Поехали: как управление знаниями помогает развитию космической отрасли

В космической отрасли, как и в любой наукоемкой сфере, обрабатываются и анализируются колоссальные объемы информации. Эффективное управление знаниями и использование данных в качестве ключевого актива необходимы для обеспечения технологического лидерства и повышения конкурентоспособности. Разбираемся, как ИТ-системы помогают российской ракетно-космической индустрии структурировать информацию и извлекать из нее практическую пользу.

Актуальность управления знаниями

Система управления знаниями обеспечивает доступ к точным данным, на основе которых специалисты могут принимать более объективные и при этом оперативные решения. В ракетно-космической отрасли сегодня заметны три ярких тенденции:

1) Рост объемов информации

Количество технических документов, отчетов, научных публикаций, регламентов и других данных стремительно увеличивается, что затрудняет их обработку и анализ. Причем, по нашим оценкам, 80% всей информации поступает в организации в неструктурированном виде — в электронных письмах, отчетах с графиками и научных статьях, нормативных актах, веб-страницах, аудиозаписях и т.д.

2) Ускорение технологического прогресса

Сегодня темпы развития технологий значительно ускорились, что требует от специалистов постоянного обновления знаний и оперативной адаптации к изменяющимся условиям.

3) Необходимость принимать сложные решения в условиях неопределенности

Космические проекты сопряжены с высокими рисками и требуют принятия взвешенных решений на основе анализа большого объема информации. Это, в свою очередь, занимает много времени, не позволяет специалистам оперативно реагировать. Важно также учитывать, что с уходом ключевого специалиста, который отвечает за какую-то предметную область, большой пласт знаний теряется, даже если все тщательно задокументировано. Если документы хранятся несистемно, без возможности контекстного поиска, новый сотрудник не в состоянии их быстро изучить или найти в них ответ на актуальный вопрос. Соответственно, он может допускать ошибки, что влечет потенциальные потери.

Особенности документации в ракетно-космической отрасли

Здесь действуют строгие отраслевые требования: необходимо, чтобы документация соответствовала многочисленным стандартам. Например, действует отдельный ГОСТ Р 56106-2014, который устанавливает общие требования к разработке, оформлению, построению, содержанию, порядку согласования, введению в действие, изданию и внесению изменений в экономические документы стартовых и технических комплексов ракетно-космической отрасли.

Из-за обилия стандартов и сложных взаимозависимостей документов специалисты профильных институтов при разработке технических заданий, проектов и их реализации сталкиваются со следующими проблемами:

• Возможность субъективных суждений. Расплывчатые или неясные формулировки приводят к различному толкованию и затрудняют работу с документацией. Например, словосочетание «высококачественное оборудование» без указания конкретных параметров может привести к неоднозначным трактовкам. Разные специалисты поймут под «высококачественным» разные вещи, например, долговечность или скорость работы. Это затрудняет унификацию требований и их выполнение. Если в документации не хватает четких, конкретных формулировок, это вызывает дополнительные трудности при реализации проекта.
• Противоречивая терминология. Различия в понятиях могут повлечь за собой дальнейшее несоответствие при упоминании термина в документах. Например, в одном документе используется определение «стандартный», в то время как в другом — «универсальный». Оба слова кажутся схожими, но на самом деле они могут иметь разные значения в контексте использования материалов в космической отрасли. Это различие в терминах вызывает путаницу, особенно когда оба слова применяются в одном проекте.
• Противоречивые требования. Из-за них могут возникать расхождения. Например, в одном документе указано, что «компоненты должны выдерживать температуру от –50°C до +150°C», в другом — «температурный режим эксплуатации — от 0°C до +150°C». Эти два требования противоречат друг другу, и решение, какому из них придерживаться, может быть неочевидным для инженеров и специалистов. Это создаст дополнительные сложности в разработке и тестировании системы.
• Перекрывающиеся требования. Некоторые тезисы могут дублироваться, в то время как другие — частично или полностью противоречить друг другу. Например, в одном пункте может быть сказано, что «все элементы системы должны быть заземлены», а в другом — «защита от перенапряжений должна быть установлена на всех входах системы». Эти два требования могут частично дублироваться: защита от перенапряжений вряд ли будет эффективной, если элементы системы не заземлены, и наоборот, наличие заземления не исключает необходимость защиты от перенапряжений. Тем не менее, два документа могут требовать эти меры по отдельности, что создает дублирование и приводит к избыточным усилиям и затратам при реализации.

Таким образом, огромный объем технических документов и требований, а также их взаимосвязанность парадоксальным образом увеличивают вероятность упущений. Эти несоответствия достаточно трудно обнаружить вручную, если они разбросаны по многочисленным страницам документации.

Интеллектуальные решения

Системы управления знаниями охватывают все этапы работы с информацией. Процесс начинается с унификации обработки текстовой информации, которая поступает в любых форматах и из разных источников. Затем создается единое контролируемое цифровое пространство. Искусственный интеллект в этом случае — отличный инструмент, который облегчает доступ к информации и помогает эффективно ее обрабатывать. Технологии ИИ, использующиеся в подобных системах, необходимы для глубокого понимания смысла текстов — ведь одно и то же понятие или идея могут быть описаны десятками способов. 

Комплексный подход к анализу, на наш взгляд, включает следующие этапы:

• Распознавание текстов из разных источников. Технологии оптического распознавания текста (OCR) и интеллектуального анализа позволяют извлекать информацию из различных источников, включая PDF-файлы, сканы, чертежи, рукописные тексты и т.д. То есть обработка разных форматов представления текста, включая графический — надписи на рисунке или чертеже — тоже могут представлять большую ценность и служить ключом при поиске информации.
• Синтаксический и смысловой анализ текста. Система анализирует грамматическую структуру текста, устанавливает связи между словами и создает синтаксическую модель, что необходимо для дальнейшего смыслового анализа. Если текст структурирован плохо, предварительно проводится его разметка и упорядочивание. Семантический анализ интерпретирует значения слов в контексте, определяет тему и выявляет смысловые связи, позволяя разрешать неоднозначности и формировать векторные представления текста.
• Классификация и кластеризация. На этом этапе система выделяет ключевые понятия, по которым текст можно отнести к определенной категории или группе. Кластеризация позволяет организовать тексты без заранее заданных категорий. Так, система может автоматически обрабатывать различные виды документации из множества источников: деловая переписка, архивы, системы электронного документооборота (СЭД), сервисы управления корпоративным контентом и т.д. Этап классификации и структурирования важен для маршрутизации документов и информации по соответствующим категориям или подразделениям.
• Онтологический анализ. Онтологии представляют собой структурированные базы знаний, которые описывают понятия и отношения между ними. Построение онтологий позволяет систематизировать знания в конкретной предметной области и обеспечить их эффективное использование.
• Стилистический анализ. На финальном этапе система проводит анализ языковых и визуальных особенностей текста. Оцениваются тональность, степень формальности, а также акцентируется внимание на стилистических ошибках, и даются рекомендации к их исправлению.

На базе обработанной информации, которая проходит через все этапы анализа, создается цифровая среда, которая служит основой для работы систем управления знаниями. Они могут выполнять сразу несколько функций:

1. Обработка и проверка документации позволяет автоматизировать поиск несоответствий, противоречий и ошибок в текстах, а также осуществлять проверку комплексности пакета документов, обеспечивая их точность и соответствие стандартам.

2. Интеллектуальный поиск обеспечивает доступность, актуальность и точность информации для сотрудников на всех уровнях. Системы интеллектуального поиска позволяют находить за секунды нужную информацию в больших массивах данных, используя различные критерии поиска.

3. Вопросно-ответные системы (чат-боты) обрабатывают запросы на естественном языке, а также составляют ответы на вопросы, заданные на естественном языке, обращаясь к базам данных с цитированием или без цитирования источника.

4. Генерация контента — возможность создавать контент на основе обработанной информации, например, формировать аннотацию текстов, ментальные карты, глоссарии, прогнозы, ответы на обращения и др.  

Кейс заказчика: САТСПИН — система управления знаниями для Роскосмоса

SL Soft в интересах Роскосмоса разработала прототип системы анализа технических стандартов на противоречия и несоответствия (САТСПИН), реализованный на основе платформы SL Soft AI. Основная цель решения — выявлять и уменьшать количество противоречий и нестыковок в нормативно-регулирующих документах, снижать трудозатраты на проведение их ручного анализа, а также повысить взаимную согласованность терминов и понятий предметной области ракетно-космической техники.

САТСПИН позволяет анализировать документы, например технические стандарты, ГОСТы; разделять их на отдельные части для дальнейшего использования системой. Также она автоматически выстраивает лингвистическую онтологию — обширную базу данных, которая описывает связи между словами, терминами и их значениями, что обеспечивает понимание и интерпретацию смысла текстов. На ее основе строится функциональная онтология, которая помогает определить, какие действия выполняют те или иные объекты, элементы системы. Для администраторов доступен интерфейс управления онтологией, включая ее расширение и модификацию в ручном режиме.

В систему интегрирована функциональность выявления противоречий и несоответствий. К ней относятся:

• Проблемы с терминами: отсутствие определений, расхождения в них, различия в расшифровке аббревиатур и т.д.
• Нечеткие формулировки: оценочные суждения и неизмеримые требования, жаргонизмы, открытые перечни и т.д.
• Числовые расхождения: несовпадение единиц измерений, числовых диапазонов, погрешностей, размерностей и т.д.
• Нарушения в логике: несоответствия в последовательности («сначала A, затем B» в одном требовании, «сначала B, затем A» в другом), несоответствия «часть-целое» («A часть B» в одном требовании, «B часть A» в другом), несоответствия в модальности («А запрещено» в одном требовании, «А допускается» в другом).
• Прочие нарушения: некорректные ссылки, дублирование требований и другое.

Одна из ключевых задач развития САТСПИН — обеспечение точного нахождения нужных знаний, которые часто находятся в разных источниках.

Также со специалистами Роскосмоса активно ведутся работы по созданию функциональности для мониторинга и анализа перспектив научно-технического развития. В систему будут загружаться патенты, новостные статьи, научные публикации, материалы поставщиков, после чего будут проводиться лексический и тематический анализ, что позволит выявлять тенденции в публичном и научном пространствах. Особенно это полезно при исследовании мировых трендов. Например, на графике видно, что термин «аддитивное производство» появляется в российских источниках лишь в 2010 году, на 13 лет позже, чем в зарубежных исследованиях.

Эта функция позволит выявлять новые тенденции и возможности, а также принимать своевременные меры для адаптации к изменяющимся условиям.

Помимо этого, функциональность системы дополнит анализ чертежей (он будет проходить в три этапа: первый — оцифровка, сопоставление с текстовыми описаниями и перевод в 3D; второй — построение каталога 3D-моделей; третий — нахождение по текстовым описаниям деталей их изображений на чертежах и в 3D-моделях и наоборот), а также создание технических заданий на проектирование новых систем на основе написанных требований к ним. В будущем объединение этих двух функций (анализ чертежей и создание ТЗ на основе требований) позволит создать на основе САТСПИН систему, способную обмениваться 3D-моделями с системами CAD и CAE, что позволит осуществлять генеративное проектирование деталей на основе заданных требований к ним.

Управление знаниями — важное условие для развития ракетно-космической отрасли. Системы, подобные САТСПИН, показывают, как искусственный интеллект может трансформировать анализ нормативной документации и ее стандартизацию. Такие решения помогают экономить время, повышают согласованность требований технической документации и точность проектирования, что критически важно для ракетно-космической отрасли.

Использование ИИ-платформ, подобных SL Soft AI, позволяет крупным организациям эффективно управлять знаниями, предоставляя сотрудникам быстрый доступ к нужной информации и автоматизируя бизнес-процессы.