Architektura ekspertowego systemu oceny jakości

Pełen tekst

(1)ARCHITEKTURA EKSPERTOWEGO SYSTEMU OCENY JAKOCI. TOMASZ DUDEK Akademia Morska BOENA MIAŁKOWSKA Zachodniopomorski Uniwersytet Technologiczny. Streszczenie Jednym z systemów wspomagania zarzdzania jakoci s systemy ekspertowe. Aby systemy ekspertowe oceny jakoci spełniły swoj rol musz mie odpowiedni architektur (struktur) dziki której moliwa bdzie efektywna i wieloaspektowa (kompleksowa) ocena jakoci w oparciu o dostpne dane, metody wywodu wiedzy i wiedz eksperta. Dane bdce podstaw oceny jakoci zwykle maj heterogeniczny charakter a ocena jakoci czsto oparta jest na zmiennych w czasie kryteriach tej oceny. W artykule zaprezentowano architektur ekspertowego systemu oceny jakoci z uwzgldnieniem zmiennego charakteru kryteriów oceny i heterogenicznoci ródeł danych zasilajcych ten system. Słowa kluczowe: ontologie, inynieria ontologii, systemy ekspertowe, jako , wiedza, heterogeniczno . 1. Wprowadzenie Działalno gospodarcza firm, przedsibiorstw czy organizacji, to dbało o poziom jakoci wytwarzanych przez nie produktów i wiadczonych usług. O jakoci nie decyduj jednak same wymagania uytkowe czy ich specyfikacja, ale moliwie najlepsze ich ustalenie oraz stopie ich spełnienia. Efektywna i kompleksowa ocena jakoci uzaleniona jest od wyboru metod, wiedzy i dowiadczenia oceniajcych oraz od jakoci i iloci dostpnych danych. W ocenie jakoci (np. oprogramowania, kształcenia, wiadczonych usług, procesu produkcji, itp.) mona wykorzysta specjalistyczne oprogramowanie, które t ocen bdzie wspomaga zarówno w aspektach wytwarzanego produktu jako efektu kocowego, jak równie w aspektach przebiegu procesów zwizanych z jego wytwarzaniem, w całym cyklu ycia (równie w eksploatacji, uytkowaniu). Takim oprogramowaniem wspomagajcym wieloaspektow ocen jakoci moe by system ekspertowy. Systemy ekspertowe [4][5] mog wspomaga wnioskowanie, ocen oraz podejmowanie decyzji, działajc w sposób zbliony do procesu rozumowania człowieka. Wan rol w systemie ekspertowym pełni tzw. eksperci, którzy udostpniaj w nim swoj wiedz i dowiadczenie. Systemy ekspertowe maj liczne zastosowania w takich dziedzinach jak: finanse, procesy wytwórcze, zarzdzanie, kolejkowanie i ustalanie połcze (szczególnie dla linii lotniczych), obsługa klientów, projektowanie, militaria, analiza danych, inynieria oprogramowania, administracja pastwowa, przemysł transportowy i kosmicznym oraz wielu innych. Mona je klasyfikowa ze wzgldu na rol i funkcje jakie im przypisano, wyróniajc systemy doradcze, podejmujce lub.

(2) 70. Tomasz Dudek, Boena

(3) miałkowski Architektura ekspertowego systemu oceny jakoci. wspomagajce decyzje czy wreszcie krytykujce, przedstawiajce problem i warianty jego rozwizania. Ze wzgldu na uzyskiwane z systemu ekspertowego wyniki, wyrónia si równie ekspertowe systemy ukierunkowane na diagnoz, prognoz i plan rozumiany jako opis stanu, do którego naley dy . Istniej te systemy ekspertowe z wiedz pewn (zdeterminowan) i niepewn. Systemy ekspertowe mona równie sklasyfikowa ze wzgldu na sposób ich budowy, wyróniajc gotowe (dziedzinowe) systemy szkieletowe z pust baz wiedzy oraz dedykowane systemy, tworzone od podstaw. Niezalenie jednak od zaprezentowanej klasyfikacji i zastosowa systemów ekspertowych istotne s funkcje przez nie realizowane. Jednym z moliwych zastosowa systemów ekspertowych jest system oceny jakoci, oznaczony skrótowo symbolem SEOJ. Zadaniem takiego systemu (Np. oceny jakoci oprogramowania, jakoci kształcenia) moe by : - Diagnoza jakoci produktu (Np. oprogramowania) lub wiadczonej usługi (Np. edukacyjnych) i procesów wytwarzania (realizacji usług), - Prognoza (oszacowanie) jakoci efektu kocowego (produktu lub wiadczonej usługi), - Dobór jakoci wzorcowej (np. oprogramowania), któr naley osign i zwizane z tym aspektem badania. Istotnym elementem systemu SEOJ s dane ródłowe zasilajce system, za istotn cech tych danych jest ich heterogeniczny charakter. Heterogeniczno danych w informatyce oznacza rónorodno tych danych pod wzgldem ródeł ich pochodzenia, struktur, poziomów odniesienia jak i metod pomiaru. Naley dodatkowo podkreli , e czsto kryteria oceny jakoci s zmienne w czasie. 2. Heterogeniczny i zmienny w czasie charakter danych zasilaj cych ekspertowy system oceny jakoci Ekspertowy system oceny jakoci produktów, wyrobów, wiadczonych usług czy realizowanych procesów jest zasilany w nastpujce dane ródłowe: - Dane liczbowe o miarach jakoci produktów, wyrobów, wiadczonych usługach, realizowanych procesach, etc, - Dane opisowe o wytwarzanych produktach, wyrobach, wiadczonych usługach czy realizowanych procesach, zespole wytwórców, procesie wytwarzania, etc. - Dane niemierzalne wyraone w aspektach kategorycznych, na podstawie wiedzy eksperta, odnoszce si do oceny jakoci, - Inne dane semantycznie zwizane z ocen jakoci (Np. dane o planach, umowach, kontraktach, załoeniach, oczekiwaniach klientów, etc.), - Metadane o danych przechowywanych w bazie danych i bazie wiedzy.

(4) ródła zasilajce systemy SEOJ mog by dostpne dynamicznie lub statycznie. S rónych typów (Np. bazy danych, pliki lub strony w formacie HTML). Mog mie rónorodne znaczenie, form zapisu, struktur, itp. Dla przykładu w ocenie jakoci kształcenia w szkole wyszej mona za. ródła danych przyj wyniki pomiarów ankietowania studentów lub absolwentów, rankingi rónych instytucji, obowizujce standardy kształcenia, oceny rónych gremiów akredytacyjnych, sylwetk absolwenta, itp. Oznacza to, e ródła danych w systemie SEOJ maj heterogeniczny charakter. Inn wan cech danych ródłowych w systemie SEOJ jest zmienny charakter kryteriów oce-.

(5) POLSKIE STOWARZYSZENIE ZARZDZANIA WIEDZ Seria: Studia i Materiały, nr 18, 2009. 71. ny jakoci. Dla przykładu ocena jakoci oprogramowania realizowana w latach 80-tych XX wieku opierała si na innych kryteriach oceny ni ma to miejsce na pocztku XXI wieku. Mona spodziewa si, e wraz z rozwojem metod, technik czy metodyk wytwarzania oprogramowania, a take wraz z pojawieniem si w przyszłoci nowych standardów w dziedzinie inynierii oprogramowania, bdziemy stosowa inne kryteria oceny oprogramowania ni na pocztku XXI wieku. Gdy za rozwaymy kryteria oceny jakoci kształcenia studentów to równie zauwaymy, e na przestrzeni czasu s one zmienne i róne a take zalene od czasu odniesienia si do tej oceny jakoci. Podobne własnoci maj dane ródłowe w innych dziedzinach oceny jakoci. 3. Architektura ekspertowy system oceny jakoci Poniewa istotnym uwarunkowaniem systemów SEOJ jest heterogeniczny i zmienny w czasie charakter danych zasilajcych takie systemy, to musi w nich istnie wydzielony modułu integracji heterogenicznych ródeł danych. Naley zauway , e z kadym ródłem danych w systemie SEOJ zwizana jest okrelona terminologia, okrelone nazewnictwo. Dla przykładu, rozpatrujc ankiety studentów w ekspertowym systemie oceny jakoci procesu kształcenia za takie pojcia przyj mona „program przedmiotu”, „punktualno prowadzcego”, „przygotowanie do zaj ”, „realizacj przedmiotu”, itp. Midzy pojciami z tej terminologii zachodz relacje, Np. czci oceny realizacji przedmiotu jest ocena punktualnoci prowadzcego, itp. Zgodnie za z literatur pojcia terminologie i relacje midzy nimi mona opisa formalnie tzw. ontologi [3]. Dziki ontologiom moliwa jest komunikacja bez koniecznoci operowania na wspólnej bazie wiedzy ale i na wczeniej zdefiniowanych słownikach z zapytaniami i okrelonymi wyjtkami. Ontologie umoliwiaj take efektywny dostp do informacji zawartych w wielu odrbnych repozytoriach i bazach wiedzy, przez co integruj dane, funkcjonalnoci, platformy, dziedziny, itp. Nie narzucaj one koniecznoci odwzorowania jedynie wiata rzeczywistego. Pozwalaj take na opis zasobów, które czsto nie s wiernymi odpowiednikami rzeczywistych obiektów. Ontologie wspomagaj ujednolicenie wszystkich semantycznych rónic informacji dostarczanych przez system i dlatego mog by podstaw modułu integracji heterogenicznych ródeł danych. Załómy, e w systemie SEOJ dostpnych jest n heterogenicznych ródeł danych symbolicznie oznaczonych jako Z1, …, Zn Wówczas zgodnie z zasadami tworzenia ontologii mona dla tych ródeł opracowa odpowiednie ontologie O1, …, On wg zasady, e Oi jest ontologi dla ródła Zi (i=1, …, n). Łczenie wielu ontologii w jedn ontologi globaln jest moliwe dziki dostpnym w literaturze metodom, zaimplementowanym w dostosowanych do tego, pakietach oprogramowania (Np. OntoStudio). Wówczas stosujc jedn z tych metod dla integracji ontologii Oi (i=1, …, n) mona zbudowa ontologi globaln OG. Kolejnym krokiem obsługi heterogenicznoci danych jest etap wyznaczania funkcji przejcia midzy ontologiami Oi (i=1, …, n) a ontologi globaln OG i odwrotnie midzy OG a ontologiami Oi (i=1, …, n). Integracja danych dotyczy łczenia dowolnych poj , które mog by zarówno synonimami.


(7) miałkowski Architektura ekspertowego systemu oceny jakoci. jak i homonimami (zaimplementowane modele opisujce podobiestwo, zaprojektowane w oparciu o model Tverskyego [8], który definiuje miar podobiestwa jako proces dopasowania cech). Model ten dostarcza wartoci podobiestwa, które nie jest tylko wypadkow wspólnych cech, ale uwzgldnia take rónice midzy pojciami (obiektami). Moliwe jest równie rozszerzenie metody odkrywania podobiestw terminów o ide kontekstów (podobiestwo terminów zalene jest od kontekstu, w jakim si do nich odnoszono). Kontekst okrela prawdziwo lub fałszywo stwierdzenia jak i jego znaczenie. Poprzez dodanie funkcji rozpatrujcych podobiestwa, w metodzie integracji opartej na ontologiach, osign mona wiksz precyzj porówna pomidzy pojciami rónych ontologii, a połczenie ontologii i kontekstów dostarczy wyszego poziomu informacji semantycznej wymaganej w integracji danych. Metod integracji ontologii a co zatem idzie i heterogenicznych ródeł danych, dokładniej zaprezentowano w literaturze (cho by [3]). Na metodzie integracji ontologii oparto koncepcj realizacji modułu integracji heterogenicznych ródeł danych w systemie SEOJ. W dalszej czci moduł ten nazwano modułem obsługi ontologii i oznaczono symbolem MOO. Mona zatem stwierdzi , e w strukturze ekspertowego systemu oceny jakoci SEOJ niezbdne s nastpujce moduły funkcjonalne: - Moduł obsługi ontologii MOO, - Moduł pozyskiwania i gromadzenia wiedzy, umoliwiajcy zdobywanie oraz modyfikowanie wiedzy o produktach, usługach i procesach, - Baza danych o produktach, procesach i usługach, - Baza wiedzy (ang. knowledge base), zawierajca informacje dziedzinowe i informacje o podejmowanych przez eksperta decyzjach, - Mechanizmy wnioskowania (ang. inference engine), które odpowiadaj za rozwizanie problemu oraz za poprawne zastosowanie wiedzy zgromadzonej w bazie wiedzy, - Moduł objaniajco - wyjaniajcy (ang. explanation facility), którego głównym zadaniem jest komunikacja ze wiatem zewntrznym. za ogólna struktura takiego systemu jest zgodna z rys.1. W module obsługi ontologii MOO dostpne bd nastpujce funkcje: − Tworzenie ontologii wraz z tworzeniem leksykonów, aksjomatów, zbioru konceptów, terminologii, atrybutów, wyników pomiaru ocen (osobników), sieci semantycznych dla ontologii wraz z opisem relacji midzy konceptami, − Łczenie dwóch wskazanych przez uytkownika ontologii, − Tworzenie regionów i sygnatur dla wskazanej przez uytkownika ontologii, − Tworzenie odwzorowa (funkcji przej ) midzy dwoma wybranymi ontologiami, − Zapamitanie ontologii wynikowej, − Obsługa zapyta o ocen jakoci sformułowan w terminologii dowolnej ontologii. Baza danych w systemie ekspertowym słuy gromadzeniu danych o wytwarzanym produkcie, wiadczonej usłudze (w przypadku SEOJ do oceny jakoci produktów informatycznych bdzie to biecy rejestr miar jakoci oprogramowania w kolejnych etapach jego wytwarzania, wska niki jakoci dla punktów funkcyjnych, etc.) i przebiegu procesów wytwarzania (Np. dla oceny jakoci oprogramowania ewidencja opó nie, wyników testów, danych o przebiegu procesu wytwarzania oprogramowania, wyniki midzyprocesowego audytu, etc.)..

(8) POLSKIE STOWARZYSZENIE ZARZDZANIA WIEDZ Seria: Studia i Materiały, nr 18, 2009. 73. Rys. 1. Architektura systemu ekspertowego oceny jakoci

(9) ródło: opracowanie własne na podstawie [3], [6] i [7] Aby wykorzystanie modułu obsługi ontologii MOO w systemie SEOJ było moliwe, niezbdne jest przechowywanie w formie warstwy metadanych (WM na rys.1) danych o strukturze wywodu kolejnych ontologii, opisie zbiorów konceptów, aksjomatów, relacji midzy konceptami danej ontologii, sieci semantycznych, ontologii, sygnatur, regionów, odwzorowa midzy ontologiami. Warstwa tych metadanych moe by zrealizowana w formie tabel powizanych midzy sob na zasadzie relacyjnej bazy danych. W skład tej warstwy wchodz dane o aksjomatach i ich typach, atrybutach, funkcjach przejcia, grafach (sieciach semantycznych), konceptach, leksykonach, ontologiach, osobnikach, regionach, relacjach i ich typach a take dane o sygnaturach bitowych, a wszystko po to by moliwa była integracja ontologii odpowiadajcych heterogenicznym ródłom danych. Wyposaenie systemu SEOJO w warstw metadanych (WM) i moduł obsługi ontologii (MOO), pozwoli na utworzenie ekspertowego systemu oceny jakoci, w którym wszystkie ródła mog by w dowolnej chwili osi czasu, z pewnym opó nieniem wynikajcym z koniecznoci przestrojenia systemu, zintegrowane mimo ich rónorodnoci. Wiedza dziedzinowa w ekspertowym systemie oceny jakoci jest reprezentowana, wywodzona oraz przetwarzana przez tzw. inyniera wiedzy wspomaganego baz danych i baz wiedzy. Jest ona zwizana ze znajomoci miar jakoci produktu finalnego lub usługi, ze znajomoci cyklu ycia, z kategoryzacj problemu, z rodzajem organizacji procesów wytwarzania, z ich charakterystykami, narzdziami pomiaru, ze znajomoci reguł stosowanych w dziedzinie, itp. Istnieje kilka rodzajów baz wiedzy. Do waniejszych naley zaliczy nastpujce: - Baza tekstów (ang. text base) - wystpuje w niej naturalna strukturalizacja zawartych informacji. Taka baza jest nie uporzdkowana, dlatego te operacje na niej mog by wykonywane w sposób dowolny,.


(11) miałkowski Architektura ekspertowego systemu oceny jakoci. -. Baza reguł (ang. rule base) - zawiera wiedz o obowizujcych w danej dziedzinie zalenociach i jest najwaniejsz czci bazy wiedzy, - Baza modeli (ang. model base) - zawiera modele matematyczne (logiczno-matematyczne przedstawienie pojcia, systemu lub działa) danej dziedziny, - Baza wiedzy zdroworozsdkowej (ang. common sense knowledge base) - odzwierciedla potencjalne, racjonalne zachowania si człowieka. Zawiera reguły definiujce sposoby podejmowania decyzji, które reprezentuj metawiedz systemu ekspertowego. Moduł objaniajco - wyjaniajcy jest odpowiedzialny zarówno za wprowadzanie danych do systemu, jak i za wyprowadzanie na zewntrz wniosków systemu. Moduł ten wspomaga uytkownika rad oraz sugesti, ostateczna decyzja naley jednak do samego uytkownika. Wywodzenie wiedzy, wnioskowanie w systemie ekspertowym jest procesem wyszukania konkluzji przy wykorzystaniu zbioru reguł i faktów w konkretnej sytuacji, w okrelonych warunkach. Podstawowymi metodami wnioskowania s wnioskowanie „wstecz" (ang. backward chaining) oraz wnioskowanie „wprzód" (ang. forward chaining). Wnioskowanie „wprzód" zaczyna od faktów i posuwa si w kierunku diagnozy. Systemy ekspertowe na podstawie podanych informacji i reguł zawartych w bazie wiedzy stara si wygenerowa nowe fakty. Fakty te s dołczane do bazy wiedzy, a cały proces zostaje powtórzony. Wnioskowanie koczy si, kiedy nie jest moliwe wygenerowanie adnych nowych faktów lub gdy poszukiwana reguła została odnaleziona. Wnioskowanie „wstecz" rozpoczyna si od hipotezy i poszukiwania argumentów (dowodów), które pozwol j potwierdzi lub obali , korzystajc z reguł zawartych w bazie wiedzy. Jeli reguły korzystaj z faktów, które nie s znane, a które wynikaj z innych reguł, to system najpierw sprawdza te reguły. Jeli danych faktów nie da si wyprowadzi za pomoc reguł wówczas system pyta o nie uytkownika. Proces wnioskowania zwykle odbywa si rekurencyjnie, a do momentu, kiedy uda si uzyska wszystkie dane potwierdzajce bd odrzucajce postawione hipotezy. Dziki systemowi ekspertowemu SEOJ z baz wiedzy dziedzinowej moliwe jest: - Stawianie diagnoz w zakresie oceny jakoci produkty, usługi (np. dla oceny jakoci oprogramowania odpowied na pytanie czy produkt bdzie wysokiej jakoci lub, jak jako posiada obecnie), - Formułowanie wniosków o wytwarzanym produkcie lub wiadczonych usługach, - Formułowanie diagnoz i prognoz o procesach wytwarzania produkty czy wiadczenia usług (np. dla produkcji oprogramowania, odpowied na pytanie czy lepszy produkt mona uzyska , gdy zastosuje si okrelony proces produkcji, okrelon metod jego wytwarzania, narzdzia programowe, etc.). - Formułowanie wniosków o zmiennoci jakoci oprogramowania w jego cyklu ycia, - Identyfikacja oceny jakoci wytwarzanego produktu (oprogramowania) i wykonywanych procesów oraz zada produkcyjnych, - Integracja danych rónorodnych, informacji i wiedzy w jednym systemie, - Oszczdno czasu przeznaczonego na ocen jakoci, - Eliminacja niepodanych i błdnych rozwiza (ocen), - Moliwo uycia wielu miar, parametrów nawet czsto trudnych do porównania w procesie oceny jakoci i podejmowaniu działa projakociowych (decyzyjnych), - Zmniejszenie kosztów oceny jakoci poprzez wdroenie wypracowanych procedur zbierania danych, wnioskowania i wywodu wiedzy, itp..

(12) POLSKIE STOWARZYSZENIE ZARZDZANIA WIEDZ Seria: Studia i Materiały, nr 18, 2009. 75. 4. Metoda integracji danych podstaw adaptacyjnego i otwartego charakteru systemów ekspertowych oceny jakoci. Dziki zastosowaniu metody integracji opartej na ontologiach w module integracji heterogenicznych ródeł danych rozwizano w systemie SEOJ dodatkowo nastpujce, znaczce problemy: - Moliwe jest uzupełnienie ocen jakociowych o nowe ródła danych. Musz by wówczas dodane terminy, nie zawarte dotychczas w ontologii globalnej. Wymagane jest równie zdefiniowanie relacji midzy tymi terminami oraz zintegrowanie dotychczasowej ontologii globalnej z ontologi powstał dla nowych ródeł oceny, - Dziki współdzieleniu słowników oraz odwzorowaniu lokalnych ontologii w ontologi globaln moliwe jest porównanie ocen jakoci. Główn cech systemu SEOJ jest integracja funkcji i danych oraz jego otwarty charakter na nowe ródła (struktury) danych, róne sposoby obróbki danych, metody wywodu wiedzy. Otwarto systemu SEOJO na nowe ródła danych wynika z metody integracji, za otwarto na róne sposoby wywodu wiedzy i róne sposoby obróbki danych, z istoty systemów ekspertowych. Systemu SEOJ wymaga wykonania konwersji danych, do takich struktur, które s niezbdne dla stosowanych w systemie metod wywodu wiedzy, za kadym razem, gdy pojawi si nowe ródło danych. Gdy zostanie on oparty na relacyjnej bazie danych to taka konwersja jest moliwa dziki wbudowanym w systemy zarzdzania bazami danych mechanizmom (np. zmaterializowane perspektywy, modyfikacje schematu bazy danych, konwersje midzy bazami danych). Jednake najwaniejsz, obok integracji danych, cech systemu SEOJ jest moliwo zautomatyzowania procesu adaptacji bazy danych i bazy wiedzy do nowych pojawiajcych si ródeł danych, rónych wzgldem danych składowanych w bazie danych systemu pod wzgldem pochodzenia, typu wartoci, znaczenia, przeznaczenia, itd. Ten adaptacyjny i otwarty charakter metody integracji opartej na systemie SEOJ, zilustrowano schematycznie na rys. 2.. Rys. 2. Otwarty i adaptacyjny charakter systemu SEOJ

(13) ródło: opracowanie własne.


(15) miałkowski Architektura ekspertowego systemu oceny jakoci. Metoda integracji heterogenicznych ródeł danych czyni ekspertowy system oceny jakoci otwartym na nowe heterogeniczne ródła danych. 5. Podsumowanie Wan cech danych ródłowych zasilajcych ekspertowy systemy oceny jakoci jest heterogeniczno . Ta własno doprowadziła do sytuacji, w której aby dany system uzna za niezaleny (od nowych i zmiennych w czasie ródeł danych) naley uwzgldni integracj danych ródłowych oraz zmienny w czasie charakter kryteriów oceny. System ekspertowy SEOJ, zgodny z zaprezentowan w artykule architektur, wykazuje otwarto na problem pojawienia si coraz to nowszych. ródeł danych (wczeniej nieznanych), które mog wzbogaci proces oceny jakoci, o nowe kryteria oceny.. Bibliografia 1. 2.. 3.. 4.. 5. 6. 7.. 8.. BusinessObjects SA: From operational to analytical reporting with business objects data integrator. www.businessobjects.com/products/dataintegration, 2004 Carey M.: Towards Heterogeneous Multimedia Information Systems: The Garlic Approach. International Workshop on Distributed Object Management, Waszyngton, 1995 Dudek T.: Integracja danych w systemach ekspertowych oceny jakoci. Roczniki Informatyki Stosowanej Wydziału Informatyki PS nr 9, n.t. Metody Informatyki Stosowanej w Zarzdzaniu, Szczecin, 2005 Dudek T.: System informatyczny jako narzdzie wspomagajce wycen nieruchomoci. Roczniki Informatyki Stosowanej Wydziału Informatyki PS, Metody Informatyki Stosowanej w Zarzdzaniu, Szczecin, 2004 Janowski A., Szulwic J., Wróblewska D.: SIP i systemy ekspertowe w zarzdzaniu hałasem. www.i-net.pl/publikacje/janowski-szulwic-wroblewska-halas_sip.pdf, 2005 Michalik K., „Architektura i cechy systemów ekspertowych”, aitech.pl/content/ view/79/142/lang,ISO-8859-2, 2006 miałkowska B.: Multi-version metadata model at enterprise’s data warehouse with ontologies. Materiały midzynarodowej konferencji Advanced Computer Systems, winoujcie, 2006 Tversky A.: Features of Similarity. Psychological Review, 1977.

(16) POLSKIE STOWARZYSZENIE ZARZDZANIA WIEDZ Seria: Studia i Materiały, nr 18, 2009. 77. EXPERT SYSTEM ARCHITECTURE FOR QUALITY VALUATION Summary The computer monitoring systems for water networks have been implemented in Polish waterworks in arising range in the last 10 years but their use there does not meet their potentialities. These systems are used currently as self-contained programs for collecting the data of water production and of water pressures in area pump works informing the water net operators about the general state of their object while could and should be used as elements of the water net management systems. Such an information system for management of communal water networks is presented in the paper. Keywords: communal water network management, computer decisions making systems, GIS, mathematical modeling of water network systems. Tomasz Dudek Akademia Morska tdudek@wi.ps.pl Boena miałkowska Zachodniopomorski Uniwersytet Technologiczny bsmialkowska@wi.ps.pl http://www.kisi.wi.zut.edu.pl.

(17)