The main objective of a hybrid expert system is to improve production processes, minimize downtime and improve product quality. The system’s hybrid design allows it to handle different scenarios, adapt to new situations and continuously improve its efficiency. However there are problems of these systems’ adaptation to features of various production types, and of high cost and complexity of their development and implementation. In this work, a model of a hybrid expert system is presented combining rule-based reasoning and machine learning methods and designed for industrial production. The system is represented as a cyclic graph reflecting its ability to continuously learn and adapt. The proposed model of hybrid expert system is a reliable framework for developing an expert system for modern industrial production.
Основная задача гибридной экспертной системы - совершенствование производственных процессов, минимизация простоев и повышение качества продукции. Гибридная конструкция системы позволяет работать с различными сценариями, адаптироваться к новым ситуациям и постоянно повышать свою эффективность. Однако существуют проблемы адаптации этих систем к уникальным особенностям различных типов производства, а также их высокой стоимости и сложности разработки и внедрения. В работе представлена модель гибридной экспертной системы, сочетающая в себе методы рассуждений на основе правил и машинного обучения, предназначенная для промышленного производства. Данная система представлена в виде циклического графа, отражающего ее способность к непрерывному обучению и адаптации. Предлагаемая модель гибридной экспертной системы является основой для разработки экспертной системы для современного промышленного производства.