La ingeniería basada en el conocimiento ( KBE ) es la aplicación de tecnología de sistemas basada en el conocimiento al dominio del diseño y la producción de fabricación. El proceso de diseño es inherentemente una actividad intensiva en conocimiento, por lo que gran parte del énfasis de KBE está en el uso de tecnología basada en el conocimiento para respaldar el diseño asistido por computadora (CAD); sin embargo, las técnicas basadas en el conocimiento (por ejemplo, la gestión del conocimiento) pueden ser aplicado a todo el ciclo de vida del producto .
El dominio CAD siempre ha sido uno de los primeros en adoptar técnicas de ingeniería de software utilizadas en sistemas basados en el conocimiento, como la orientación a objetos y las reglas . La ingeniería basada en el conocimiento integra estas tecnologías con CAD y otras herramientas de software de ingeniería tradicionales.
Los beneficios de KBE incluyen una mejor colaboración del equipo de diseño debido a la gestión del conocimiento, una mejor reutilización de los artefactos de diseño y la automatización de partes importantes del ciclo de vida del producto. [1]
KBE es esencialmente ingeniería basada en modelos de conocimiento . Un modelo de conocimiento utiliza la representación del conocimiento para representar los artefactos del proceso de diseño (así como el proceso mismo) en lugar de, o además de, las técnicas de programación y bases de datos convencionales.
Las ventajas de utilizar la representación del conocimiento para modelar tareas y artefactos de ingeniería industrial son:
KBE puede tener un amplio alcance que cubre toda la gama de actividades relacionadas con la gestión del ciclo de vida del producto y la optimización del diseño multidisciplinario . El alcance de KBE incluye diseño, análisis ( ingeniería asistida por computadora – CAE), fabricación y soporte. En este papel inclusivo, KBE tiene que cubrir un gran papel multidisciplinario relacionado con muchas tecnologías asistidas por ordenador ( CAx ). [2]
Hay dos formas principales en que se puede implementar KBE:
Un ejemplo temprano del primer enfoque fue la herramienta Simkit desarrollada por Intellicorp en la década de 1980. Simkit se desarrolló sobre el entorno de ingeniería del conocimiento (KEE) de Intellicorp. KEE era un entorno de desarrollo de sistemas basado en el conocimiento muy potente. KEE comenzó con Lisp y agregó marcos , objetos y reglas , así como poderosas herramientas adicionales, como razonamiento hipotético y mantenimiento de la verdad. Simkit agregó capacidades de simulación estocástica al entorno KEE. Estas capacidades incluían un modelo de eventos, generadores de distribución aleatoria, visualización de simulación y más. La herramienta Simkit fue uno de los primeros ejemplos de KBE. Podría definir una simulación en términos de modelos y reglas de clase y luego ejecutar la simulación como lo haría una simulación convencional. En el camino, la simulación podría continuar invocando reglas, demonios y métodos de objetos, proporcionando el potencial para una simulación y un análisis mucho más ricos que las herramientas de simulación convencionales.
Uno de los problemas que enfrentó Simkit fue un problema común para la mayoría de los primeros sistemas KBE desarrollados con este método: los entornos Lisp basados en el conocimiento proporcionan capacidades de razonamiento y representación del conocimiento muy potentes; sin embargo, lo hicieron a costa de requisitos masivos de memoria y procesamiento que ampliaron los límites de las computadoras de la época. Simkit podría ejecutar simulaciones con miles de objetos y realizar análisis muy sofisticados de esos objetos. Sin embargo, las simulaciones industriales a menudo requerían decenas o cientos de miles de objetos, y Simkit tuvo dificultades para alcanzar tales niveles. [3]
La segunda alternativa al desarrollo de KBE la ilustra la suite de productos CATIA . CATIA comenzó con productos para CAD y otras aplicaciones tradicionales de ingeniería industrial y les agregó capacidades basadas en el conocimiento; por ejemplo, su módulo KnowledgeWare. [4]
KBE se desarrolló en la década de 1980. Fue parte de la ola inicial de inversión en Inteligencia Artificial para empresas que impulsó los sistemas expertos. Al igual que los sistemas expertos, se basaba en lo que en ese momento eran avances de vanguardia en tecnología de la información corporativa , como PC , estaciones de trabajo y arquitecturas cliente-servidor . Estas mismas tecnologías también estaban facilitando el crecimiento del software CAx y CAD . CAD tendía a impulsar tecnologías de vanguardia e incluso a llevarlas más allá de sus límites actuales. [5] El mejor ejemplo de esto fue la programación orientada a objetos y la tecnología de bases de datos , que fueron adaptadas por CAD cuando la mayoría de las tiendas de tecnología de la información corporativa estaban dominadas por bases de datos relacionales y programación de procedimientos . [6]
Al igual que los sistemas expertos, KBE sufrió una crisis durante el invierno de la IA . [7] Además, al igual que con los sistemas expertos y la tecnología de inteligencia artificial en general, hubo un interés renovado por Internet. En el caso de KBE, el interés quizás fue mayor en el tipo de comercio electrónico de empresa a empresa y en las tecnologías que facilitan la definición de vocabularios y ontologías estándar de la industria para productos manufacturados .
La web semántica es la visión de Tim Berners Lee para la próxima generación de Internet. Esta será una Internet basada en el conocimiento construida sobre ontologías , objetos y tecnologías de marcos que también fueron tecnologías habilitadoras para KBE. Las tecnologías importantes para la web semántica son XML , RDF y OWL . [8] La web semántica tiene un excelente potencial para KBE, y las ontologías y proyectos de KBE son un área sólida para la investigación actual. [9]
La gestión del ciclo de vida del producto (PLM) es la gestión del proceso de fabricación de cualquier industria que produzca bienes. Puede abarcar todo el ciclo de vida del producto, desde la generación de la idea hasta la implementación, entrega y eliminación. KBE en este nivel se ocupará de cuestiones de productos de naturaleza más genérica que con CAx . Un área natural de énfasis es el proceso de producción; sin embargo, la gestión del ciclo de vida puede cubrir muchas más cuestiones, como la planificación empresarial, el marketing, etc. Una ventaja de utilizar KBE es conseguir que los servicios de gestión del conocimiento y razonamiento automatizado de un entorno basado en el conocimiento se integren con las diversas pero relacionadas necesidades de la gestión del ciclo de vida. KBE apoya los procesos de decisión relacionados con la configuración, los intercambios, el control, la gestión y una serie de otras áreas, como la optimización .
CAx se refiere al dominio de herramientas asistidas por computadora para análisis y diseño. CAx abarca múltiples dominios. Algunos ejemplos son el diseño asistido por computadora de piezas fabricadas, software, arquitectura de edificios, etc. Aunque cada dominio específico de CAx tendrá tipos de problemas y artefactos muy diferentes, todos comparten problemas comunes, como la necesidad de gestionar la colaboración de equipos sofisticados. trabajadores del conocimiento, diseño y reutilización de artefactos complejos, etc.
Esencialmente, KBE extiende, construye y se integra con el dominio CAx típicamente conocido como Diseño Asistido por Computadora (CAD). En este sentido, KBE es análogo a la Ingeniería de software basada en el conocimiento , que amplió el dominio de la Ingeniería de software asistida por computadora con herramientas y tecnología basadas en el conocimiento. Lo que KBSE fue para el software y CASE, KBE lo es para los productos manufacturados y CAD.
Se puede tomar un ejemplo de la experiencia de Boeing. El Programa 777 asumió el desafío de tener un avión definido digitalmente. Eso requirió una inversión en sistemas, bases de datos y estaciones de trabajo a gran escala para trabajos de diseño e ingeniería analítica. Dada la magnitud del trabajo informático que se requería, KBE entró en la puerta, por así decirlo, a través de un "plan de pago por uso". Básicamente, esta técnica tenía como objetivo mostrar beneficios y luego obtener más trabajo (piense en ingeniería ágil) de ese modo. En el caso del 777, el proyecto llegó a un punto en el que las influencias de los cambios en la primera parte del flujo de diseño/construcción (cargas) podían volver a calcularse durante un fin de semana para permitir la evaluación por parte de los procesos posteriores. Según era necesario, los ingenieros estaban al tanto para finalizar y aprobar el trabajo. Al mismo tiempo, CAx permitió cumplir tolerancias más estrictas. Con el 777, KBE tuvo tanto éxito que los programas posteriores lo aplicaron en más áreas. Con el tiempo, las instalaciones de KBE se integraron a la plataforma CAx y son parte normal de la operación. [10]
Una de las tecnologías basadas en el conocimiento más importantes para KBE es la gestión del conocimiento . Las herramientas de gestión del conocimiento respaldan un repositorio de amplio espectro, es decir, un repositorio que puede admitir todos los diferentes tipos de artefactos de trabajo: dibujos y notas informales, tablas de bases de datos grandes, objetos multimedia y de hipertexto, etc. La gestión del conocimiento proporciona diversas herramientas de soporte grupal para ayudar a diversos Las partes interesadas colaboran en el diseño y la implementación de productos. También proporciona herramientas para automatizar el proceso de diseño (por ejemplo, reglas) y facilitar la reutilización. [11]
El desarrollo de aplicaciones KBE se refiere a los requisitos para identificar, capturar, estructurar, formalizar y finalmente implementar conocimiento. Muchas de las denominadas plataformas KBE solo admiten el paso de implementación, que no siempre es el principal cuello de botella en el proceso de desarrollo de KBE. Para limitar el riesgo asociado con el desarrollo y mantenimiento de la aplicación KBE, es necesario confiar en una metodología adecuada para gestionar el conocimiento y mantenerlo actualizado. Como ejemplo de dicha metodología KBE, el proyecto de la UE MOKA, "Metodología y herramientas orientadas a aplicaciones basadas en el conocimiento", propone soluciones que se centran en los pasos de estructuración y formalización, así como en los enlaces a la implementación. [12]
Una alternativa a MOKA es utilizar métodos de ingeniería de conocimiento general que se han desarrollado para sistemas expertos en todas las industrias [13] o utilizar metodologías generales de desarrollo de software como el Proceso Unificado Racional o los métodos Ágiles .
Dos cuestiones críticas para los lenguajes y formalismos utilizados para KBE son:
Una compensación fundamental identificada con la representación del conocimiento en inteligencia artificial es entre poder expresivo y computabilidad. Como demostró Levesque en su artículo clásico sobre el tema, cuanto más poderoso se diseñe un formalismo de representación del conocimiento, más se acercará el formalismo al poder expresivo de la lógica de primer orden. Como también demostró Levesque, cuanto más cerca esté un lenguaje de la lógica de primer orden, más probable será que permita expresiones que son indecidibles o que requieren una potencia de procesamiento exponencial para completarse. [14] En la implementación de sistemas KBE, esta compensación se refleja en la elección de utilizar entornos potentes basados en el conocimiento o entornos de programación orientados a objetos y de procedimientos más convencionales.
Existe una compensación entre el uso de estándares como STEM y lenguajes propietarios específicos del proveedor o de la empresa. La estandarización facilita el intercambio , la integración y la reutilización del conocimiento. Los formatos propietarios (como CATIA) pueden proporcionar ventajas competitivas y funciones potentes que van más allá de la estandarización actual. [15]
Genworks GDL, un producto comercial cuyo núcleo se basa en el Proyecto Gendl con licencia AGPL, [16] aborda la cuestión de la longevidad de la aplicación proporcionando un núcleo de lenguaje declarativo de alto nivel que es un superconjunto de un dialecto estándar del lenguaje de programación Lisp ( ANSI Common Lisp o CL). El propio Gendl/GDL se propone como un estándar de facto [17] para lenguajes KBE basados en ANSI CL.
En 2006, el Grupo de Gestión de Objetos publicó un documento RFP de servicios de KBE y solicitó comentarios. [18] Hasta la fecha, no existe ninguna especificación OMG para KBE; sin embargo, existe un estándar OMG para los servicios CAD. [19]
Un ejemplo de un lenguaje independiente del sistema para el desarrollo de ontologías legibles por máquina que se encuentra en el dominio KBE es Gellish English .
{{cite web}}: Mantenimiento CS1: URL no apta ( enlace ){{cite book}}: |journal=ignorado ( ayuda )el invierno de IA de finales de los 80. La frase fue acuñada por analogía con el "invierno nuclear": la teoría de que el uso masivo de armas nucleares taparía el sol con humo y polvo, provocando una caída de las temperaturas globales, una Tierra congelada y la extinción de la humanidad. El invierno de la IA simplemente provocó la extinción de las empresas de IA, en parte debido al revuelo sobre los sistemas expertos y la desilusión provocada cuando las empresas descubrieron sus limitaciones.
{{cite web}}: Mantenimiento CS1: URL no apta ( enlace )La buena noticia al reducir el servicio KR a la demostración de teoremas es que ahora tenemos una noción muy clara y específica de lo que debería hacer el sistema KR; la mala noticia es que también está claro que los servicios no se pueden proporcionar... decidir si una oración en FOL es o no un teorema... es irresoluble.