DE4108310C2

DE4108310C2 - Verarbeitungssystem für eine Wissensbank in einem Expertensystem

Info

Publication number: DE4108310C2
Application number: DE4108310A
Authority: DE
Inventors: Seiitsu Nigawara; Shigeaki Namba; Hiroshi Kohmoto
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1990-03-14
Filing date: 1991-03-14
Publication date: 1998-10-22
Anticipated expiration: 2011-03-15
Also published as: DE4108310A1; US5493729A; JP3268529B2; JPH03263227A

Description

Die Erfindung betrifft ein Verarbeitungssystem für eine Wissensbank in einem Expertensystem, bei dem Gewißheitsfaktoren, die jeweils den Grad eines ursächlichen Zusammenhangs zwischen zwei gegebenen Ereignissen ausdrücken, gespeichert werden.

Ein System ähnlicher Art ist in JP 1-229 330 A beschrieben. Bei diesem bekannten System wird ein von einer Schlußfolgerungsmaschine gezogener Schluß von einem Benutzer als richtig oder falsch beurteilt, der den Gewißheitsfaktor einer in der Wissensbank gespeicherten Regel durch die Eingabe einer entspre chenden Information korrigiert. Die Korrektur der Gewißheitsfaktoren beruht daher bei diesem bekannten System auf einer subjektiven Beurteilung durch den Benutzer.

Weiter ist es aus JP 60-8902 A bekannt, in einer Steuerung nach Ausfüh rung eines regelbasierten Steuerungsprozesses, dessen Regeln in einer Wissens bank gespeichert sind, anhand einer Steuergröße einen Evaluierungsindex zu gewinnen und diesen anschließend in die Regel einzubauen, um so den Regel bestand der Wissensbank fortzuschreiben.

Ferner ist aus US 4 754 410 ein Expertensystem bekannt, bei dem in einem Arbeitsspeicher enthaltene Regeln für die Durchführung bestimmter Prozesse auf der Basis von tatsächlich festgestellten Ereignissen automatisch fortgeschrie ben werden können.

Der Erfindung liegt die Aufgabe zugrunde, ein Verarbeitungssystem zu schaffen, das in der Lage ist, die Zuteilung und Fortschreibung von Gewiß heitsfaktoren allein nach objektiven Kriterien, also unabhängig von einer subjektiven Beurteilung durch einen Benutzer vorzunehmen und so Schlußfol gerungen von hohem Zuverlässigkeitsgrad zu ermöglichen.

Die gestellte Aufgabe wird gemäß der Erfindung gelöst durch ein Verar beitungssystem, wie es im Patentanspruch 1 im einzelnen angegebenen ist; vor teilhafte Ausgestaltungen und Weiterbildungen der Erfindung ergeben sich aus den Unteransprüchen.

Das Verarbeitungssystem gemäß der Erfindung zeichnet sich insbesondere durch die nachstehend aufgeführten Vorteile aus:

1. Die laufende Aktualisierung der Gewißheitsfaktoren aufgrund tatsächlich festgestellter Ereignisse bzw. Erfahrungen führt zu Schlußfolgerungen erhöhter Gewißheit.
2. Die Ausschaltung der subjektiven Beurteilung durch einen Benutzer oder Wissensingenieur ermöglicht eine Automatisierung der Gewißheitsfaktor verwaltung.
3. Die Anzeige der Gewißheitsfaktoren in Ebenen ermöglicht ein schnelles Eingreifen im Störungsfall.
4. Die Häufigkeit der tatsächlich festgestellten Ereignisse oder Erfahrungen läßt sich für die Auswertung der Schlußfolgerungen verwenden und gestattet damit eine stabile Aktualisierungsverarbeitung.
5. Auf der Grundlage von Information über die Entwicklung der Gewißheits faktoren läßt sich eine zusätzliche Wissenshilfsinformation gewinnen.

Die Erfindung wird im folgenden anhand bevorzugter Aus führungsformen mit Bezug auf die Zeichnungen näher erläu tert; es zeigen:

Fig. 1 ein Blockschaltbild zur Erläuterung der Lage ei nes erfindungsgemäßen Verarbeitungs systems für eine Wissensbank in einem Expertensystem zum Schließen auf Ursachen/Wirkungen eines Ereignisses;

Fig. 2 ein Blockschaltbild zur Erläuterung des Gesamt aufbaus des erfindungsgemäßen Verar beitungssystems;

Fig. 3 eine schematische Erläuterung eines Verfahrens zur Darstellung eines Baumdiagramms;

Fig. 4 eine schematische Erläuterung einer beispielhaf ten Schlußfolgerung in Inferenzbäumen, die von verschiedenen Endereignissen ausgehen;

Fig. 5 eine begriffliche Darstellung der Aktualisie rungsverarbeitung für eine Gewißheitsfaktor-Ver teilungskurve;

Fig. 6 eine funktionale Darstellung der Aktualisierungs verarbeitung von Gewißheitsfaktoren;

Fig. 7 eine schematische Darstellung eines Beispiels ei ner Aktualisierungsabbildung für Gewißheitsfakto ren;

Fig. 8 ein Flußdiagramm einer Aktualisierungsverarbei tung von Gewißheitsfaktoren;

Fig. 9 eine funktionale Darstellung eines Gewißheitsfak tor-Sortierers;

Fig. 10 eine Darstellung der Beziehung zwischen histori scher Information über einen Gewißheitsfaktor und den Intensitäten der beobachteten physikalischen Größen; und

Fig. 11 eine Erläuterung einer beispielhaften Anwendung der vorliegenden Erfindung auf ein Wärme- Elektrizitätskraftwerk.

In Fig. 1 ist ein Verarbeitungssy stem 1000 nach der vorliegenden Erfindung in einem Gesamtsystem ge zeigt.

Ein herkömmliches Expertensystem 5000 zum Schließen auf Ursachen/Wirkungen eines Ereignisses besitzt den folgen den Aufbau. Ein Benutzer 6100 gibt über eine Schnitt stelle 5100 und einen Bus 4030 an eine Schlußfolgerungs maschine 5200 einen Schlußfolgerungsbefehl 4010. Die Schlußfolgerungsmaschine 5200 gibt einen Wiederauffin dungsbefehl 4050 für Wissensdaten, die für die Schlußfol gerung erforderlich sind, an eine Wissenbank 5300 aus, wobei die gewünschten Wissensdaten 4060 in die Schlußfol gerungsmaschine 5200 eingelesen werden. In der Schlußfol gerungsmaschine 5200 wird eine Schlußfolgerungsoperation, beispielsweise auf der Grundlage von Gewißheitsindizes (die im folgenden mit "Gewißheitsfaktoren" bezeichnet werden) in einem beim Schließen auf Ursachen/Wirkungen eines Ereignisses üblicherweise verwendeten Baumdiagramm ausgeführt, wobei die Ergebnisse 4040 der Schlußfolgerung über einen Bus 4020 an den Benutzer 6100 geliefert wer den. Inzwischen untersucht ein Wissensingenieur 6200 selbst, ob die Ergebnisse der Schlußfolgerung gut oder schlecht sind. Wenn der Wissensingenieur zu dem Schluß kommt, daß in der Wissensbank 5300 Raum für Verbesserun gen ist, liest er über eine Schnittstelle 5400 eine In formation 4090 über die Wissensbank aus und schickt über einen Bus 4080 an die Wissensbank 5300 einen Wissensbank- Verwaltungsbefehl 4100, der auf der Grundlage der Ergeb nisse der Untersuchung des Wissensingenieurs die Aktuali sierung der Gewißheitsfaktoren oder die Modifikation der Architektur des Baumdiagramms für das Schließen auf Ursa chen/Wirkungen des Ereignisses in der Wissensbank 5300 befiehlt, wodurch eine Verwaltung oder Wartung ausgeführt wird.

Das Wissensbank-Verarbeitungssystem 1000 ist in Fig. 1 in dem durch die Strichpunktlinie umrahmten Bereich gezeigt. Das System ist im wesentlichen aus zwei Hauptteilen auf gebaut, wovon einer ein Gewißheitsfaktor-Aktualisierungs prozessor 2000 und der andere ein Wissensbank-Verarbei tungsinformationsgenerator 3000 ist, der der Erzeugung historischer Information über die Gewißheitsfaktoren oder dergleichen dient. Diese zwei Teile werden zusammengenom men mit "Wissensbank-Verarbeitungssystem 1000" bezeich net. Um im Zusammenhang mit Fig. 1 eine Verwirrung zu vermeiden, wird festgestellt, daß die vom Benutzer 6100 oder von der Schlußfolgerungsmaschine 5200 in das System 1000 eingegebene Information mit 4200 und die vom System 1000 an den Benutzer 6100 oder die Schlußfolgerungsma schine 5200 ausgegebene Information mit 4300 bezeichnet wird, während die vom Wissensingenieur 6200 oder von der Wissensbank 5300 in das System 1000 eingegebene Informa tion mit 4400 und die vom System 1000 zum Wissensingeni eur 6200 oder zur Wissensbank 5300 ausgegebene Informa tion mit 4500 bezeichnet wird.

Der Gewißheitsfaktor-Aktualisierungsprozessor 2000 er stellt Gewißheitsfaktoren, die für die Schlußfolgerung verwendet werden sollen und die jedes am Anwendungsgegen stand des Expertensystems 5000 tatsächlich aufgetretene Ereignis berücksichtigen, wobei diejenigen Gewißheitsfak toren, die eine sicherere Schlußfolgerung zulassen, neu definiert werden.

Die Hauptfunktion des Wissensbank-Verarbeitungsinformati onsgenerators 3000 besteht darin, sekundäre Information wie etwa Information über die Geschichte der Wahrschein lichkeitsaktualisierung und Information über deren Bezie hungen, d. h. Informationen, die das Ergebnis des Heraus findens gemeinsamer Trends aus einer Mehrzahl von Elemen ten von historischer Information darstellen, zu erzeugen. Eine weitere Funktion des Generators 3000 besteht darin, die so erzeugte Information mit einer von der Schlußfol gerungsmaschine 5200 ausgegebenen Schlußfolgerungsergeb nisinformation und mit am Anwendungsgegenstand 6000 des Expertensystems 5000 beobachteten Daten 4110 zu kombinie ren, sie in eine für den Benutzer 6100 und für den Wis sensingenieur 6200 geeignete Form zu bringen, beispiels weise in eine diagrammartige Darstellung mit einer Mehr zahl von gleichzeitig angezeigten Parametern in Abhängig keit von einer gemeinsamen Abszissenachse, und dann die so angeordneten Informationselemente an den Benutzer 6100 und an den Wissensingenieur 6200 zu liefern.

In Fig. 2 ist eine funktionale Darstellung des Verarbeitungssystems 1000 gezeigt. In dieser Dar stellung werden die Einzelheiten der Informationselemente 4200, 4300, 4400 und 4500, die zwischen den Schnittstel len 5100 und 5400 eingegeben bzw. ausgegeben werden, ge klärt, ferner wird in dieser Darstellung der Informati onsfluß zwischen den einzelnen Verarbeitungseinheiten ge zeigt.

Nun werden Einzelheiten der Information 4200, die über die Schnittstelle 5100 in das Wissensbank-Verarbeitungs system 1000 eingegeben werden, beschrieben. Die Einga beinformation 4110 stellt (historische) Daten dar, die am Anwendungsgegenstand des Expertensystems 5000 beobachtet werden, und wird an einen Gewißheitsfaktor-Aktualisie rungsberechner 2100, an einen Ereigniskorrelations-Dis kriminator 3300, an einen Schlußfolgerungsinformations- Anordnungsprozessor 3100 und dergleichen geschickt. Der Gewißheitsfaktor-Aktualisierungsberechner 2100 führt die Aktualisierung der Gewißheitsfaktoren entsprechend den Intensitäten der beobachteten Daten aus. Die Eingabein formation 4210 umfaßt Identifikationskennzahlen von Ursa che/Wirkungs-Elementen eines Ereignisses, auf die in der Schlußfolgerungsmaschine 5200 geschlossen worden ist, und ferner berechnete Werte der entsprechenden Gewißheitsfak toren. Die Eingabeinformation 4220 umfaßt tatsächliche Daten oder ein auf ein Ereignis sich beziehendes Proto koll, Ursache/Wirkungs-Elemente, die für das Schlußfolge rungsobjekt oder für das Diskriminierungsobjekt von Er eigniskorrelationen ausgewählt wurden. Die Eingabeinfor mation 4230 ist eine Ereignisbestimmungsinformation vom Benutzer. Die Eingabeinformation 4240 umfaßt Beobach tungsdaten für die Berechnung der Gewißheitsfaktoren von Ereigniswirkungen, wobei diese Gewißheitsfaktoren solchen Gewißheitsfaktoren entsprechen, die zum Schließen auf Ur sachen der Ereignisse benützt werden. Die Eingabeinforma tion 4240 wird an einen Ereignisvorhersageprozessor 2300 geliefert. Die Eingabeinformation 4225 umfaßt ein Schluß folgerungsergebnis-Anzeigeformatmenü, das zur Erzeugung eines vom Benutzer gewünschten Schlußfolgerungsergebnis- Anzeigeformats im Schlußfolgerungsinformations-Anord nungsprozessor 3100 verwendet wird, und eine Anleitung für die Funktion erschlossener Ursachen.

Die Ausgabeinformation 4300 vom Verarbeitungssystem 1000 zur Schnittstelle 5100 umfaßt Schlußfolgerungsergebnisse von Ursachen/Wirkungen des Ereignisses, die im Schlußfol gerungsinformations-Anordnungsprozessor 3100 enthalten worden sind.

Die Eingabeinformation 4400, die von der Schnittstelle 5400 in das Verarbeitungssystem 1000 geliefert wird, um faßt ein Hilfsinformation-Anzeigewählmenü 4410 und eine für die Initialisierung der Gewißheitsfaktoren verwendete Initialisierungsinformation 4460. Das Menü 4410 wird dazu verwendet, in einem Wissensingenieur-Hilfsinformations- Anordnungsprozessor 3200 Hilfsinformation zu erzeugen, die vom Wissensingenieur gewünscht wird.

Die Ausgabeinformation 4500 des Verarbeitungssystems 1000 an die Schnittstelle 5400 umfaßt eine Datenbank-Spei cherinformation 4420, die wiederum aktualisierte Gewiß heitsfaktoren und eine begleitende Information über tatsächlich aufgetretene Ereignisse umfaßt, eine Wissens ingenieur-Hilfsinformation 4430, die vom Wissensingeni eur-Hilfsinformation-Anordnungsprozessor 3200 erzeugt wird, und eine Gewißheitsfaktor-Initialisierungsinforma tion 4480, die in der Wissensbank gespeichert werden soll.

Die von der Schlußfolgerungsmaschine 5200 (siehe Fig. 1) berechneten Werte 4210 der Gewißheitsfaktoren für die Schlußfolgerungslinien (einschließlich der Gewißheitsfak toren für die einzelnen Zwischenereignispfade) werden in einen Gewißheitsfaktor-Sortierer 2400 und in eine Diagno sewirkungsgrad-Berechnungseinheit 2200 eingegeben. Die berechneten Werte 4210 werden der Reihe nach angeordnet und dann als gestufte Gewißheitsfaktor-Information 4215 in den Schlußfolgerungsinformations-Anordnungsprozessor 3100 eingegeben.

In einem Speicher 1100 zum Speichern der Geschichte tatsächlicher Ereignisse wird die Information 4220 über tatsächliche Ereignisse, die aus der Wissensbank abgelei tet wird, gespeichert. Dieser Speicher 1100 gibt eine be stimmte Häufigkeit 4221 der Erfahrung eines Ereignis-Ur sachen/Wirkungs-Elements insbesondere in die Diagnosewir kungsgrad-Berechnungseinheit 2200 und eine historische Information 4222 über tatsächliche Ereignisse, d. h. die relevanten Gewißheitsfaktoren, die Beobachtungsdaten und die Protokolle zum Zeitpunkt der vergangenen Schlußfolge rung sowohl in den Schlußfolgerungsinformation-Anord nungsprozessor 3100 als auch in den Wissensingenieur- Hilfsinformation-Anordnungsprozessor 3200 ein.

Der Gewißheitsfaktor-Aktualisierungsberechner 2100 emp fängt die Wahrscheinlichkeitfaktor-Information 4210, die vom Benutzer eingegebene Ereigniserfahrungsinformation 4230 und die Beobachtungsdaten 4110 vom Anwendungsgegen stand 6000 des Expertensystems, führt auf der Grundlage einer im voraus gesetzten Gewißheitsfaktor-Aktualisie rungsabbildung eine Aktualisierung aus und gibt aktuali sierte Gewißheitsfaktoren 4250 aus.

Die Anfangswerte 4470 der Gewißheitsfaktoren und die ak tualisierten Gewißheitsfaktoren 4250 werden in einen Speicher 1200 für die Geschichte der Gewißheitsfaktoren eingegeben und dort gespeichert. Sie werden je nach Be darf als historische Gewißheitsfaktor-Information 4440 ausgegeben. Es wird jedoch darauf hingewiesen, daß kein Problem oder kein Nachteil entsteht, wenn die historische Gewißheitsfaktor-Information 4440 selbst in der Wissens bank 5300 gespeichert wird. In diesem Fall sollte die hi storische Gewißheitsfaktor-Information anstatt in den Speicher 1200 für die historische Gewißheitsfaktor-Infor mation direkt in die Wissensbank 5300 (siehe Fig. 1) ein gegeben und von dieser ausgegeben werden.

Die Diagnosewirkungsgrad-Berechnungseinheit 2200 empfängt die bestimmte Häufigkeit 4221 der Erfahrung eines jeden Ereignis-Ursache/Wirkungs-Elements und die Gewißheitsfak tor-Information 4210 und gibt als Rechenergebnisse einen Diagnosewirkungsgrad 4260 der Schlußfolgerung zu einen bestimmten Zeitpunkt aus.

Der Diagnosewirkungsgrad 4260 wird in einen Speicher 1300 für die Geschichte der Diagnosewirkungsgrade eingegeben und bei Bedarf als historische Diagnosewirkungsgrad-In formation 4450 ausgegeben. Die Speicherung der histori schen Diagnosewirkungsgrad-Information 4440 in der Wis sensbank 530 wird auf ähnliche Weise wie die oben be schriebene Speicherung im Speicher 1200 für die histori sche Gewißheitsfaktor-Information ausgeführt.

Der Ereigniskorrelations-Diskriminator 3300 empfängt die historische Gewißheitsfaktor-Information 4440, die histo rische Diagnosewirkungsgrad-Information 4450 und die Be obachtungsdaten 4110 vom Anwendungsgegenstand des Exper tensystems. Der Diskriminator 3300 gibt dann eine Korre lationsinformation 4445 aus, die sich auf Schlußfolge rungsergebnisse wie etwa auf (1) Korrelationen zwischen Gewißheitsfaktoren der Linien im Baumdia gramm, die im Prinzip unabhängig voneinander im voraus gesetzt worden sind, (2) Korrelationen zwischen Beobach tungsdaten 4110 und Linien, die nicht in einer direkten Beziehung zu den Beobachtungsdaten 4110 gesetzt worden sind, (3) Korrelationen zwischen den Ge wißheitsfaktoren und den Diagnosewirkungsgraden und (4) gemeinsame Eigenschaften zwischen zwei zu vergleichenden Informationselementen bezieht.

Der Ereignisvorhersageprozessor 2300 gibt entsprechend den Gewißheitsfaktoren 4441, den Beobachtungsdaten 4110 vom Anwendungsgegenstand des Expertensystems und dem Er eignisvorhersagebefehl 4240 eine Ereignisauftrittswahr scheinlichkeit 4270 aus. Wie später beschrieben wird, de finieren die Gewißheitsfaktoren 4441 in Richtung ihrer Ausbreitung die Wahrscheinlichkeit des Auftretens von En dereignissen aus der Sicht des Anfangsereignisses (Ursache).

Der Schlußfolgerungsinformation-Anordnungsprozessor 3100 empfängt auf der Grundlage des vom Benutzer eingegebenen Schlußfolgerungsinformation-Anzeigewählmenüs 4225 die Be obachtungsdaten 4110 des Anwendungsgegenstandes des Ex pertensystems, die eingestufte Gewißheitsfaktor-Informa tion 4215, die Information 4221 über tatsächliche Ereig nisse, den Diagnosewirkungsgrad 4260 und die Ereignisauf trittswahrscheinlichkeit 4270 und gibt diese als angeord nete Schlußfolgerungsinformation und Gegenmaßnahmenanlei tung 4300 aus. Auf der Grundlage des Hilfsinformations- Anzeigewählmenüs 4410, das vom Wissensingenieur eingege ben wird, kombiniert der Wissensingenieur-Hilfsinforma tion-Anordnungsprozessor 3200 auf geeignete Weise die hi storische Information 4225 über tatsächliche Ereignisse, die historische Gewißheitsfaktor-Information 4440, die historische Diagnosewirkungsgrad-Information 4450 und die Ereigniskorrelationsinformation 4445 und gibt diese als Wissensingenieur-Hilfsinformation 4430 aus. Wenn die hi storische Gewißheitsfaktor-Information 4440 und die hi storische Diagnoswirkungsgrad-Information 4450 in der Wissensbank 5300 gespeichert werden, gibt der Prozessor 3200 zusätzlich diese Information als in der Datenbank zu speichernde Information (historische Gewißheitsfaktor-In formation und historische Diagnosewirkungsgrad-Informa tion) 4420 aus.

Bisher sind mit Bezug auf Fig. 2 die einzelnen Funktions einheiten und der Informationsfluß in Übersicht gebracht worden. Vor deren eingehender Beschreibung werden im fol genden ein Verfahren zur Darstellung des Baumdiagramms, das in der vorliegenden Ausführungsform verwendet wird, und der in dem Baumdiagramm enthaltenen Linien, ein Verfahren zur Anwendung der Gewißheitsfakto ren auf das Baumdiagramm (d. h. die Entsprechung des Ge wißheitsfaktors mit den Zwischenereignis-Verbindungen im Baumdiagramm), die Bereiche der Gewißheitsfaktoren, Defi nitionsbeispiele der Gewißheitsfaktoren, Bereiche der Ge wißheitsfaktor-Aktualisierungsabbildungen und Definiti onsbeispiele der Gewißheitsfaktor-Aktualisierungsabbil dungen beschrieben.

Die Ereigniselemente im Baumdiagramm 1020 können als Ele mente einer Matrix 1010 mit (N + 1) Reihen und M Spalten wie in Fig. 3 gezeigt eingebettet werden. Hierbei bedeu tet M die größte Anzahl von Ebenen im Baumdiagramm, wäh rend N die größte Anzahl von Elementen in einer gemeinsa men Ebene des Baumdiagramms darstellt. Ein Ereignisele ment in der i-ten Reihe und der j-ten Spalte wird bei spielsweise mit i_j bezeichnet. Das heißt, daß dieses Er eigniselement unter Verwendung der Spaltennummer j als Index in Kombination mit der Zeilennummer i dargestellt wird. Selbst wenn sie gleichzeitig mit anderen Elementen verwendet werden, werden sie unter Verwendung von i für eine Reihe und von j für eine Spalte durch i_j darge stellt. Die zusätzliche Reihe wird mit 0-te Reihe be zeichnet. Jedes Element der 0-ten Reihe besitzt die Funk tion eines Blindelements zur systematischen Darstellung einer unterbrochenen Linie. In den von der 0-ten Reihe verschiedenen Reihen stellen diejenigen Matrixelemente, die keinem der Ereigniselemente im ur sprünglichen Baumdiagramm entsprechen, ebenfalls Blinde lemente dar.

Zur Darstellung einer jeden Schlußfolgerungslinie wird die folgende Formel benutzt:

λ = (i₁, i₂..., i₁, ..., i_M) (1)

Das Zeichen λ in der obigen Formel stellt im folgenden ein beliebiges Element einer Menge Λ von Linien dar. Hierbei bezeichnet i₁ ein Anfangsereignisele ment, während i_M ein Endereigniselement bezeichnet.

Wie oben erwähnt, wird in Fig. 3 ein Darstellungsverfah ren für das Baumdiagramm erläutert. Mit dem Bezugszeichen 1010 ist ein Matrixausdruck der einzelnen Ereignisele mente im Baumdiagramm 1020 bezeichnet. Beispielsweise ist ein Ereigniselement 1060 im Baumdiagramm 1020 im Matrix ausdruck 1010 an der Stelle 1040 angeordnet. Im Matrix ausdruck 1010 stellen die schraffierten Elemente Blinde lemente dar. Beispielsweise ist das Ereigniselement 1050 ein exemplarisches Element, dem im Baumdiagramm kein Ele ment entspricht. Die Ereigniselemente, deren Reihennum mern wie diejenige des Elements 1030 0 sind, werden ver wendet, wenn unterbrochene Linien syste matisch dargestellt werden sollen. Hierbei besitzt der Ausdruck "unterbrochene Linie" die Bedeu tung einer Linie, die für die Berechnung eines Gewißheitsfaktors nützlich ist in einem Fall, in dem eine Linie nicht vollständig von der Ursache eines Ereignisses bis zu einem Endereignis ver bunden ist:

λ = (1₁, 2₂, 3₃, 3₄, 3₅) (2)

Das Endereignis 3₅ ist beobachtet worden, während das Er eignis 3₃ in der dritten Spalte ebenfalls bestimmt worden ist. Daher wird die unterbrochene Linie folgendermaßen dargestellt:

λ= (1₁, 2₂, 0₃, 3₄, 3₅) (3)

Jeder Gewißheitsfaktor ist beispielsweise so gegeben, daß er dem in Fig. 3 gezeigten Zwischenereignispfad 1070 ent spricht und folgendermaßen dargestellt wird:

F(1₁, 2₂) (4)

Das bedeutet, daß auf das Ereigniselement 1₁ vom Ereig niselement 2₂ geschlossen wird, was die Interpretation zuläßt, daß die obige Formel die Wahrscheinlichkeit der Richtigkeit der obigen Schlußfolgerung angibt. Folglich kann der Gewißheitsfaktor der Linie λ, die durch die Formel (2) dargestellt wird, durch die fol gende Formel ausgedrückt werden:

F(λ) = F(1₁, 2₂).F(2₂, 3₃).F(3₃, 3₄).F(3₄, 3₅) (5)

Wenn sich das Ereignis 1₁, das vom Ereignis 2₂ richtig erschlossen wird, und das Ereignis 2₁, das vom Ereignis 2₂ richtig erschlossen wird, gegenseitig ausschließen, kann die durch die folgende Formel ausgedrückte Beziehung aufgestellt werden:

F(1₁, 2₂) + F(2₁, 2₂) = 1 (6)

In bezug auf die Linie λ kann die fol gende Formel bezüglich der Linien Λ(i₁, 3₅) für sämtliche möglichen Anfangsereignisse aus gehend vom Ereigniselement 3₅ abgeleitet werden:

Σ_{λ∈Λ(i1, 3₅)} F(λ) = 1 (7)

wobei Λ(i₁, 3₅) die Bedeutung einer Menge von Linien besitzt, die sich vom als Startpunkt die nenden Endereignis 3₅ erstreckt, wobei i₁ als Ursache verwendet wird.

Nun wird der Bereich eines jeden Gewißheitsfaktors be schrieben. Ein Gewißheitsfaktor wird beispielsweise ent sprechend dem Zwischenereignispfad 1070 in Fig. 3 ange wendet. Zu diesem Zeitpunkt ist im allgemeinen ein einzi ger Wert als Gewißheitsfaktor gegeben, was bedeutet, daß der Zwischenereignispfad (i, i_j) als Bereich dient. Es ist auch möglich, den Gewißheitsfaktor als Funktion der Intensität DATA(i_j) einer physikalischen Größe, die zum Zeitpunkt der Schlußfolgerung am Anwendungsobjekt 6000 des Expertensystems 5000 beobachtet worden ist, oder als Funktion der Zeit t als Ausdruck der zeitlichen Ver schlechterung zu definieren. In diesem Fall ist es nütz lich, einen Zeitbereich in einzelne Zeitspannen zu unter teilen und die verschiedenen Ereigniselemente den jewei ligen Zeitspannen zuzuordnen, um Gewißheitsfaktoren zu bilden, die den einzelnen Ereigniselementen entsprechen. Diese Entsprechung kann durchgeführt werden, ohne daß am Baumdiagramm besondere Modifikationen vorgenommen werden müssen. Die Gewißheitsfaktor-Aktualisierungsverarbeitung erfordert eine nachfolgende Verarbeitung, wenn die Inten sitäten der Analogprozeß-Größen einschließlich der ver strichenen Zeit auf denselben Werten gehalten werden, wo bei die Verarbeitung unter Berücksichtigung von den Er eignissen selbst entsprechenden Gewißheitsfaktoren ausge führt wird.

In Fig. 5 ist die Aktualisierungsverarbeitung einer Ge wißheitsfaktor-Verteilungsfunktion gezeigt, die für die Intensität einer beobachteten physikalischen Größe defi niert ist. Die Kurve 2110 ist mittels Interpolationspunk ten (beispielsweise des Punktes 2112), die in bezug auf die Intensitäten der beobachteten physikalischen Größen in den Zeitpunkten vergangener Schlußfolgerungen durch eine Aktualisierungsverarbeitung erhaltene Gewißheitsfak toren darstellen, erhalten worden. Nun wird angenommen, daß die Intensität 2113 als Intensität einer physikali schen Größe beobachtet worden ist. Dann wird für die Schlußfolgerung ein über die Kurve 2110 erhaltener ent sprechender Gewißheitsfaktor 2114 erhalten. Anschließend wird mittels Gewißheitsfaktor-Aktualisierungsverarbeitung ein neuer Gewißheitsfaktor 2117 erhalten. Damit in der Gewißheitsfaktor-Verteilungskurve der auf diese Weise er haltene neue tatsächliche Punkt 2116 wiedergegeben werden kann, wird auf eine Menge von erhaltenen tatsächlichen Punkten eine Interpolation (das Verfahren der kleinsten Quadrate, eine Spline-Interpolation oder ähnliches) ange wendet, indem beispielsweise zu einem vergangenen tatsächlichen Punkt (beispielsweise der Punkt 2112 in der Zeichnung) ein neuer wirklicher Punkt 2116 hinzugefügt wird, so daß eine neue Gewißheitsfaktor-Verteilungskurve 2111 ausgebildet wird. Diese Folgeverarbeitung erlaubt eine analoge Aktualisierung der Gewißheitsfaktoren.

Nun wird die Definition des Gewißheitsfaktors erläutert. Anhand des oben Gesagten kann der dem Zwischenereignis pfad (i_{j + 1},i_j) entsprechende Gewißheitsfaktor folgender maßen geschrieben werden:

F(i_{j + 1}, i_j; t, DATA(i_j)) (15)

Auf die Formel (15) wird im folgenden um der Kürze willen mit F(i_{j + 1}, i_j) Bezug genommen. In Formel (15) bezeichnet t die Zeit, während DATA(i_j) die Intensität der beobach teten physikalischen Größe bezüglich des Ereigniselemen tes i_j darstellt. Der Gewißheitsfaktor der Linie λ kann als Funktion der Gewißheitsfaktoren der einzelnen Zwischenereignispfade (i_{j + 1}, i_j) ausgedrückt werden.

F(λ) = F_λ(F(i_{j + 1}, i_j); (i_{j + 1}, i_j) ⊃ λ (16)

Wenn der Gewißheitsfaktor als "Wahrscheinlichkeit der richtigen Schlußfolgerung" interpretiert wird, kann der Gewißheitsfaktor für die Linie λ folgendermaßen geschrieben werden:

F(λ) = Π_{(ij + 1, ij) ⊃ λ} F(i_{j + 1}, i_j) (17)

Die folgende Beschreibung gilt nur, wenn Formel (17) er füllt ist. Diese Beschreibung betrifft den Bereich einer jeden Gewißheitsfaktor-Aktualisierungsabbildung. Beim Schließen auf eine Ursache anhand des Endereignisses i_M ist der Zwischenereignispfad (i_j+1, i_j), dessen Gewiß heitsfaktor berechnet werden muß, in einem Baum T(i_M), der sich vom Endereignis i_M erstreckt, enthalten. Der Baum T(i_M) ist beispielsweise zum Baum 1110 in Fig. 4 äquivalent und erstreckt sich vom als Startpunkt dienen den Endereignis 3₅.

Ein Ereigniskorrelationsdiagramm in einem Bereich, der entlang innerer Baumdiagrammpfade in eine der zwei Rich tungen entweder zur Ursachenseite oder zur Wirkungsseite eines Ereignisses geführt werden kann, wenn ein Endereig niselement oder ein Anfangsereigniselement bezeichnet wird, wird "Baum" genannt. Hierbei ist der Wahrschein lichkeitsfaktor, der der Wahrscheinlichkeitsfaktor-Aktua lisierungsverarbeitung unterzogen wird, durch die fol gende Formel gegeben:

F(i_{j + 1}, i_j), (i_{j + 1}, i_j) ⊃ T(i_M) (18)

Die Wahrscheinlichkeitsfaktor-Aktualisierungsabbildung hängt ferner von der Linie λ, die nach der Schlußfolgerung bestimmt wird, d. h. von der Linie λ, in der das Ereignis tatsächlich aufgetreten ist, ab. Ob wohl die Wahrscheinlichkeitsfaktor-Aktualisierungsabbil dung so entwickelt werden kann, daß sie von der Intensi tät DATA(i_j) der beobachteten physikalischen Größe bezüg lich eines Ereigniselements i_j abhängt, wird dieses Ver fahren in der vorliegenden Ausführungsform nicht angewen det. Folglich kann der Definitionsbereich durch die fol gende Formel ausgedrückt werden.

{(i_{j + 1}, i_j), (i_{j + 1}, i_j) ⊃ T(i_M)} (19)

Der Bereich der Wahrscheinlichkeitsfaktor-Aktualisie rungsabbildung kann entsprechend Gleichung (18) wie im folgenden gezeigt angegeben werden:

{F(i_{j + 1}, i_j), (i_{j + 1}, i_j) ⊃ T(i_M)} (20)

Gemäß den Formeln (19) und (20) kann die Wahrscheinlich keitsfaktor-Aktualisierungsabbildung R folgendermaßen ausgedrückt werden:

R; {λ, F_alt(i_{i + 1}, i_j), (i_{j + 1}, i_j) ⊃ T(i_M)}
→ {F_neu(i_{i + 1}, i_j), (i_{j + 1}, i_j) ⊃ T(i_M)} (21)

In Fig. 6 ist ein funktionales Diagramm einer Berechnung (Abbildung) eines Wahrscheinlichkeitsfaktors und einer Wahrscheinlichkeitsfaktor-Aktualisierungsabbildung ge zeigt. Das Bezugszeichen 2021 gibt den Bereich der Wahr scheinlichkeitsfaktoren von Zwischenereignispfaden bei einer bestimmten Schlußfolgerung zum Zeitpunkt t_alt an. Dieser Bereich ist eine Menge von Zwischenereignispfaden (i_{j + 1}, i_j) und von Daten (i_j, t_alt) einer physikalischen Größe, die bezüglich des Ereigniselements i_j beobachtet worden ist. Mit dem Bezugszeichen 2023 ist eine Menge von Wahrscheinlichkeitsfaktoren F_alt (i_{j + 1}, i_j) von Zwischener eignispfaden, die durch die Wahrscheinlichkeitsfaktor-Ab bildung F2022 erhalten worden sind, bezeichnet. Die Ge samtheit der Menge 2023 und einer tatsächlich erfahrenen und für die Schlußfolgerung bestimmten Linie 2024 stellt dann den Definitionsbereich der Wahr scheinlichkeitsfaktor-Aktualisierungsabbildung R()2025 dar. Die Menge 2026 der neuen Wahrscheinlichkeitsfaktoren F_neu (i_{j + 1}, i_j) der Zwischenereignispfade stellt deren Wertebereich dar. In der nächsten Schlußfolgerung zum Zeitpunkt t_neu < t_alt wird gegebenenfalls eine Aktuali sierung der auf der Grundlage der beobachteten physikali schen Analoggröße definierten Wahrscheinlichkeitsfaktor- Verteilungskurve ausgeführt. Für diese Aktualisierung werden die Wahrscheinlichkeitsfaktoren 2026 der durch die Wahrscheinlichkeitsfaktor-Abbildung F2027 erhaltenen Zwi schenereignispfade verwendet, während die Menge 2028 als Definitionsbereich verwendet wird.

Die obige Beschreibung wird im folgenden ergänzt. In Fig. 6 stellt der Ausdruck (i_{j + 1}, i_j) im Feld 2021 einen gege benen Zwischenereignispfad dar. Wenn der Wahrscheinlich keitsfaktor einen einzigen Wert besitzt (d. h. den Gewiß heitsgrad eines Ereignisses, derart, daß etwa der Versor gungswasserpegel wenigstens einen vorgegebenen Wert be sitzt), werden die Daten nicht gespeichert. Das heißt, daß der Definitionsbereich 2021 eine leere Menge dar stellt, soweit (i_{j + 1}, i_j) betroffen ist. Wenn jedoch der Wahrscheinlichkeitsfaktor des Zwischenereignispfades (i_{j + 1}, i_j) beispielsweise von der für das Ereignis i_j be obachteten physikalischen Größe abhängt (wenn sich bei spielsweise der Wahrscheinlichkeitsfaktor in Abhängigkeit von der Vibrationsintensität ändert), sollte die Informa tion (i_{j + 1}, i_j), die den Zwischenereignispfad und die Da ten der physikalischen Größe (t; i_j) zum Zeitpunkt t an gibt, im Definitionsbereich eines jeden Zwischenereignis pfades gespeichert werden.

Wie gezeigt, wird der dem Bereich mit dem Bezugszeichen 2021 entsprechende Wahrscheinlichkeitsfaktor F(i_{j + 1}, i_j) bei der Beobachtung des Ereignisses i_j (2022) in die Da tenbank gerufen, wobei die Menge 2023 dieser Wahrschein lichkeitsfaktoren zur Bedienungsperson übertragen wird und wobei das Finden der Linie als richtiger Schlußfolgerungspfad aus den zahlreichen Linien die Anwendung der Wahrscheinlich keitsfaktor-Aktualisierungsabbildung 2025 auf die Menge 2023 der Wahrscheinlichkeitsfaktoren gestattet, wodurch die Menge 2026 der bei der nächsten Schlußfolgerung zu verwendenden neuen Wahrscheinlichkeitsfaktoren berechnet wird.

Es wird darauf hingewiesen, daß der Wahrscheinlichkeits faktor, der dem Zwischenereignispfad entspricht, der mit einem Ereigniselement in der Blindreihe (1030 in Fig. 3) endet, und der durch die durch Formel (18) dargestellte Wahrscheinlichkeitsfaktor-Abbildung gegeben ist, den Wert 1 besitzt. Beispielsweise ist in der Linie, die durch die Formel (3) darge stellt wird, F(0₃, 3₄) gleich 1. (Die Wahrscheinlichkeits faktoren für die Blindereigniselemente, die nicht in der Blindreihe vorliegen, sind 0.) Dadurch ist es möglich, jede unterbrochene Linie (d. h. die Linie, die nicht nur ein Endereignis i_M, sondern ein zum Zeitpunkt der Schlußfolgerung bestimmtes Zwischenereigniselement besitzt) systematisch darzustel len. Eine wesentliche Bedingung für die Wahrscheinlich keitsfaktor-Aktualisierungsabbildung besteht darin, daß der obenerwähnte Blind-Wahrscheinlichkeitsfaktor unverän dert den Wert 1 behält.

Nun wird ein Beispiel einer Wahrscheinlichkeitsfaktor-Ak tualisierungsverarbeitung beschrieben. In Fig. 7 ist eine begriffliche Darstellung gezeigt, in der zwei Fälle dar gestellt sind, wobei in einem dieser Fälle der Wahr scheinlichkeitsfaktor F(i_{j + 1}, i_j) eines Zwischereignis pfades als Ergebnis der Erfahrung des Ereignisses i_j ver hältnismäßig größer wird und im anderen Fall der Wahr scheinlichkeitsfaktor wegen des Fehlens der Erfahrung des Ereignisses i_j verhältnismäßig kleiner wird. In Fig. 7 stellen die Bezugszeichen 2041 und 2042 unter Bezugnahme auf das Diagramm von Fig. 3, das als Beispiel dient, Ver änderungen des relativen Verhältnisses zwischen den Wahr scheinlichkeitsfaktoren der einzelnen Schlußfolgerungsli nien, die vom Ereigniselement 3₃ ausgehen, dar, wobei die Wahrscheinlichkeitsfaktoren durch die folgende Formel dargestellt werden:

F(i₁, 3₃) = F(i₁, i₂).F(i₂, 3₃) (22)

Die folgenden Formeln stellen Beispiele der Gewißheits faktor-Aktualisierungsabbildung dar:

F_neu((i_{j + 1}, i_j) = g₁(F_alt(i_{j + 1}, i_j))/Σ (23)

F_neu((i_{j + 1}, i_j) = g₂(F_alt(i_{j + 1}, i_j))/Σ (24)

Hierbei stellt g₁2032 die Gewißheitsfaktor-Aktualisie rungsabbildung für einen tatsächlich erfahrenen Zwi schenereignispfad [beispielsweise (2₁, 2₂)] dar, während g₂2033 eine Gewißheitsfaktor-Aktualisierungsabbildung für einen Zwischenereignispfad darstellt, der aus der Menge der Ursachenkandidaten ausgewählt worden ist, jedoch nicht als Tatsache erfahren wurde [z. B. (1₁, 2₂)]. Die Operationen der Gewißheitsfaktor-Aktualisierungsabbildung erfüllen die folgenden zwei Bedingungen:

g_i(x): [0,1] → [0,1], F_alt → F_neu (25)

i = 1,2

g₁(x) < g₂(x) x ∈ [0,1] (26)

Σ ist die als Ergebnis der Abbildung der Gewißheitsfak toren der beim Ereignis i_j beginnenden Zwischenereignis pfade erhaltene Summe der Gewißheitsfaktoren (g_i(i = 1,2)); Σist ein Normierungsfaktor, der durch die folgende For mel definiert ist:

Σ = Σ_{ij + 1 ≠ Blindwert, k = 1,2} g_k(F_alt(i_{j + 1}, i_j)) (27)

In dem in Fig. 7 gezeigten Beispiel ist g₁ durch die nach oben konvexe Kurve gegeben, während g₂ durch die nach un ten konvexe Kurve gegeben ist. Der Gewißheitsfaktor 2034 des erfahrenen Zwischenereignispfades steigt ferner auf F_neu (2036) an, während der Gewißheitsfaktor 2035 des Zwischenereignispfades, der ein erschlossener Ursachen kandidat war, jedoch nicht erfahren wurde, auf F_neu (2037) abnimmt.

Der Rechenablauf der Gewißheitsfaktor-Aktualisierungsver arbeitung gemäß der vorliegenden Ausführungsform wird in Fig. 8 zusammenfassend erläutert. Zunächst wird nach der Beobachtung des Endereignisses i_M und der Schlußfolgerung auf dessen Ursache durch die Verarbeitung 2111 durch den Benutzer 6100 die tatsächliche benutzte Linie eingegeben. Die Verarbeitung 2112 ist eine DO- Schleife zur wiederholten Ausführung der Verarbeitungs operationen der Zwischenereignispfade, die im Ereignis baum T(i_M) enthalten sind und beim Endereignis i_M begin nen. In der Verarbeitung 2113 werden die alten Gewiß heitsfaktoren F(i_{j + 1}, i_j) der Zwischenereignispfade im Schlußfolgerungsbaum T(i_M) eingelesen. In der Verarbei tung 2114 werden die alten Gewißheitsfaktoren F_alt (i_{j + 1}, i_j) der Zwischenereignispfade der Gewißheits faktor-Aktualisierungsabbildung unterworfen, so daß die alten Gewißheitsfaktoren zu nicht normierten neuen Gewiß heitsfaktoren g_k(F_alt(i_{j + 1}, i_j)) derselben Zwischereignis pfade aktualisiert werden. Die Verarbeitung 2115 ist eine Normierungsverarbeitung von g(F_alt(i_{j + 1}, i_j)) mit dem Normierungsfaktor:

Σ= Σ_{ij + 1 ≠ Blindwert, k = 1,2} g_k(F_alt(i_{j + 1}, i_j)) (28)

Der Normierungsfaktor in Formel (28) ist dergleiche wie derjenige von Formel (27). Hierbei hat der Index von Σ,

i_{j + 1} ≠ Blindwert (29)

die Bedeutung, daß diejenigen Zwischenereignispfade, die vom Ereigniselement i_j ausgehen und in einem Blindereig niselement enden, nicht gezählt werden. Die Verarbeitung 2116 wird mit der Verarbeitung 2112 kombiniert. Die Ver arbeitung 2117 ist die oben mit Bezug auf Fig. 5 be schriebene Aktualisierungsverarbeitung der Gewißheitsfak toren der Zwischenereignispfade, d. h. die Aktualisie rungsverarbeitung der Gewißheitsfaktor-Verteilungskurve.

Schließlich wird bei der nächsten Schlußfolgerung der Ge wißheitsfaktor einer gewünschten Linie als Produkt der Gewißheitsfaktoren ihrer Zwischenereig nispfade berechnet, so daß ein Schlußfolgerungsergebnis erhalten wird.

In Fig. 9 ist die Sortierfunktion des Sortierers 2400 der Gewißheitsfaktoren (Fig. 2) erläutert. Die Funktion des Gewißheitsfaktor-Sortierers 2400 umfaßt die Klassifizie rung der Anfangsereignisse in halbbestimmte Ursachener eignisse, deren Gewißheitsfaktoren aufgrund von Erfahrun gen sich allmählich dem Wert 1 - ε (1 < ε < 0) annähern, in seltene Anfangsereignisse, deren Gewißheitsfaktoren sich allmählich dem Wert 0 + ε annähern, und instabile Ursa chenereignisse, deren Gewißheitsfaktoren von einer Schlußfolgerung zur anderen schwanken; diese Klassifizie rung wird anhand der historischen Gewißheitsfaktor-Infor mation 4440, die vom Speicher 1200 für die historischen Gewißheitsfaktoren ausgegeben wird, und anhand der Gewiß heitsfaktoren 4210, die von der Schlußfolgerungsmaschine 5200 in der momentanen Schlußfolgerung berechnet werden. Anschließend gibt der Sortierer 2400 die Anfangsereig nisse als eingestufte Gewißheitsfaktor-Information 4215 aus. In Fig. 9 werden beispielhafte historische Gewiß heitsfaktorkurven für die obigen drei Fälle, d. h. für eine historische Gewißheitsfaktorkurve 2430 (halbbestimmtes Anfangsereignis), für eine historische Gewißheitsfaktorkurve 2440 (seltenes Anfangsereignis) und für eine historische Gewißheitsfaktorkurve 2440 (instabiles Anfangsereignis), erläutert. Aus der Sicht des grundlegenden Ziels des erfindungsgemäßen Wissens bank-Verarbeitungssystems ist es wünschenswert, daß die Schlußfolgerungsergebnisse der Ursachen/Wirkungen eines Ereignisses in zwei Stufen oder Ebenen ausgegeben werden, d. h. als einzelnes halbbestimmtes Anfangsereignis und als eine Mehrzahl von seltenen Anfangsereignissen. Die historische Gewißheitsfaktorkurve oszilliert jedoch wie die historische Gewißheitsfaktorkurve 2450, falls das Baumdiagramm nicht optimal eingestellt ist, derart, daß es für die Identifikation einer Mehrzahl von Ursachen geeignet ist. Daher ist die Ebene instabiler Anfangsereignisse erneut eingerichtet worden. Ferner ist es in bezug auf im voraus eingestellte Grenzwerte für die Einstufung möglich, die Anfangsereignisse durch Verwen dung von Parametern ε_-, ε₊ als Grenzwerte zu diskriminie ren, derart, daß
die Diskriminierungsbedingungen für jedes halbbe stimmte Anfangsereignis folgendermaßen gegeben sind:

1 - ε_- ≦ F(λ; t) ≦ 1, ε_- < 0 (30)

die Diskriminierungsbedingungen für jedes seltene Anfangsereignis folgendermaßen gegeben sind:

0 ≦ F(λ; t) ≦ ε₊, ε₊ < 0 (31)

und die Diskriminierungsbedingungen für jedes in stabile Anfangsereignis folgendermaßen gegeben sind:

ε₊ ≦ F(λ; t) ≦ 1 - ε_- (32)

wobei t den Zeitpunkt der vergangenen Schlußfolgerung an gibt.

Der Speicher 1100 für tatsächliche Ereignisse ist eine Einheit, der bei der Schlußfolgerung von einem Endereig nis i_M auf eine Ursache aus der Wissensbank 5300 die un ten beschriebene Information über die für die Schlußfol gerung relevanten Objekte, d. h. über die einzelnen Ereig niselemente des Baums T(i_M) im Baumdiagramm ausliest und diese Information speichert. Die obige Information umfaßt eine historische Information darüber, ob die Ereignisele mente i_j für Schlußfolgerung verwendet worden sind und ob jede so ausgeführte Schlußfolgerung richtig war, Daten DATA(i_j), die bei jeder Schlußfolgerung beobachtet wur den, entsprechende Anleitungen, Bedienungsprotokolle usw.

Nach der Eingabe der Gewißheitsfaktoren F(i_j)4210 der bei der Schlußfolgerung auf die Ursache des Endereignis ses i_M verwendeten Zwischenereignispfade im Baum T(i_M) und der tatsächlichen erfahrenen Information 4230 vom Be nutzer führt der Gewißheitsfaktor-Aktualisierungsprozes sor 2100 die durch die Formeln (23) bis (27) dargestellte Aktualisierungsverarbeitung aus.

Die Diagnosewirkungsgrad-Recheneinheit 2200 berechnet auf der Grundlage der historischen Richtigkeitsangabe-Infor mation 4221 vom Speicher 1100 für tatsächliche Ereignisse die Häufigkeit der tatsächlichen Erfahrungen und gibt diese als tatsächlich erfahrene Häufigkeit 4260 zusammen mit den Gewißheitsfaktoren 4210 an den Schlußfolgerungs information-Anordnungsprozessor 3100 aus. Die tatsächlich erfahrene Häufigkeit η(t_k; i_{j + 1}, i_j) des Zwischenereignis pfades (i_{j + 1}, i_j) kann folgendermaßen definiert werden:

η(t_k; i_{j + 1}, i_j) = Σ_k δ(t_k)/Σ_k 1 (33)

wobei

δ(t_K) = δ(t_k; i_{j + 1}, i_j) (34)

eine Funktion ist, die angibt, ob Zwischenereignispfad (i_{j + 1}, i_j) als tatsächliche Erfahrung bestimmt worden ist, nachdem der Zwischenereignispfad zum Zeitpunkt t_k ein Kandidat geworden war; δ(t_k) er füllt die folgende Bedingung:

Die tatsächliche Erfahrungshäufigkeit η(t_k; i_{j + 1}, i_j) sollte sich allmählich der Rate der richtigen Schlußfol gerung annähern, von der angenommen wird, daß der Gewiß heitsfaktor mit ihr im Grenzfall, d. h. bei einer großen Anzahl von Schlußfolgerungsoperationen, übereinstimmt. In dieser Bedeutung besitzt die tatsächlich erfahrene Häu figkeit die Funktion eines Hinweises, ob ein momentaner Gewißheitsfaktor geeignet ist oder nicht, wenn ein sel tenes Ereignis auftritt und sich der Gewißheitsfaktor be trächtlich ändert. In einigen Fällen ist es möglich, die Aktualisierung so auszuführen, daß auf tatsächliche Er fahrungen mehr Gewicht gelegt wird, indem deren Differenz als Dämpfungsfaktor an die Aktualisierungsabbildung des Gewißheitsfaktors rückgekoppelt wird. Ein weiteres Ver fahren besteht darin, der tatsächlich erfahrenen Häufig keit η selbst die Bedeutung eines Gewißheitsfaktors zu verleihen. Mit diesem Verfahren kann die Stabilität der Schlußfolgerungsgenauigkeit verbessert werden, sie hat jedoch möglichicherweise das Problem zur Folge, daß das Vermögen zum Folgen von Änderungen der Eigenschaften des betroffenen Gegenstandes im Laufe der Zeit verschlechtert werden könnte, wenn die historische Information zunimmt.

Der Gewißheitsfaktor-Initialisierungsprozessor 1400 er möglicht die direktere Ausführung einer zuverlässigen Schlußfolgerung beispielsweise durch Eingabe der letzten Gewißheitsfaktoren, die die Erfahrung der tatsächlichen Ereignisse mit bestimmten Häufigkeiten wiedergeben, wenn das Expertensystem vorher für eine ähnliche Anlage ver wendet worden ist.

Die tatsächlich erfahrene Häufigkeit η(t_k; i_{j + 1}, i_j) kann solange durch die Aktualisierungsverarbeitung nicht wie dergegeben werden, bis die Anzahl Σ_k1 der Auswahlvor gänge von Kandidaten für Ursachen-Schlußfolgerungen eine bestimmte Anzahl, beispielsweise 100, die im voraus in Abhängigkeit von der gewünschten Genauigkeit eingestellt worden ist, übersteigt. Selbst wenn der im voraus einge stellte Wert überstiegen wird, ist es noch immer unmög lich, daß die Aktualisierungsverarbeitung beispielsweise irgendeine Klimaabnormalität (d. h. eine durch die Luft temperatur, eine durch die Temperatur des zur Kühlung verwendeten Wassers oder durch die Feuchtigkeit verur sachte Abnormalität) wiedergibt, weil die Verwendung von Σ1 in der obigen Formel (33), die für die tatsächlich erfahrene Häufigkeit definiert ist, bewirkt, daß der Ein fluß der neuen tatsächlichen Erfahrung auf die tatsäch lich erfahrene Häufigkeit allmählich gegen 0 geht. Wenn die charakteristische Zeit der Häufigkeit des Auftretens einer Abnormalität vorhergesagt werden kann, indem die tatsächlich erfahrene Häufigkeit lediglich für tatsächli che Erfahrungen bis zur 100-sten Erfahrung in der Vergan genheit seit der letzten Schlußfolgerung definiert wird, ist es notwendig, den Wert des Nenners in Formel (33) für die tatsächlich erfahrene Häufigkeit in bezug auf die charakteristische Zeit der Häufigkeit des Auftretens ei nes Ereignisses in der Vergangenheit konstant zu setzen. Die Differenz zwischen dem Gewißheitsfaktor F(k) und der tatsächlich erfahrenen Häufigkeit η(λ) kann folgendermaßen dargestellt werden:

d(λ) = f(λ) - η(λ) (34)

Im folgenden werden Beispiele für die Formel (34) für die Normierung der Aktualisierungsverarbeitung der Gewiß heitsfaktoren der Schlußfolgerungslinie λ angegeben:

Bei der Aktualisierungsverarbeitung gemäß (35) und (36) für die Linie λ nähert sich d(λ) dem Wert 0 an, so daß eine mit den tatsächlichen Erfahrungen über einstimmende Aktualisierungsverarbeitung ausgeführt wer den kann. Die durch die Formeln (35) und (36) dar gestellte Gewißheitsfaktor-Verarbeitung kann auf ähnliche Weise auf die Gewißheitsfaktoren der einzelnen Zwischenereig nispfade angewendet werden.

Der Ereignisvorhersageprozessor 2300 empfängt von den am Anwendungsgegenstand beobachteten Daten 4110 die letzten Gewißheitsfaktoren 4441 und die historische Gewißheits faktor-Information entsprechend dem Ereignisvorhersagebe fehl 4240 und gibt an den Schlußfolgerungsinformation-An ordnungsprozessor 3100 die Ereignisauftrittswahrschein lichkeit 4270 aus, wodurch eine Schlußfolgerung auf Wir kungen des Ereignisses ausgeführt werden kann. Analog wie die oben beschriebenen Definitionen für die durch die Formeln (4) bis (7) dargestellten Gewißheitsfaktoren wird P(i_{j + 1}, i_j) als Gewißheitsfaktor der Ereignisausbreitungs richtung auf dem Zwischenereignispfad (i_{j + 1}, i_j) defi niert:

P (1₁, 2₂) (38)

P(λ) ∼ P(1₁, 2₂).P(1₂, 3₃).P(3₃, 3₄).P(3₄, 3₅) (39)

P(1₁, 2₂) + P(2₁, 2₂) = 1 (40)

Σ_{λ∈Λ(1₁, 3₅)} P(λ) = 1 (41)

Die Formel (38) gibt in Fig. 3 die Wahrscheinlichkeit des Auftretens des Ereignisses 2₂ an, wenn die Ereignisse in der zweiten Spalte nach dem Auftreten des Ereignisele ments 1₁ auftreten. Die Formel (39) gibt die Wahrschein lichkeit des Auftretens der Ereignisausbreitungslinie λ = (1₁, 2₂, 3₃, 3₄, 3₅) an.

Die Formeln (40) und (41) geben wie die Formeln (5) und (7) an, daß die jeweiligen Ereignisausbreitungswahr scheinlichkeiten sich gegenseitig ausschließende Ereig niswahrscheinlichkeiten sind.

Die Gewißheitsfaktoren in Richtung des Schließens auf eine Ursache eines Ereignisses gibt Hinweise für die Schlußfolgerung auf die Ursache, während die Ausbrei tungs-Gewißheitsfaktoren als Hinweise für die Vorhersage dienen, mit welchen Raten sich Ereignisse von einem gege benen Ursachenereignis zu ihren entsprechenden Fol geereignissen ausbreiten.

Bezüglich dieses Ereignisausbreitungs-Gewißheitsfaktors P(i_{j + 1}, i_j) ist es auch möglich, durch die Aktualisie rungsverarbeitung der Gewißheitsfaktoren der Ereignisaus breitung, die die Vorhersage und die Rückkopplung tatsächlicher Erfahrungen zur Folge hat, Vorhersage- Schlußfolgerungen mit einem höheren Grad an Sicherheit entsprechend der Aktualisierungsverarbeitung der Gewiß heitsfaktoren der Ursachen des Ereignisses, die eine Schlußfolgerung und Rückkopplung von tatsächlichen Ereig nissen zur Folge hat, zu machen.

Der Speicher 1200 für die historischen Gewißheitsfaktoren und der Speicher 1300 für die historische tatsächlich er fahrene Häufigkeit sind Speicher zum Speichern der histo rischen Gewißheitsfaktorinformation 4440 bzw. der histo rischen tatsächlich erfahrenen Gewißheitsfaktorinforma tion 1400. Diese Informationen können selbstverständlich in der Wissensbank 5300 gespeichert werden. Ob sie im Wissensbank-Verarbeitungssystem gespeichert werden oder nicht, wird in Abhängigkeit davon bestimmt, ob es vor teilhaft ist, den Systemaufbau und die Verarbeitungsge schwindigkeit aufeinander zu beziehen.

Wenn durch die Schlußfolgerung von einem bestimmten Er eignis i_j auf eine unmittelbar vorhergehende Ursache eine Mehrzahl von Ursachenereignissen miteinander konkurrie ren, besitzt der Ereigniskorrelations-Diskriminator 3300 die Funktion, eine Unterscheidung solcher Ursachenereig nisse auf der Grundlage der Geschichte der beobachteten physikalischen Größe bezüglich des Ereignisses i_j nach der Eingabe der historischen Gewißheitsfaktorinformation 4440, der historischen tatsächlich erfahrenen Häufig keitsinformation 4450 und der historischen tatsächlichen Erfahrungsinformation (Geschichte der beobachteten physi kalischen Größen) 4410 auszuführen. Gemäß Fig. 10, in der eine Mehrzahl von Ursachen für Schlußfolgerungen mitein ander in Konkurrenz stehen, wie durch die Polygonlinie 3310 der Gewißheitsfaktor-Geschichte F(t_k; 1_i, 2₂)_{i = 1,2} und die Polygonlinie 3320 der Geschichte der tatsächlichen Erfahrungshäufigkeit η(t_k; 1_i, 2₂) gezeigt, besteht zwi schen der Gewißheitsfaktor-Geschichte F(t_k; 1_i, 2₂) 3310 und der Geschichte der beobachteten physikalischen Größe DATA(t_k; 2₁) anscheinend eine Korrelation, vorausgesetzt, daß die Geschichte der physikalischen Größe DATA(t_k; 2₁), die bezüglich des Ereignisses 2₁ beobachtet worden ist, einen der Polygonlinie 3330 entsprechenden Verlauf be sitzt. Zur genauen Auswertung der Korrelation werden die tatsächliche Erfahrungshäufigkeit und der Gewißheitsfak tor F als bestimmte Mittelwerte angesehen; die Korrela tion Δ ist durch die Summe der Produkte der Differenzen zwischen dem Gewißheitsfaktor F und der tatsächlichen Er fahrungshäufigkeit η mit den Differenzen zwischen den Mittelwerten DATA(2₁) und DATA(t_k; 2₁) gegeben. Das heißt:

Δ = Σ_tk [F(t_k; 1₁, 2₁) - η(t_k; 1₁, 2₂)].[DATA(t_k; 2₁) - DATA(2₁)] (42)

Wenn die Korrelation Δ positiv ist, wird die Information gewonnen, daß die Wahrscheinlichkeit dafür, daß die Ursa che das Ereigniselement 1₁ ist, hoch ist, wenn die Inten sität der beobachteten physikalischen Größe hoch ist, während die Wahrscheinlichkeit dafür, daß die Ursache gleich dem Ereigniselement 1₁ ist, niedrig ist, wenn die genannte Intensität klein ist. Wenn Δ den Wert 0 be sitzt, sind die einzelnen Veränderungen zufällig. Dies kann als Nichtvorhandensein von Korrelationen interpre tiert werden. Wenn Δ ≠ 0 gilt, ist es möglich, einen Wis sensingenieur mit der Information zu versorgen, daß mehr vorteilhafte Schlußfolgerungen ausgeführt werden können, wenn das Ereigniselement 2₁ im Baumdiagramm in Abhängig keit vom Wert der beobachteten Größe in zwei Elemente aufgeteilt wird.

Nun wird mit Bezug auf Fig. 11 eine beispielhafte Anwen dung der vorliegenden Erfindung beschrieben. In dieser Anwendung wird auf ein Ursachenelement eines Ereignisses geschlossen, das als Ursache für den abnormalen Zustand angesehen wird, daß eine Turbinenwelle in einem mit Wärme betriebenen Elektrizitätskraftwerk stark vibriert.

Wenn bei Auftreten einer Turbinenvibrationszunahme (Ereignis A1) als Endereignis als Ursachenkandidaten ein Lageröldruckabfall (Ereignis C1) und eine Abnormalität des Kondensatorvakuums (Ereignis C2) vorgeschlagen wer den, wird der Gewißheitsfaktor F wie im folgenden be schrieben definiert, um eines der beiden Anfangsereig nisse C1 oder C2 mit höherer Wahrscheinlichkeit zu er schließen. Dies geschieht in gleicher Weise für die Tur binenvibrationszunahme des Ereignisses A2.

Es wird angenommen, daß Zwischenereignisse auf dem Weg zurück vom Endereignis zum Anfangsereignis in der Zeich nung durch die Ereignisse B1 bis B3 gegeben sind. Wenn als Gewißheitsfaktoren Wahrscheinlichkeiten verwendet werden, wird die folgende Berechnung ausgeführt:

wobei P(A1 → B1) die Wahrscheinlichkeit des Auftretens des Ereignisses B1 bei Vorliegen des Ereignisses A1 bedeutet. Entsprechend gilt

Nun wird angenommen, daß die Werte der weiter unten ge zeigten Tabelle 1 als Werte der entsprechenden Wahr scheinlichkeiten gegeben sind. Diese Werte stellen die Daten der Anfangswerte der Gewißheitsfaktoren oder die Daten der Gewißheitsfaktoren an einem bestimmten Punkt nach dem Beginn des erfindungsgemäßen Ablaufs dar; mit anderen Worten stellen diese Werte die Daten vor einer Gewißheitsfaktor-Aktualisierungsverarbeitung auf der Grundlage eines erneut erfahrenen Ereignisses und Daten nach der Gewißheitsfaktor-Aktualisierungsverarbeitung dar. Im Beispiel wird F_neu = F_alt ^1/2 und F_neu = F_alt als Gewißheitsfaktor-Aktualisierungsfunktionen verwendet. F_alt wird für den Pfad zwischen tatsächlich erfahrenen Ereignissen gesetzt, so daß die Gewißheit für den Pfad auf der Grundlage der tatsächlichen Erfahrungen zunimmt. Andererseits wird Falt für jeden Pfad, der nicht tatsäch lich erfahren worden ist, gesetzt, so daß die Gewißheits faktoren für nicht tatsächlich erfahrene Pfade miteinan der übereinstimmen. Da die Wahrscheinlichkeitsrechnung Anwendung findet, werden die Werte, die für die einzelnen Pfade mittels der obigen Funktionen erhalten werden, im voraus normiert, derart, daß die Summe der Wahrschein lichkeiten aller einander ausschließender Ereignisse 1 wird.

Die Berechnung der Wahrscheinlichkeiten für die Aktuali sierung, die von den Werten in Tabelle 1 Gebrauch macht, kann folgendermaßen geschrieben werden:

Andererseits kann die Berechnung der Wahrscheinlichkeiten nach der Aktualisierung auf die folgende Weise ausgeführt werden. Wenn angenommen wird, daß die Linie A1 → B1 → C1 eine tatsächlich erfahrene Linie ist, werden auf der Grundlage von F_neu = F_alt ^1/2 die folgenden Formeln abge leitet:

0.6^1/2= 0.775 (F(A1 → B1)^1/2) <1<

0.3^1/2= 0.548 (F(B1 → C1)^1/2) <2<

Auf der Grundlage von F_neu = F_alt werden

0.2 = 0.2 (F(A1 → B2)) <3<

0.2 = 0.2 (F(A1 → B3)) <4<

0.1 = 0.1 (F(B2 → C1)) <5<

0.5 = 0.5 (F(B3 → C1)) <6<

erhalten. Nun werden aus den Formeln <1<, <2< und <3< die folgenden Normierungsberechnungen erhalten:

F_neu(A1 → B1)=0.775/(0.775 + 0.2 + 0.2) = 0.660 <7<

F_neu(A1 → B2)=0.2/(0.775 + 0.2 + 0.2) = 0.170 <8<

F_neu(A1 → B3)=0.2/(0.775 + 0.2 + 0.2) = 0.170 <9<

aus den Formeln <2<, <5< und <6<

F_neu(B1 → C1)=0.548/(0.548 + 0.1 + 0.5) = 0.477 <10<

F_neu(B2 → C1)=0.1/(0.548 + 0.1 + 0.5) = 0.087 <11<

F_neu(B3 → C1)=0.5/(0.548 + 0.1 + 0.5) = 0.436 <12<

Die Ergebnisse der Formeln <7< bis <12< sind als aktuali sierte Gewißheitsfaktoren in Tabelle 1 gezeigt. Es wird aufgrund der obigen Berechnungsergebnisse darauf hinge wiesen, daß die Gewißheitsfaktoren von den Zwischenereig nissen zum Anfangsereignis C2 gleichzeitig zur Änderung und zur Korrektur der Gewißheitsfaktoren von den Zwi schenereignissen B1, B2 und B3 zum Ursachenereignis C1 mittels einer wahrscheinlichkeitsbezogenen Berechnung korrigiert werden.

Aus den obigen Ergebnissen kann der Gewißheitsgrad des Anfangs ereignisses C1 als Ursache, die im Baumdiagramm zum Zeit punkt des Auftretens des Endereignisses A1 erschlossen wurde, durch die folgende Berechnung bestimmt werden:

F_neu(A1 → C1)=0.660 × 0.477 + 0.170 × 0.087 + 0.170 × 0.436
= 0.295 + 0.015 + 0.074 = 0.404
F_neu(A1 → C2) = 0.660 × 0.523 + 0.170 × 0.913 + 0.170 × 0.564
=0.345 + 0.155 + 0.096 = 0.596 ( = 1 - F_neu(A1 → C1))

Das bedeutet, daß der Gewißheitsfaktor von 0.3 auf 0.404 erhöht worden ist.

Tabelle 1

Nun wird ein Abbildungssetzverfahren für einen neuen Ge wißheitsfaktor F_neu bei einer Gewißheitfaktor-Aktualisie rung beschrieben. Wie oben bereits erwähnt, kann durch eine positive Auswertung eines jeden tatsächlich aufge tretenen Ereignisses und durch das Setzen des Gewißheits faktors, der bei der Schlußfolgerung auf eine Ursa che/Wirkung eines ähnlichen Ereignisses mit höherem Ge wißheitsgrad hinsichtlich seines Auftretens in der Zu kunft verwendet werden soll, auf einen Wert, der höher als der bestehende Wert (der vorhergehende Wert) ist, der Wert der Gewißheitsfaktoren, die als Operationswissensin formation speziell für das als Anwendungsgegenstand die nende Kraftwerk gesteigert werden. Für einige Gegenstände ist es wünschenswert, auf solchermaßen aktualisierte Ge wißheitsfaktoren eine charakteristische Gewichtung anzu wenden. Es werde beispielsweise angenommen, daß das Auf treten eines abnormalen Zustandes aufgrund einer durch eine Bedienungsperson verursachten Fehlfunktion irgendwo in den Zwischenereignissen oder Anfangsereignissen in einem solchen Baumdiagramm, wie es in Fig. 11 erläutert wird, möglich ist und daß die Wahrscheinlichkeit einer solchen Fehlfunktion 5% beträgt. Es werde ferner angenom men, daß die von der Bedienungsperson verursachte Fehl funktion die Wirkung hat, daß das Gerät, von dem irrtüm lich angenommen wird, daß es arbeitet, nicht arbeitet oder daß ein Ventil, von dem irrtümlich angenommen wird, daß es vollständig geschlossen ist, nicht vollständig ge schlossen ist. Es werde ferner angenommen, daß im Ergeb nis eine gewünschte Prozeßgröße nicht erhalten werden kann oder daß aufgrund des nicht vollständig geschlosse nen Ventils ein Leck auftritt und daß diese Tatsache von der Bedienungsperson auf der Grundlage eines Erfassungs signals von einem Detektor für abnormale Zustände zur Kenntnis genommen und als tatsächliches Ereignis erfahren wird. Wenn dann der Gewißheitsfaktor (oder die Wahr scheinlichkeit) der von der Bedienungsperson bewirkten Fehlfunktion 0,1 ist, wird aufgrund einer Schlußfolgerung auf eine Ursache der Abnormalität anhand der Feststellung der Abnormalität eine Aktualisierung ausgeführt, um den Gewißheitsfaktor nach der Beobachtung der Fehlfunktion auf 0,2 zu erhöhen. Normalerweise versucht jedoch die Be dienungsperson, die Wahrscheinlichkeit für die Fehlfunk tion aufgrund der Auswirkungen ihres Selbstlernprozesses anhand der vorhergehenden Fehlfunktion abzusenken und be wirkt, daß der Wert von 5% auf 2% abfällt. Folglich wird es bei vorausgesetzter Abnormalitätserfassung als richtig angesehen, den Gewißheitsfaktor bei einer Schlußfolgerung auf ein Anfangsereignis der Abnormalität zu erniedrigen, weil die Wahrscheinlichkeit der von der Bedienungsperson selbst bewirkten Fehlfunktion 0,4 mal niedriger ist, selbst wenn der Gewißheitsfaktor der von der Bedienungs person bewirkten Fehlfunktion verdoppelt wird. Im Ergeb nis wird die Gesamtgenauigkeit der Schlußfolgerung abge senkt. Wie aus dem Vorhergehenden ersichtlich ist, wird das erfindungsgemäße System von dem möglichen Problem be gleitet, daß bei der Entscheidung, ob der Gewißheitsfak tor der Schlußfolgerung erhöht oder erniedrigt werden sollte, falls die Eigenschaften und/oder das Vermögen ei nes Gegenstandes oder einer Person, auf die das Verfahren angewendet wird, auf der Grundlage nachteiliger tatsäch licher Ereignisse von selbst modifiziert werden, ein Feh ler auftreten kann. Wenn folglich die oben beschriebene von der Bedienungsperson bewirkte Fehlfunktion berück sichtigt wird, sollten Gewißheitsfaktoren durch Verwen dung einer Gewichtung gesetzt werden, wobei nicht nur die Wahrscheinlichkeit der Fehlfunktion, sondern auch der Trend der biotechnischen Arbeitsweise, wenn etwa die Be dienungsperson aus ihren Bedienungsfehlern lernt und da her die Wahrscheinlichkeit der Fehlfunktion nach einer einmal aufgetretenen Fehlfunktion beeinflußt, berücksich tigt werden.

In der obigen Beschreibung ist zuerst ein Beispiel be schrieben worden, in dem ein numerisch dargestellter Ge wißheitsfaktor nicht voll aussagekräftig ist. Umgekehrt hat dies zur Folge, daß ein Aspekt, von dem bei der Ab bildung eines Gewißheitsfaktors stets angenommen wird, daß er wahr ist, nicht mittels einer Formel oder eines bestimmten Wertes behandelt werden kann. Mit anderen Wor ten, solange ein in einem als Anwendungsgegenstand die nenden Kraftwerk ein tatsächlich auftretendes Ereignis vom im Kraftwerk installierten, erfindungsgemäßen Verarbeitungssystem erkannt wird, wird ein ak tualisierter Gewißheitsfaktor unter der Voraussetzung ge setzt, daß die Aktualisierung des Gewißheitsfaktors unter der Annahme der Möglichkeit des erneuten Auftretens des Ereignisses ausgeführt wird, d. h., unter der Annahme, daß in bezug auf ein tatsächlich erfahrenes Ereignis ein neuer Gewißheitsfaktor nicht kleiner als der vorherge hende Gewißheitsfaktor ist.

Nun wird die Bedeutung der Gewichtung bei der Aktualisie rungsverarbeitung eines Gewißheitsfaktors beschrieben. Ein Gewißheitsfaktor wird im allgemeinen auf einen Wert im Bereich zwischen 0 und 1 gesetzt. Ein Gewißheitsfaktor mit dem Wert 1 gibt den Fall an, daß im Baumdiagramm eine Ereigniskorrelation durch eine einzige Linie festgelegt ist. Wenn Linien vorhanden sind, die sich an eine Mehr zahl von Ereignissen erstrecken, wird im allgemeinen je der der Gewißheitsfaktoren dieser Linien auf einen Wert kleiner als 1 gesetzt, derart, daß ihre Summe 1 ergibt. Nun wird angenommen, daß ein bestimmtes Ereignis nachein ander N mal aufgetreten ist. Soweit dessen Gewißheitsfak tor in einen Bereich fällt, der ausreichend kleiner als 1 ist, nimmt der neue Gewißheitsfaktor entsprechend einer vorgegebenen Funktion einen vorgegebenen Wert an, obwohl der Wert in Abhängigkeit vom Zustand des Kraftwerks vari iert. Im allgemeinen wird der Gewißheitsfaktor jedoch auf einen Wert gesetzt, der im wesentlichen gleich dem ur sprünglichen Gewißheitsfaktor in der Umgebung von 1 ist, d. h. wenn das Ereignis annähernd N mal aufgetreten ist. Dies stellt eine Gegenmaßnahme dar, um zu verhindern, daß sich der Gewißheitsfaktor zu schnell dem Wert 1 nähert. Hierbei besteht jedoch in Abhängigkeit vom betrachteten Phänomen die Möglichkeit, daß die Gewißheitsfaktor-Aktua lisierungsfunktion gleich einer Stufenfunktion gesetzt wird. Das obenerwähnte Gewißheitsfaktor-Setzverfahren ist daher nicht allen Fällen gemeinsam. Hinsichtlich der Ge wichtung der Aktualisierungsverarbeitung für einen Gewiß heitsfaktor kann festgestellt werden, daß die Gewichtung durch Beschränkungen hinsichtlich des Betriebs der Anlage bestimmt wird. Es werde beispielsweise angenommen, daß bei einer Zunahme von axialen Vibrationen eines in Be trieb befindlichen Rotors und bei Erkennung dieser Zu nahme als tatsächlich aufgetretenes Ereignis auch dann, wenn die Vibrationen eine im voraus eingestellte Warn schwelle noch nicht erreicht haben, eine Fehlausrichtung bei der vorhergehenden periodischen Inspektion als Anfangs ereignis anhand von Aufzeichnungen oder dergleichen festgestellt wird. Es werde ferner angenommen, daß die Korrektur dieser Fehlausrichtung nur zum Zeitpunkt der jeweiligen periodischen Inspektion ausgeführt wird und daß der Betrieb im gegenwärtigen Zustand bis zu diesem nächsten Inspektionszeitpunkt fortgesetzt wird. Im allge meinen gibt es für solche Vibrationen viele mögliche Ur sachen. Darunter befinden sich viele Ursachen, die durch eine Korrektur oder Reparatur einzelner Steuersysteme wie etwa einer Öldruckzufuhr für ein Lager beseitigt werden können. Andererseits besteht über diese Fehlausrichtung keine Kontrolle. In einem solchen Fall ist es notwendig, bei der Aktualisierung eines Gewißheitsfaktors für die Schlußfolgerung eines Anfangsereignisses die eigene Ge schicklichkeit einzubringen. Es ist wünschenswert, die Abbildung so einzustellen, daß der Gewißheitsfaktor schnell in die Nähe von 1 gebracht wird. Wie oben be schrieben worden ist, ist es erforderlich, daß sich der aktualisierte Gewißheitsfaktor dem Wert 1 annähert, wenn ein für die Anlage spezifischer Trend des Betriebsablaufs oder dergleichen betroffen ist.

Nun wird ein Verfahren zur Korrektur der Aktualisierungs abbildung eines Gewißheitsfaktors beschrieben. Unter der Bedingung, daß ein Ereignis öfter als entsprechend einer vorgegebenen Anzahl aufgetreten ist, wenn das Ereignis beispielsweise öfter als 100 mal aufgetreten ist, zeigt die Bedienungsperson die Geschichte des besonderen Ereig niselements an und berechnet gleichzeitig die Häufigkeit des Elements während des hundertmaligen Auftretens, um die Genauigkeit der auf dem Gewißheitsfaktor basierenden Schlußfolgerung zu erhöhen. Wenn die Geschichte eines be stimmten Ereigniselements der tatsächlich aufgetretenen Ereignisse die Tendenz einer Bewegung zu einem bestimmten Grenzwert aufweist, wird dieser Grenzwert geschätzt. Die Bedeutung dieses Grenzwertes kann als Zielwert der Kon vergenz interpretiert werden, wenn der Grenzwert gegen einen bestimmten konstanten Wert konvergiert. Wenn die Neigung zu Oszillationen mit einer bestimmten Schritt weite besteht, kann als Grenzwert der Mittelwert des Ma ximalwertes und des Minimalwertes oder dergleichen be trachtet werden. Der auf die oben beschriebene Weise be stimmte Grenzwert wird mit der oben beschriebenen Häufig keit verglichen. Damit die Häufigkeit auf tatsächlichen Erfahrungen basiert, wird auf die Tatsache, daß eine An näherung der Häufigkeit an den Grenzwert zu einer höheren Genauigkeit führt, ein größeres Gewicht gelegt. Die Ak tualisierungsabbildung des Gewißheitsfaktors wird folg lich so modifiziert, daß sich der Gewißheitsfaktor der Häufigkeit annähert. Das heißt, daß die Modifikationen für die Aktualisierungsabbildung selbst ausgeführt wer den, derart, daß die als Aktualisierungsabbildung die nende und im voraus eingestellte Erhöhung des Gewißheits faktors größer wird, wenn die Häufigkeit größer als der Grenzwert ist und kein Ereignis aufgetreten ist, während die Erhöhung kleiner wird, wenn ein Ereignis aufgetreten ist. Umgekehrt wird eine Modifikation der Aktualisie rungsabbildung ähnlich ausgeführt, derart, daß die Erhö hung kleiner wird, wenn die Häufigkeit kleiner als der Grenzwert ist und kein Ereignis aufgetreten ist, während sie größer wird, wenn das Ereignis aufgetreten ist. Als Verfahren zur Bestimmung der Erhöhung oder Verstärkung wird eine Operation ausgeführt, die einen Faktor wieder gibt, der proportional zur Differenz zwischen der Häufig keit und dem Grenzwert ist, etwa eine Vorbelastungsgröße des aktualisierten Gewißheitsfaktors, wodurch es möglich wird, die Schlußfolgerung mit höherer Sicherheit auszu führen. Genauer bedeutet dies, daß dann, wenn der Gewiß heitsfaktor bei n-ten Mal F_n und der Grenzwert des Gewiß heitsfaktors F_lim ist, die Verstärkung der Aktualisie rungsabbildung unter Verwendung von K(F_lim - F_n) geändert wird, wobei K eine als Vorbelastungsgröße dienende, posi tive Konstante ist. Nebenbei sei festgestellt, daß die "Verstärkung der aktualisierten Abbildung" äquivalent zum Krümmungsgrad einer jeder der in Fig. 7 gezeigten Kurven ist.

Nun wird vom Standpunkt eines Benutzers des erfindungsgemäßen Systems die Möglichkeit des Auftretens eines nachteiligen Verhaltens bei Verwendung des Systems und eine Gegenmaßnahme für dieses nachteilige Verhalten beschrieben. Es werde angenommen, daß zwei Ereignisse, von denen angenommen wird, daß sie in einer Ursa che/Wirkungs-Beziehung stehen, aufgrund eines Setzfehlers beim Setzen des Baumdiagramms von Fig. 3 in derselben Spalte angeordnet sind. Ferner werde angenommen, daß das Ereignis 3₃ zu einem bestimmten Zeitpunkt T und das Er eignis 4₃ später aufgetreten ist. Wenn weder das Ereignis 2₂ noch das Ereignis 4₂ bis zu diesem Zeitpunkt aufgetre ten sind, besteht die Möglichkeit, daß das Ereignis 3₃ eine Ursache für das Ereignis 4₃ ist. Obwohl dies nicht beweist, daß T₃ ein Anfangsereignis für T₄ ist, legt es diese Möglichkeit nahe und sollte als eine Art von abnor malem Zustand betrachtet werden. In einem solchen Fall sollte das Ereignis auf einer CRT (Kathodenstrahlröhre) angezeigt werden, ferner sollte ein Alarm gegeben werden, während gleichzeitig der kausale Zusammenhang genauer un tersucht werden sollte. Weiterhin ist die zeitliche Dif ferenz zwischen diesen zwei Ereignissen zum Zeitpunkt der in der Folge auszuführenden Bestätigung des kausalen Zu sammenhangs eine wesentliche Forderung. Es ist daher wün schenswert, den Zeitpunkt des Auftretens hinzufügen und dann denselben automatisch aufzunehmen.

Obwohl die vorliegende Erfindung beispielhaft anhand ei nes Elektrizitätskraftwerks beschrieben worden ist, kann sie auf die Diagnose von Abnormalitäten in Chemiefabri ken, Fertigungsanlagen, großen Transportsystemen, großen Präzisionsgeräten usw. angewendet werden. Da die vorlie gende Erfindung nicht notwendig auf die Diagnose von Ab normalitäten beschränkt ist, kann sie auf die Steuerung, die Instandsetzung, die Ausbildung und dergleichen, die im allgemeinen eine Vorhersage von Ereignissen erfordern, angewendet oder zu deren Unterstützung herangezogen wer den.

Claims

1. Verarbeitungssystem (1000) für eine Wissensbank (5300) in einem Experten system (5000), bei dem Gewißheitsfaktoren, die jeweils Zwischenereignis pfaden in einem aus Ereignissen in wenigstens drei sich von Anfangsereig nissen über Zwischenereignisse zu Endereignissen erstreckenden Ebenen be stehenden Inferenzbaum zugeordnet sind und jeder den Grad eines ursächli chen Zusammenhangs zwischen zwei gegebenen Ereignissen in dem Inferenzbaum ausdrücken, gespeichert werden, mit einem Gewißheitsfaktor-Aktualisierungs prozessor (2000), der die Gewißheitsfaktoren aufgrund von tatsächlich fest gestellten Ereignissen laufend fortschreibt, indem er auf der Basis einer vorbestimmten Umrechnungsfunktion die Gewißheitsfaktoren von Zwischenereig nispfaden, die zu einer Ereignisfolge gehören, die tatsächlich festgestell te Ereignisse einschließt, im Vergleich zu anderen Zwischenereignispfaden, die nicht zu diesen Ereignisfolgen gehören, vergrößert.

2. Verarbeitungssystem nach Anspruch 1, dadurch gekennzeichnet, daß die Gewißheitsfaktoren in der Wissensbank (5300) gespeichert sind.

3. Verarbeitungssystem nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß in der Umrechnungsfunktion für die Fortschreibung der Gewißheitsfakto ren statistische Daten einer vorgegebenen Anzahl von tatsächlichen Erfahrungen berücksichtigt sind.

4. Verarbeitungssystem nach einem der Ansprüche 1 bis 3, gekennzeichnet durch einen Schlußfolgerungsinformations-Anordnungsprozessor (3100), der die Ergebnisse einer auf dem Inhalt der Wissensbank (5300) basie renden Schlußfolgerung sowie aktualisierte Gewißheitsfaktoren aus gibt.

5. Verarbeitungssystem nach einem der Ansprüche 1 bis 4, dadurch gekenn zeichnet, daß die Umrechnungsfunktion auf der Basis der Häufigkeit einer tatsäch lichen Feststellung einer Ereignisfolge zwischen zwei in der Wissens bank (5300) gespeicherten Ereignissen berechnet wird.

6. Verarbeitungssystem nach Anspruch 5, dadurch gekennzeichnet, daß der Gewißheitsfaktor dann aktualisiert wird, wenn die Feststellung einer Ereignisfolge eine vorgegebene Anzahl erreicht hat.

7. Verarbeitungssystem nach Anspruch 5, dadurch gekennzeichnet, daß die Aktualisierung des Gewißheitsfaktors für eine Ereignisfolge anhand der Differenz zwischen dem Gewißheitsfaktor und dem Häufigkeitsgrad einer tatsächlichen Feststellung der Ereignisfolge erfolgt.

8. Verarbeitungssystem nach einem der Ansprüche 1 bis 7, gekennzeichnet
durch einen Speicher (1200) zum Speichern von historischer Information über die aktualisierten Gewißheitsfaktoren und
durch einen Ereigniskorrelationsdiskriminator (3300) zur Klassifizierung von Ereignissen nach wenigstens drei Kategorien, nämlich in:
Ereignisse mit hohen Gewißheitsfaktoren als halbbestimmte Ereignisse,
Ereignisse mit niedrigen Gewißheitsfaktoren als seltene Ereignisse, und
Ereignisse mit mittleren Gewißheitsfaktoren als instabile Ereignisse auf der Grundlage der historischen Information über die Gewißheits faktoren.