Contribution to automatic synthesis of formal theories of production systems and virtual enterprises

Abstract

Formal Theories (FTs) have proved their utility in “traditional” engineering areas. They permit analytical derivation of the specified system’s performance even before the system’s actual physical implementation. This is of great help giving the system’s designer and user to critical insight into the system being implemented, but before actually investing resources. However, concerning the “state-of-the-art” of the development of a FT of production systems (PS) or Virtual Enterprise (VE), we are not aware of any consistent and rigorous approach in this direction, except the initial results managed in the Centre of Production and Systems Engineering at the University of Minho. It is commonly perceived that the FTs are difficult to understand (from the cognitive point of view), difficult to learn, and therefore, difficult to develop. In terms of complexity theory, the formal theory development process is considered as a highly complex problem. Also, it is difficult to cover all the user requirements while developing a FT. On the other hand, the lack of a Formal Theory of production systems and VE is a serious obstacle to effective and efficient development, and application, especially of advanced and emerging production systems and VE concepts. In the modern times, these are the great drivers of economy and encourage innovation as well as entrepreneurship. A FT also permits an analytical synthesis, i.e. design, of the system through formal methods. This guarantees the fulfilment of the system design objectives. These are the motivational factors behind the presented thesis. The principal objective of the presented thesis is the validation of the scientific thesis concerning the problem of automatic synthesis and use of FT of production systems and VE. For the automatic synthesis of FT, the inductive inference approach is selected because of its ability to “learn” effectively from a set of examples (comparable to real-life case studies or hypothetical/abstract models for the purpose of learning). The Formal Theories are modelled through Formal Grammar and thus the problem of automatic synthesis of FT is actually reduced to the problem of Grammatical Inference. There are several methods for Grammatical Inference for different classes of formal grammars. For the presented work, the Context-free class of grammar was selected to model the intended formal theories of production systems and virtual enterprises. Through a machine learning algorithm, the formal theories were “learned” and these learned (synthesised) formal theories could generate other more complex architectures than the ones used for learning. Several experiments were carried out and a quantitative as well as qualitative analysis was carried out. The analysis of experiments’ results showed that the approach proved to be effective and with potential for real-life applications for synthesis of formal theories for virtual enterprise and similar architectures.

As Teorias Formais (TFs) têm provado a sua utilidade nas áreas de engenharias tradicionais. Elas permitem uma análise derivativa do desempenho de um sistema específico mesmo antes da sua implementação física. Isto é de grande ajuda, oferecendo ao criador e utilizador do sistema uma visão crítica sobre o sistema a ser implementado, antes de investir em recursos. No entanto, e no que diz respeito ao estado da arte do desenvolvimento da TF de sistemas de produção (SP) ou Empresa Virtual (EV), não se está consciente de qualquer abordagem consistente e rigorosa nesta direção, com exceção aos resultados obtidos pelo Centro de Engenharia de Sistemas de Produção da Universidade do Minho. Regra geral, TFs são difíceis de compreender (do ponto de vista cognitivo), difíceis de aprender e, por isso, difíceis de desenvolver. No âmbito da teoria da complexidade, o processo de desenvolvimento da teoria formal é considerado um problema de elevada complexidade, bem como de difícil satisfação de todas as necessidades dos utilizadores. Por outro lado, a ausência da Teoria Formal de SP e de EV é um obstáculo para o desenvolvimento e aplicação eficaz e eficiente, especialmente para os conceitos de SP avançados e emergentes e de EV. Nos tempos que correm, estes são os grandes motores da economia e inovação, bem como o empreendedorismo. A TF permite também uma síntese analítica, isto é o design do sistema a partir de métodos formais, garantindo que os objetivos deste sejam alcançados. Estes são os fatores motivacionais por detrás da presente tese. O principal objetivo é a validação da tese científica relativo ao problema da síntese automática e uso de TF de SP e EV. A abordagem da inferência indutiva é selecionada, para a síntese automática da TF, devido à sua capacidade de “aprender” efetivamente a partir de um conjunto de exemplos (comparável com casos de estudos da vida real ou modelos hipotéticos/abstratos para o propósito da aprendizagem). As TFs são modeladas através de Gramática Formal e, por isso, o problema da síntese automática da TF é reduzido atualmente ao problema da Inferência de Gramática, para a qual existem vários métodos para diferentes classes de gramaticas formais. Para o presente trabalho, a classe de gramática livre de contexto foi selecionada para modelar as teorias formais pretendidas de SP e EV. A partir de um algoritmo de “machine learning”, as teorias formais são “aprendidas” e estas teorias formais aprendidas (sintetizadas) podem gerar outras arquiteturas mais complexas do que as que foram usadas para aprender. Várias experiências foram levadas a cabo, bem como uma análise quantitativa e qualitativa. A análise dos resultados das experiências mostraram que a abordagem provou ser eficaz e com potencial para aplicações na vida real, para a síntese de TFs para EV e arquiteturas similares.