF pe baza formulei:
CF =CF 1 +CF 2∗(1−CF 1)

Dezvoltarea unui sistem expert

Întrebări cheie:

1) Cine furnizează cunoştinţele?

2) Cine sunt utilizatorii?
3) Ce unelte se vor folosi pentru dezvoltarea sa?
4) Care vor fi costurile de mentenanţă ?

Planificarea
 Este fezabil?
 Merită creat un sistem expert? (reguli complexe, oportuniste, susceptibile de a fi schimbate)
 Ce tehnologii se vor folosi?
 Definirea a CE şi CUM va face sistemul
 Definirea modului de comunicare cu utilizatorul
 Necesar de resurse: oameni, timp, bani, soft, hard
 Ordinea şi calendarul taskurilo

Achiziţia cunoştinţelor
- KE = colectarea cunoştinţelor despre domeniul problemei
- Knowledge engineer = persoana care se ocupă cu KE
- Obiectivele KE
 cerinţele problemei
 principiile domeniului
 referinţe
 limitele domeniului

Scrierea codului
 Scrierea codului
 Codificare: scrierea codului propriu-zis
 Listing: cod sursă indentat, comentat şi documentat
 Manual de utilizare + instrucţiuni de instalare

34
 Evaluare
 Verificarea cunoştinţelor
 Testare: pe baza datelor de test
 Validare: certificarea că se respectă cerinţele utilizatorului
 Raport
a) Descrierea sistemului: funcţionalitate; mod de utilizare (input/output); limitări; probleme
b) Răspunsuri incorecte / incomplete / inconsistente
c) Evaluare: probleme cauzate de reguli / inferenţe / incertitudine; recomandări.

IV. Sisteme informatice destinate conducerii

Un sistem ERP (Enterprise Resource Planning) reprezintă un complex de module software prin
intermediul cărora se obține integrarea tuturor informațiilor disponibile într-o organizație, având drept scop
optimizarea resurselor disponibile ale acesteia.

ERP este, la bază, un concept legat de managementul întreprinderii care vizează eficientizarea prin
planificarea adecvată a resurselor, urmărire şi replanificare.

Motive implementare ERP

a) gestiunea achiziţiilor
b) gestiunea stocurilor (cu mecanisme avansate de previzionare a acestora)
c) planificarea producţiei (de la sisteme simple de microproducţie până la sisteme avansate de
lansare a producţiei in baza comenzilor)
d) gestiunea clienţilor şi furnizorilor (cu urmărirea fluxurilor cerere de ofertă, ofertă, factură
proformă, comandă, livrare, decontare)
e) gestiune financiară şi contabilitate
f) gestiunea centrelor de profit sau de cost, resurse umane, parc auto, etc.

Module ERP
Sistemele ERP, sunt programe modulare fiecare arie de activitate a companiei fiind acoperită de către
o aplicaţie specifică. Modulele unui sistem ERP funcţionează integrat utilizând o bază de date comună, sau
pot funcţiona independent. Pot fi enumerate câteva categorii de module care servesc la gestionarea cu
eficienţa a unei întreprinderi:

1. Producţie: planificarea şi urmărirea producţiei;

2. Gestiune: evidenţa stocurilor, a furnizorilor, a plăţilor şi încasărilor;

35
3. Vânzări: optimizarea activităţiilor de vânzare, distribuţie şi facturare;
4. Salarii: calculul salariilor şi managementul informaţiilor referitoare la personal;
5. Contabilitate: evidenţa contabilă;
6. FRM (Finance Resource Management): evidenţa financiară;
7. Imobilizări: evidenţa mijloacelor fixe şi calculul amortizării;
8. HRM (Human Resource Management): managementul resurselor umane;
9. CRM (Customer Relationship Management): managementul relaţiilor cu clienţii;
10. SCM (Supply Chain Management): managementul relaţiilor cu furnizorii;

Avantajele & Dezavantajele sistemelor ERP

AVANTAJE DEZAVANTAJE

Reducerea considerabilă a timpului de costul sistemelor ERP poate fi

procesare a unei comenzi. considerabil;
Angajaţii din fiecare departament au implementarea poate fi dificilă şi de
acces la aceleaşi informaţii, pe care le pot lungă durată; deşi foarte mulţi vânzători
vizualiza şi/sau modifica în caz de necesitate. prezintă în reclame că implementarea se
realizează în 3-6 luni, de cele mai multe ori
timpul real este de 1-3 ani în medie;
Poate fi cunoscut în fiecare moment la început poate încetini considerabil
stadiul în care a ajuns o comandă. Pentru aceasta, activitatea companiei, deoarece angajaţii erau
este suficient să te conectezi la sistemul ERP obișnuiţi cu vechile programe iar noul sistem
pentru a vedea la ce departament a ajuns informatic integrat introduce nu numai noi
respectiva comandă. programe, dar şi schimbări în activitatea
acestora;
În mod asemănător cu procesul de implementarea ERP presupune foarte
prelucrare a comenzilor de la clienţi, ERP poate multe schimbări în modul de lucru al
aduce beneficii şi celorlalte departamente ale departamentelor companiei.
companiei, cum ar fi cele care se ocupă de
contabilitate şi de raportările financiare.
se gestionează mai simplu structuri
complexe, canale de piaţă şi scenarii de afaceri
se uniformizează procesele şi tranzacţiile
de afaceri
se optimizează resursele şi activele cu
adevărat valoroase ale companiei
se accelerează timpul de comercializare şi
timpul de valorificare
se îmbunătăţesc serviciile oferite
angajaţilor şi clienţilor, precum şi satisfacţia
acestora.

Motivaţie implementare ERP

 Integrarea informaţiilor financiare.
 Integrarea informaţiilor despre comenzile de la clienţi. Sistemul ERP este locul unde sunt
procesate comenzile de la clienţi din momentul în care acestea sunt primite de către serviciul
de relaţii cu clientii până în momentul în care produsele sunt livrate şi este emisă factura
pentru comanda respectivă.

36
  Standardizarea şi creşterea vitezei de producţie. Reduce timpul pierdut prin inventariere
- pot fi făcute planuri mult mai precise de livrare a produselor la clienţi şi coordonarea mult
mai bună a distribuţiei acestora.

Costuri ERP
 Instruirea – costuri mari
 Integrare şi testare – testarea legăturilor dintre pachetele ERP şi alte programe software
ale companiei.
 Configurarea - aplicaţiile adiţionale
 Conversia datelor
 Analiza datelor
 Depresia post-ERP - Sistemele ERP creează, de multe ori, pagube în firmele care le
instalează

Sisteme ERP in MRU – caracteristici

PRO
Generează date cruciale de planificare şi
organizare, asigurând pertinenţa
Asigură că astfel de informaţii sunt eficiente
şi oportune
Sprijină activ luarea deciziilor în domeniu
CONTRA
Informaţiile nu au întotdeauna aceleaşi
semnificaţii, datorită percepţiilor diferite
Informaţiile care reflectă starea şi dinamica
resurselor umane sunt adesea de natură calitativă, cu
o exprimare vagă şi o relevanţă incertă

Gestiunea personalului
i. planificarea resurselor umane, sub aspectul cantităţii, calităţii şi costului lor
ii. recrutarea, selecţia, transferarea şi promovarea angajaţilor
iii. analiza şi proiectarea posturilor de muncă
iv. perfecţionarea profesională a angajaţilor
v. administrarea recompenselor (directe şi indirecte)
vi. asigurarea raportărilor obligatorii privind personalul.

Sisteme informatice ale resurselor umane

a) Sisteme informatice strategice ale resurselor umane - sisteme care oferă managerilor informaţii
destinate să sprijine deciziile rutiniere şi repetitive privind resursele umane
b) Sisteme informatice tactice ale resurselor umane - oferă un suport substanţial managerilor
angrenaţi în luarea unor decizii de alocare a resurselor
c) Sisteme informatice operative ale resurselor umane - scopul planificării resurselor umane este
acela de a asigura “omul potrivit la locul potrivit” într-o organizaţie

A. Sisteme informatice pentru planificarea resurselor umane

1) Sisteme informatice de sprijinire a planificării forţei de muncă:
37
  prognoza cererii de personal
 prognoza ofertei de personal
2) Sisteme informatice de sprijinire a negocierilor cu angajaţii

A.1 Sisteme informatice de sprijinire a planificării forţei de muncă

1) Cererea de personal (pe un orizont strategic dat):
 Estimată pornind de la planurile strategice de ansamblu ale organizaţiei
 Scopul este de a aprecia care sunt posturile de muncă de care organizaţia are nevoie şi ce
număr de poziţii sunt necesare pentru fiecare post
 Numărul de poziţii pentru fiecare post de muncă evidenţiat constituie necesarul brut de
personal
2) Oferta viitoare de personal:
 Estimată pornind de la disponibilul de personal existent la un moment dat în organizaţie
 Date de intrare: disponibil curent de personal-numărul de persoane care deţin cunoştinţele
necesare pentru ocuparea unui post
 Date de iesire: disponibil previzionat de personal

A.2 Sisteme informatice de sprijinire a negocierilor cu angajaţii

 Componenta esenţială a unei aplicaţii de acest gen o constituie modelul de simulare
încorporat
 Oferă evaluări în timp real ale consecinţelor propunerilor
 Date de intrare în model sunt:
- preluate din bazele de date ale unor sisteme informatice de evidenţă a
personalului, de evidenţă a locurilor de muncă, de calcul al salariilor
- în cazul variabilelor decizionale, sunt introduse direct de către echipa managerială
de negociere

B. Sisteme informatice pentru recrutare

Date de intrare:

 lista locurilor de muncă (poziţiilor) vacante

 lista abilităţilor, cunoştinţelor şi calităţilor ale viitorilor angajati
 lista pensionărilor, transferărilor şi plecărilor previzionate
 elemente informaţionale privind evaluarea angajaţilor
 informaţii privind absenteismul şi fluctuaţia
 surse externe: agenţii guvernamentale de ocupare a forţei de muncă, întreprinderi private de
recrutare şi selecţie, şcoli şi universităţi

Date de ieșire

 Planul de recrutare
 Sistemul creează şi întreţine o bază de date «Candidaţi», prin care sunt urmărite
performanţele în muncă ale candidaţilor angajaţi, pentru a realiza o evaluare a procedurilor de
recrutare şi selecţie utilizate.

38
  Modulul Resurse umane din SIVECO Applications are componenta de recrutare cea mai
avansată la ora actuală.

B.1 Sisteme informatice pentru selecţie

 Scop: asistarea managerilor sau specialiştilor la evaluarea şi selecţia
candidaţilor
 Exemple: teste computerizate, interviuri asistate de calculator sau chiar sisteme
expert de selecţie
 E-Selection: teste computerizate completate online

B.2 Sisteme informatice de analiză şi proiectare a posturilor

 Componente
- Descrierea postului: obiective, sarcini, responsabilități, condiții și standarde de
performanță
- Specificarea postului: abilitățile, cunoștințele, experiența, calități
 Date de intrare / ieșire
 Clasificarea posturilor, planificarea forței de muncă, recrutare, selecție, transferuri,
promovări

B.3 Sisteme informatice de perfecționare și dezvoltare profesională

Sistem de planificare a succesiunii

a) Evidențierea posturilor cheie

b) Identificarea angajaților potențiali candidați
c) Planificarea instruirii profesionale a acestora

Exemplu: componenta “Dezvoltarea carierei” din modulul “Resurse Umane” al sistemului Clarvision

Riscurile în managementul informatic al resursei umane

A. riscul generat de atacurile la sistemul informaţional – criminalitatea informatică;
B. riscul generat de statutul de “poziţie cheie '' a unei resurse umane în cadrul sistemului.

39
Forme ale criminalităţii informatice

Top 10 țări cu cele mai multe atacuri de tip Ransomware

Ransomware este o formă de

malware, care blochează fișierele de pe un
computer utilizând criptarea.Criptarea
convertește fișierele într-un alt format, cum
ar fi un cod secret și pot fi decodificate doar
printr-o cheie de decriptare specifică.
Utilizatorului îi este cerută o sumă pentru a
a plăti deblocarea calculatorului și un
interval de timp în care să plătească.

Metode de prevenire a criminalității informatice

Securitatea conturilor

 Alege parole puternice, greu de ghicit;

 Nu folosiţi aceeași parolă pentru toate conturile;
 Evitaţi parolele și PIN-urile ce conțin date ce pot fi intuite, precum data nașterii, numărul de
telefon, numele;
40
  Nu salvaţi parole sau informații importante în calculator. Indicat este ca aceste date să fie
stocate pe un hard disk extern.

Protejarea calculatorului

 Un program anti-virus puternic și actualizat mereu poate salva calculatorul.

 Link-urile din e-mail pentru a actualiza informații bancare. Accesați site-ul web al băncii sau
verificați direct la instituția bancara dacă sunt necesare actualizări.
 Câștiguri false la loterii, cereri de bani pentru a "ajuta" oameni care și-au pierdut bani / casa,
etc.
 Atunci când scapi de computer se şterg toate informațiile

Shopping-ul on-line

 Verifică întotdeauna simbolurile de securitate atunci când utilizezi un site online pentru
cumpărături.
 Poți folosi un card special pentru cumpărături on-line, pentru a reduce riscul de a avea
compromis întreg contul bancar.

Riscul statutului de ,,poziţie cheie'' a unei resurse umane asupra sistemului

informaţional
Riscul legat de comportamentul managerilor:

1. managerii speră ca noul sistem va rezolva problemele fundamentale ale proceselor economice;
2. nu se acordă suficient timp pentru analiza planificării planificării procesului de implementare;
3. uneori, conducerea ignoră “educarea personalulu in spiritul noii resurse informafionale";
4. pentru a asigura succesul unei implementări, top managerii au fost “forţaţi" să preia controlul
direct al procesului de implementare;
5. sistemul nou implementat va avea succes doar dacă salariaţii îşi vor schimba modul de lucru, în
sensul utilizării cât mai eficiente a aplicaţiei;
6. oamenilor nu le place schimbarea, iar un sistem informaţional modifică modul in care ei îl
îndeplinesc sarcinile;
7. odată cu implementarea unui nou sistem informational, cresc responsabilităţile angajaţilor.

41