专家系统的推理方法不包括消解推理。
成都创新互联公司从2013年成立，先为泰州等服务建站，泰州等地企业，进行企业商务咨询服务。为泰州企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。
专家系统的推理机的最基本的方式是正向推理和反向推理。专家系统一般由知识库、数据库、推理机、解释器及知识获取五个部分组成。
1、知识库：用于存取和管理所获取的专家知识和经验，供推理机利用，具有存储、检索、编辑、增删和修改等功能。
2、数据库：用来存放系统推理过程中用到的控制信息、中间假设和中间结果。
3、推理机：用于利用知识进行推理，求解专门问题，具有启发推理、算法推理；正向、反向或双向推理等功能。
4、解释器：解释器用于作为专家系统与用户之间的“人-机”接口，其功能是向用户解释系统的行为。
5、知识获取：知识工程师采用“专题面谈”、“记录分析”等方式获取知识，经过整理以后，再输入知识库。专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成。
专家系统：
专家系统是早期人工智能的一个重要分支，它可以看作是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题。
一般来说，专家系统=知识库+推理机，因此专家系统也被称为基于知识的系统。是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，一个专家系统必须具备三要素：领域专家级知识，模拟专家思维，达到专家级的水平。
5.3.1 企业资源规划
企业资源规划（Enterprise Resources Planning,ERP）是对企业所拥有的资源（人、财、物、信息等）进行综合管理的、高度集成的计算机管理系统。及相应的计算机管理系统经历了基本MRP阶段、闭环 MRP阶段、MRP－Ⅱ阶段及 ERP阶段。
5.3.1.1 物料需求计划（Material Requirement Planning，基本 MRP）
物料需求计划借助计算机的运算能力及系统对客户订单、在库物料、产品构成的管理能力，实现依据客户订单，按照产品结构清单展开并计算物料需求计划。实现减少库存，以达到“既要降低库存，又要不出现物料短缺”的目的。
MRP主要用于制造业，具有从供应方买来原材料，经过加工或装配，制造出产品，销售给需求方的管理功能。任何制造业的经营生产活动都是围绕其产品开展的，制造业的信息系统也体现了这种特点。MRP就是从产品的结构或物料清单出发，实现了物料信息的集成。
物料的需求信息、产品结构、采供提前期、库存信息是运行 MRP的四项主要数据。这些数据的准确度，决定了MRP的有效性。
MRP一般包含以下模块：主生产计划（Master Production Schedule,MPS）模块，是将生产计划大纲规定的产品系列或大类转换成特定的产品或特定部件的计划，据此可以制定物料需求计划、生产进度计划与能力需求计划；物料需求计划（MRP）模块，用来计算出物料需求的时间和数量，特别是相关需求物料的数量和时间；物料清单（Bill of Material,BOM）模块，用来计算每一种产品的产品结构和所有要使用到的物料；库存控制（Inventory Control,IC）模块，是按照存储论的方法，计算企业所有产品、零部件、在制品、原材料等变化数据的模块；采购订单（Purchasing Order,PO）模块，是向供应商订货的模块；加工订单（Manufacturing Order,MO）模块，用来生成加工产品的订单。
5.3.1.2 闭环 MRP
由于基本MRP是建立在下面两个假设的基础上：一是生产计划是可行的，即假定有足够的设备、人力和资金来保证生产计划的实现；二是假设采购计划是可行的，即有足够的供货能力和运输能力来保证完成物料供应。但在实际生产中，能力资源和物料资源总是有限的，因而往往会出现生产计划无法完成的情况。MRP系统在20世纪70年代发展为闭环 MRP系统。闭环MRP系统除了物料需求计划外，还将生产能力需求计划、车间作业计划和采购作业计划也全部纳入MRP，形成一个封闭的系统。
简单地说，闭环 MRP的形成是在基本 MRP基础上增加了能力需求计划，形成了“计划—执行—反馈—计划”的闭环系统。MRP系统的正常运行，需要有一个现实可行的主生产计划。它除了要反映市场需求和合同订单以外，还必须满足企业的生产能力约束条件。因此，除了要编制资源需求计划外，我们还要制定能力需求计划，同各个工作中心的能力进行平衡。只有在采取了措施做到能力与资源均满足负荷需求时，才能开始执行计划。而要保证实现计划就要控制计划，执行MRP时要用派工单来控制加工的优先级，用采购单来控制采购的优先级。这样，基本MRP系统进一步发展，把能力需求计划和执行及控制计划的功能也包括进来，形成一个环形回路，称为闭环MRP。
5.3.1.3 制造资源规划（Manufacture Resource Planning,MRPⅡ）
闭环 MRP系统的出现，使生产活动方面的各种子系统得到了统一。但这还不够，因为在企业的管理中，生产管理只是一个方面，它所涉及的仅仅是物流，而与物流密切相关的还有资金流。这在许多企业中是由财会人员另行管理的，这就造成了数据的重复录入与存储，甚至造成数据的不一致性。于是，20世纪80年代，人们把生产、财务、销售、工程技术、采购等各个子系统集成为一个一体化的系统，并称为制造资源计划（Manufacturing Resource Planning）系统，英文缩写还是 MRP，为了区别物流需求计划（亦缩写为MRP）而记为MRPⅡ。
MRPⅡ与 MRP的主要区别就是它运用管理会计实现物料信息同资金信息的集成，用货币形式管理执行企业“物料计划”带来的经济效益。
在 MRPⅡ系统中，以MRP的产品结构为基础，从最底层采购件的材料费开始，逐层向上将每一件物料的材料费、人工费和制造费（间接成本）进行累计，得出每一层零部件直至最终产品的成本。再进一步结合市场营销，分析各类产品的赢利性。
MRPⅡ的基本思想就是把企业作为一个有机整体，从整体最优的角度出发，通过运用科学方法对企业各种制造资源和产、供、销、财各个环节进行有效地计划、组织和控制，使他们得以协调发展，并充分地发挥作用。MRPⅡ把传统的账务处理同发生账务的事务结合起来，不仅管理账务的资金现状，而且追溯资金的来龙去脉。一般包括如下模块：产品数据管理模块、主生产计划模块、物料需求计划模块、库存管理模块、能力需求模块、销售管理模块、采购模块、车间作业管理模块、财务管理模块、质量管理模块。这些模块结构上相互独立，但功能上相互依存。
5.3.1.4 ERP
ERP的概念，是美国Gartner Group公司于1990年提出的，其确切定义是：MRPⅡ（企业制造资源计划）下一代的制造业系统和资源计划软件。MRPⅡ主要侧重对企业内部人、财、物等资源的管理，ERP系统在 MRPⅡ的基础上扩展了管理范围，它把客户需求和企业内部的制造活动，以及供应商的制造资源整合在一起，形成企业一个完整的供应链，并对供应链上所有环节如订单、采购、库存、计划、生产制造、质量控制、运输、分销、服务与维护、财务管理、人事管理、实验室管理、项目管理、配方管理等进行有效管理。随着IT技术的飞速发展，网络通信技术的应用，ERP系统采用客户/服务器（C/S）体系结构和分布式数据处理技术，支持 Internet/Intranet/Extranet、电子商务（E-business、E-commerce）、电子数据交换（EDI）。此外，还能实现在不同平台上的互操作。
ERP把客户需求和企业内部的制造活动以及供应商的制造资源整合在一起，形成企业一个完整的供应链，其核心管理思想主要体现在以下三个方面：①体现对整个供应链资源进行管理的思想；②体现精益生产、敏捷制造和同步工程的思想；③体现事先计划与事前控制的思想。
ERP出现后不久，计算机技术就遇到了Internet/Intranet和网络计算的热潮、制造业的国际化倾向以及制造信息技术的深化。由于今后Intranet将成为许多大公司网络建设的选择，使用 Web客户机具有费用低廉、安装和维护方便、跨平台运行和具有统一、友好的用户界面的优点，加之所有的数据库厂商对 Web技术的支持，使得目前几乎所有的客户/服务器应用程序的开发厂商都计划将 Web浏览器的前端安装到其产品上去。几个大的制造软件公司Oracle、SALP和BAAN都在争先恐后地把其 MRPⅡ/ERP客户/服务器应用程序的客户机“Web化”。
5.3.2 决策支持系统
决策支持系统（Decision Support System,DSS）是一种以计算机为基础和工具，应用决策科学及其有关的种理论和方法的人机交互系统，主要面向组织管理的战略计划中半结构化与非结构化的决策问题，提供用户以获取数据和构造模型的便利，辅助决策者分析并做出正确的决策。DSS的概念是20世纪70年代提出的，并且在80年代获得发展。它的产生基于以下原因：传统的MIS没有给企业带来巨大的效益，人在管理中的积极作用要得到发挥；人们对信息处理规律认识提高，面对不断变化的环境需求，要求更高层次的系统来直接支持决策；计算机应用技术的发展为DSS提供了物质基础。
5.3.2.1 DSS的特点
根据定义，决策支持系统的特点可归纳为：
（1)DSS具有交互性。表现在通过管理者同系统之间的多次对话，使决策得以完成，而且人的因素如偏好、主观判断、能力、经验、价值观等对系统的决策结果有重要的影响。
（2)DSS系统解决的问题是针对半结构化的决策问题，模型和方法的使用是确定的，但是决策者对问题的理解存在差异，系统的使用有特定的环境，问题的条件也不确定和唯一，这使得决策结果具有不确定性。
（3）系统具有专门的结构存储和研究备用的模型及方法，提供模型的比较、联结和合成的功能。系统的驱动力来自模型和用户，人是系统运行的发起者，模型是系统完成各环节转换的核心。
（4)DSS只是起辅助决策的作用，DSS不应当取代管理者的判断，而应当让管理者处于主动地位，提高决策者做出科学决策的能力。
（5)DSS应当便于学习、使用和修改，因而要对用户的需求做动态性的分析，做到及时完善DSS的各种功能。
5.3.2.2 DSS的模型库、方法库和数据库
（1）模型库。
在管理领域常见的是信息处理模型，它的表达式为数学表达式、计算机程序等，通过对模型的建立和使用，决策者可以获得有用的辅助决策信息。建立模型是有关决策领域的专家学者在探索事物的变化规律中抽象出它们的数学模型，这项工作是创造性劳动，需要花费大量的精力来得到规律性或相近的数学模型。
数学模型建立之后的一个重要问题就是该模型的求解算法，它可以是精确求解，也可以是近似求解，这种算法的提出由计算机数值计算学者来完成。有了模型算法，就可以用计算机语言来编制成程序。实际的决策者就可以利用模型程序在计算机上执行，计算出结果，得到辅助决策信息。模型是辅助决策的重要手段，模型库是模型的集合，它按照一定的组织方法，将模型有机地汇集起来，由模型库管理系统统一管理。模型库以及模型库管理系统构成模型库系统。
（2）方法库。
方法库系统由方法库和方法库管理系统组成。它的基本功能是为各种模型的求解分析提供必要的算法以及为用户的决策活动提供所需的方法。方法库中的方法通常可以包括各种优化方法、预测方法、统计方法、对策方法、风险方法、矩阵方程求解等。
方法库管理系统负责对方法的描述、录入、存储、增加、修改、删除等处理。通常采用的方法是选择适当的计算机程序设计语言，将有关算法变成一组可执行的程序存入计算机内。这些程序可以表示为附有描述说明的函数或过程，而后按照求解问题的需要调用对应程序模型，从而达到求解问题的目的。另外，方法库管理系统还应具有与数据库、模型库进行交互的能力以及为用户选择算法提供灵活方便的交互揭示功能。
（3）数据库。
数据库是进行信息的收集、加工、存贮和输出的软件系统，因此，模型库和方法库的研制和应用应以数据库为基础。只有有了完善的数据库系统，在信息有了根本保证的前提下，模型库和方法库才能发挥其作用。反过来，模型库和方法库的发展又给数据库的研究和应用提出了新课题，促进它的研究如何提供更为适合模型和方法操作的数据模型。
模型库和方法库是不可分割的，无论是模型的参数估计、模型的求解还是模型的验证都是通过各种方法来具体实现的。方法库中方法的丰富程度、方法的性能决定了模型使用的效果。总之，从辅助决策的角度看，“三库”是进行问题求解的重要支持方面，一个强有力的辅助决策系统应具备“三库”，并以其为核心。
5.3.3 专家系统
近30年来人工智能（Artificial Intelligence,AI）获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果。作为人工智能一个重要分支的专家系统（Expert System,ES）是在20世纪60年代初期产生和发展起来的一门新兴的应用科学，而且正随着计算机技术的不断发展而日臻完善和成熟。1982年美国斯坦福大学教授费根鲍姆给出了专家系统的定义：“专家系统是一种智能的计算机程序，这种程序使用知识与推理过程，求解那些需要杰出人物的专门知识才能求解的复杂问题。”
专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。
5.3.3.1 专家系统的一般特点
总体上，专家系统具有一些共同的特点和优点。
（1）启发性。专家系统能运用专家的知识与经验进行推理、判断和决策。世界上的大部分工作和知识都是非数学性的，只有一小部分人类活动是以数学公式为核心的（约占8%）。即使是化学和物理学科，大部分也是靠推理进行思考的；对于生物学、大部分医学和全部法律，情况也是这样。企业管理的思考几乎全靠符号推理，而不是数值计算。
（2）透明性。专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户能够了解推理过程，提高对专家系统的信赖感。例如，一个医疗诊断专家系统诊断某病人患有病毒性感冒，而且必须采用某种治疗方案，那么，这一专家系统将会向病人解释为什么他患有病毒性感冒，以及为什么要采取这种治疗方案。
（3）灵活性。专家系统能不断地增长知识，修改原有知识，不断更新。由于这一特点，使得专家系统具有十分广泛的应用领域。
5.3.3.2 专家系统的结构与类型
（1）专家系统的结构。
专家系统通常由人机交互接口、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成。
1）知识库（Knowledge Base）。知识库用来存放专家提供的知识。专家系统的问题求解过程是通过知识库中的知识来模拟专家的思维方式的。因此，知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。
2）综合数据库（Global Database）。综合数据库又称全局数据库或总数据库，它用于存储领域或问题的初始数据和推理过程中得到的中间数据（信息），即被处理对象的一些当前事实。
3）推理机（Reasoning Machine）。推理机针对当前问题的条件或已知信息，反复匹配知识库中的规则，获得新的结论，以得到问题求解结果。在这里，推理方式可以有正向和反向推理两种。正向推理是从前件匹配到结论，反向推理则先假设一个结论成立，看它的条件有没有得到满足。由此可见，推理机就如同专家解决问题的思维方式，知识库就是通过推理机来实现其价值的。
4）解释器（explanator）。解释器能够向用户解释专家系统的行为，包括解释推理结论的正确性以及系统输出其他候选解的原因。解释器还能够根据用户的提问，对结论、求解过程做出说明，因而使专家系统更具有人情味。
5）人机交互接口（Interface）。接口又称界面，它能够使系统与用户进行对话，使用户能够输入必要的数据、提出问题和了解推理过程及推理结果等。系统则通过接口，要求用户回答提问，并回答用户提出的问题，进行必要的解释。
6）知识获取（Knowledge Acquiring）。知识获取是专家系统知识库是否优越的关键，也是专家系统设计的“瓶颈”问题，通过知识获取，可以扩充和修改知识库中的内容，也可以实现自动学习功能。
专家系统的工作过程：知识被事先存储在知识库中（有些专家系统也可以通过学习来获得知识），用户通过人机交互接口输入信息，专家系统则在原有知识库中的知识和所得信息的基础上，运用推理机和综合数据库的协调工作，完成推理过程，得出结论，最后以多媒体的形式将结论呈现给用户。
（2）专家系统的类型。
1）解释专家系统。解释专家系统的任务是通过对已知信息和数据的分析与解释，确定它们的含义。例如，卫星图像（云图等）分析、集成电路分析、DENDRAL化学结构分析、ELAS石油测井数据分析、染色体分类、PROSPECTOR地质勘探数据解释和丘陵找水等实用系统。
2）预测专家系统。预测专家系统的任务是通过对过去和现在已知状况的分析，推断未来可能发生的情况。例如，恶劣气候（包括暴雨、飓风、冰雹等）预报、战场前景预测、农作物病虫害预报等专家系统。
3）诊断专家系统。诊断专家系统的任务是根据观察到的情况（数据）来推断出某个对象机能失常（即故障）的原因。诊断专家系统的例子特别多，有医疗诊断、电子机械和软件故障诊断、材料失效诊断等。
4）设计专家系统。设计专家系统的任务是根据设计要求，求出满足设计问题约束的目标配置。设计专家系统涉及电路（如数字电路和集成电路）设计、土木建筑工程设计、计算机结构设计、机械产品设计和生产工艺设计等。
5）规划专家系统。规划专家系统的任务在于寻找出某个能够达到给定目标的动作序列或步骤。规划专家系统可用于机器人规划、交通运输调度、工程项目论证、通信与军事指挥、农作物施肥方案规划等。
6）监视专家系统。监视专家系统的任务在于对系统、对象或过程的行为进行不断观察，并把观察到的行为与其应当具有的行为进行比较，以发现异常情况，发出警报。监视专家系统可用于核电站的安全监视、防空监视与警报、国家财政的监控、传染病疫情监视、农作物病虫害监视与警报等。
7）控制专家系统。控制专家系统的任务是自适应地管理一个受控对象或客体的全面行为，使之满足预期要求。空中交通管制、商业管理、自主机器人控制、作战管理、生产过程控制和生产质量控制等都是控制专家系统的潜在应用方面。
8）调试专家系统。调试专家系统的任务是对失灵的对象给出处理意见和方法。调试专家系统的特点是同时具有规划、设计、预报和诊断等专家系统的功能。调试专家系统可用于新产品或新系统的调试，也可用于维修站进行维修设备的调整、测量与试验。在这方面的实例还很少见。
此外，还有决策专家系统和咨询专家系统等。
一、推理机的设计
推理机及其控制系统的设计，是根据知识表达、知识推理方法和推理控制策略，设计具有求解专门问题，进行推理、解释等功能的自动推理计算机软件系统。在设计中应考虑：
1.控制策略和推理方向选择
常用的控制策略有：
1)数据驱动控制：即正向推理，也称为由底向上控制、前向链控制。其主要优点是，允许用户主动提供有用的事实信息，而不必等到系统需要时才提供。其主要缺点是，系统为达到某个目标可能执行许多无用动作。
2)目标驱动控制：即反向推理，也称为由顶向下控制、反向链控制。其优点是：不必使用与总目标无关的规则，推理目的明确；同时还便于推理过程解释，能告诉用户所要达到的目标及为此而使用的规则。主要缺点是目标选择盲目，不允许用户主动提供有用信息来指导系统的推理过程。
3)混合控制：即数据驱动与目标驱动相结合，由数据驱动选择目标，而由目标驱动进行求解，也称为双向推理。其混合方式有：正反向同时推理；正反向非精确推理；单步正向、全局反向推理；生成与测试混合推理等。
4)元控制。利用“元知识”，建立“元知识库”，设计“元推理机”。用于指导和控制一般推理机的工作，称为“元控制”。
2.选择与结合
知识推理方法选择与知识表达方法有关，表达方法的结合也导致推理方法的结合。启发推理和算法推理相结合可以取长补短。如：
1)启发推理：用于浅层知识、常识性知识、不确定性知识推理等。
2)算法推理：用于深层知识、数学模型、确定性逻辑推理等。
3.推理效果和推理效率(这是推理机设计的两个指标)
1)推理效果：即推理机的正确性和有效性。对可解的问题能求得解答，能正确利用和选取知识，控制和中止推理过程，避免“死循环”。
2)推理效率：即推理速度和求解的时间问题。为了提高推理效率，要充分利用启发信息，降低推理和控制的时间耗费，实现最经济推理。
二、推理机的自动推理方法
推理是指依据一定的原则从已有的事实推出结论的过程，这个原则就是推理的核心。专家系统中的自动推理是知识推理。而知识推理是指在计算机或智能机器中，在知识表达的基础上，进行机器思维，求解问题，实现知识推理的智能操作过程。
自动推理是有效地、充分地利用专家知识的基础。一个专家系统要以知识表示、知识推理、知识获取为基础。其中，知识表示和知识获取是必要的前提条件，而推理则是专家系统中问题求解的主要手段，是使问题从初始状态转移到目标状态的方法和途径，推理的过程就是问题求解的过程。按照问题求解推理过程的推理方向，有如下3种自动推理方法：
1.正向推理
正向推理是由原始数据出发，按照一定策略，运用知识库中专家的知识，推断出结论的方法。这种推理方式由于是由数据到结论，所以也叫数据驱动策略。
正向推理的步骤是：首先由用户提供一批事实，存放到暂存器中去，然后：
1)用这批事实与知识库中规则的前提事实进行匹配。为此，首先将知识库中一条规则的前提事实取出来，尔后看这些前提事实是否都在暂存器中。若不全在，进行下一条规则的匹配；若全在，则这条规则匹配成功。
2)把匹配成功的规则的结论部分的事实作为新的事实加到暂存器中去(这时，暂存器中的事实增加了)。
3)再用更新后的暂存器中的所有事实。重复1)、2)两步，如此反复进行，直到结论(答案)或不再有新的事实加到暂存器中为止。
图4-6是正向推理设计的示意图，图中K为规则的总数目。
2.反向推理
反向推理是先提出假设(结论)，然后去找支持这个结论的证据的方法，这种由结论到数据的策略称为目标驱动策略。
图4-6 专家系统正向推理示意图
反向推理首先由用户或系统提出一个(或一批)假设，然后系统逐一验证这些假设的真实性。其步骤是：
1)先验证所提假设是否在暂存器中，若这则假设成立，这时推理过程结束或进行下一个假设的验证明，否则，进行下一步。
2)判断所验证的假设是否是证据结点，若是，系统就提问用户，让用户来回答。否则就进行下一步；
3)找出结论部分包含这个假设的那些规则，把它们的所有前提部分的事实都作为新的假设；
图4-7 专家系统反向推理示意图
4)重复1)、2)、3)步直到某一个假设成立为止，或所有假设都不成立，系统回答失败。
根据上述推理步骤，反向推理设计的示意图如图4-7所示。
3.正反向混合推理
一般是先根据暂存器中的原始数据，通过正向推理，帮助系统提出假设，再运用反向推理，进一步寻找支持假设的证据。如此反复，这个过程就是正反向混合推理。
