DE4108310C2 - Verarbeitungssystem für eine Wissensbank in einem Expertensystem - Google Patents
Verarbeitungssystem für eine Wissensbank in einem ExpertensystemInfo
- Publication number
- DE4108310C2 DE4108310C2 DE4108310A DE4108310A DE4108310C2 DE 4108310 C2 DE4108310 C2 DE 4108310C2 DE 4108310 A DE4108310 A DE 4108310A DE 4108310 A DE4108310 A DE 4108310A DE 4108310 C2 DE4108310 C2 DE 4108310C2
- Authority
- DE
- Germany
- Prior art keywords
- event
- certainty
- events
- certainty factor
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
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 ij 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 ij 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, ..., iM) (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 iM 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:
Σλ∈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, ij) als Bereich dient. Es
ist auch möglich, den Gewißheitsfaktor als Funktion der
Intensität DATA(ij) 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 (ij + 1 ,ij) entsprechende Gewißheitsfaktor folgender
maßen geschrieben werden:
F(ij + 1, ij; t, DATA(ij)) (15)
Auf die Formel (15) wird im folgenden um der Kürze willen
mit F(ij + 1, ij) Bezug genommen. In Formel (15) bezeichnet
t die Zeit, während DATA(ij) die Intensität der beobach
teten physikalischen Größe bezüglich des Ereigniselemen
tes ij darstellt. Der Gewißheitsfaktor der
Linie λ kann als Funktion der Gewißheitsfaktoren der
einzelnen Zwischenereignispfade (ij + 1, ij) ausgedrückt
werden.
F(λ) = Fλ(F(ij + 1, ij); (ij + 1, ij) ⊃ 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(ij + 1, ij) (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 iM
ist der Zwischenereignispfad (ij+1, ij), dessen Gewiß
heitsfaktor berechnet werden muß, in einem Baum T(iM),
der sich vom Endereignis iM erstreckt, enthalten. Der
Baum T(iM) 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(ij + 1, ij), (ij + 1, ij) ⊃ T(iM) (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(ij) der beobachteten physikalischen Größe bezüg
lich eines Ereigniselements ij abhängt, wird dieses Ver
fahren in der vorliegenden Ausführungsform nicht angewen
det. Folglich kann der Definitionsbereich durch die fol
gende Formel ausgedrückt werden.
{(ij + 1, ij), (ij + 1, ij) ⊃ T(iM)} (19)
Der Bereich der Wahrscheinlichkeitsfaktor-Aktualisie
rungsabbildung kann entsprechend Gleichung (18) wie im
folgenden gezeigt angegeben werden:
{F(ij + 1, ij), (ij + 1, ij) ⊃ T(iM)} (20)
Gemäß den Formeln (19) und (20) kann die Wahrscheinlich
keitsfaktor-Aktualisierungsabbildung R folgendermaßen
ausgedrückt werden:
R; {λ, Falt(ii + 1, ij), (ij + 1, ij) ⊃ T(iM)}
→ {Fneu(ii + 1, ij), (ij + 1, ij) ⊃ T(iM)} (21)
→ {Fneu(ii + 1, ij), (ij + 1, ij) ⊃ T(iM)} (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 talt an.
Dieser Bereich ist eine Menge von Zwischenereignispfaden
(ij + 1, ij) und von Daten (ij, talt) einer physikalischen
Größe, die bezüglich des Ereigniselements ij beobachtet
worden ist. Mit dem Bezugszeichen 2023 ist eine Menge von
Wahrscheinlichkeitsfaktoren Falt (ij + 1, ij) 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
Fneu (ij + 1, ij) der Zwischenereignispfade stellt deren
Wertebereich dar. In der nächsten Schlußfolgerung zum
Zeitpunkt tneu < talt 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 (ij + 1, ij) 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 (ij + 1, ij) betroffen ist. Wenn jedoch der
Wahrscheinlichkeitsfaktor des Zwischenereignispfades
(ij + 1, ij) beispielsweise von der für das Ereignis ij be
obachteten physikalischen Größe abhängt (wenn sich bei
spielsweise der Wahrscheinlichkeitsfaktor in Abhängigkeit
von der Vibrationsintensität ändert), sollte die Informa
tion (ij + 1, ij), die den Zwischenereignispfad und die Da
ten der physikalischen Größe (t; ij) 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(ij + 1, ij)
bei der Beobachtung des Ereignisses ij (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 iM,
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(ij + 1, ij) eines Zwischereignis
pfades als Ergebnis der Erfahrung des Ereignisses ij ver
hältnismäßig größer wird und im anderen Fall der Wahr
scheinlichkeitsfaktor wegen des Fehlens der Erfahrung des
Ereignisses ij 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:
Fneu((ij + 1, ij) = g1(Falt(ij + 1, ij))/Σ (23)
Fneu((ij + 1, ij) = g2(Falt(ij + 1, ij))/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:
gi(x): [0,1] → [0,1], Falt → Fneu (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 ij beginnenden Zwischenereignis
pfade erhaltene Summe der Gewißheitsfaktoren (gi(i = 1,2));
Σist ein Normierungsfaktor, der durch die folgende For
mel definiert ist:
Σ = Σij + 1 ≠ Blindwert, k = 1,2 gk(Falt(ij + 1, ij)) (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
Fneu (2036) an, während der Gewißheitsfaktor 2035 des
Zwischenereignispfades, der ein erschlossener Ursachen
kandidat war, jedoch nicht erfahren wurde, auf Fneu
(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 iM 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(iM) enthalten sind und beim Endereignis iM begin
nen. In der Verarbeitung 2113 werden die alten Gewiß
heitsfaktoren F(ij + 1, ij) der Zwischenereignispfade im
Schlußfolgerungsbaum T(iM) eingelesen. In der Verarbei
tung 2114 werden die alten Gewißheitsfaktoren
Falt (ij + 1, ij) der Zwischenereignispfade der Gewißheits
faktor-Aktualisierungsabbildung unterworfen, so daß die
alten Gewißheitsfaktoren zu nicht normierten neuen Gewiß
heitsfaktoren gk(Falt(ij + 1, ij)) derselben Zwischereignis
pfade aktualisiert werden. Die Verarbeitung 2115 ist eine
Normierungsverarbeitung von g(Falt(ij + 1, ij)) mit dem
Normierungsfaktor:
Σ= Σij + 1 ≠ Blindwert, k = 1,2 gk(Falt(ij + 1, ij)) (28)
Der Normierungsfaktor in Formel (28) ist dergleiche wie
derjenige von Formel (27). Hierbei hat der Index von Σ,
ij + 1 ≠ Blindwert (29)
die Bedeutung, daß diejenigen Zwischenereignispfade, die
vom Ereigniselement ij 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:
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 iM 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(iM) im Baumdiagramm ausliest und
diese Information speichert. Die obige Information umfaßt
eine historische Information darüber, ob die Ereignisele
mente ij für Schlußfolgerung verwendet worden sind und ob
jede so ausgeführte Schlußfolgerung richtig war, Daten
DATA(ij), die bei jeder Schlußfolgerung beobachtet wur
den, entsprechende Anleitungen, Bedienungsprotokolle usw.
Nach der Eingabe der Gewißheitsfaktoren F(ij)4210 der
bei der Schlußfolgerung auf die Ursache des Endereignis
ses iM verwendeten Zwischenereignispfade im Baum T(iM)
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(tk; ij + 1, ij) des Zwischenereignis
pfades (ij + 1, ij) kann folgendermaßen definiert werden:
η(tk; ij + 1, ij) = Σk δ(tk)/Σk 1 (33)
wobei
δ(tK) = δ(tk; ij + 1, ij) (34)
eine Funktion ist, die angibt, ob Zwischenereignispfad
(ij + 1, ij) als tatsächliche Erfahrung bestimmt worden ist,
nachdem der Zwischenereignispfad zum Zeitpunkt tk ein
Kandidat geworden war; δ(tk) er
füllt die folgende Bedingung:
Die tatsächliche Erfahrungshäufigkeit η(tk; ij + 1, ij)
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(tk; ij + 1, ij) kann
solange durch die Aktualisierungsverarbeitung nicht wie
dergegeben werden, bis die Anzahl Σk1 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(ij + 1, ij) als Gewißheitsfaktor der Ereignisausbreitungs
richtung auf dem Zwischenereignispfad (ij + 1, ij) 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)
Σλ∈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(ij + 1, ij) 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 ij 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 ij 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(tk; 1i, 22)i = 1,2 und
die Polygonlinie 3320 der Geschichte der tatsächlichen
Erfahrungshäufigkeit η(tk; 1i, 22) gezeigt, besteht zwi
schen der Gewißheitsfaktor-Geschichte F(tk; 1i, 22) 3310
und der Geschichte der beobachteten physikalischen Größe
DATA(tk; 21) anscheinend eine Korrelation, vorausgesetzt,
daß die Geschichte der physikalischen Größe DATA(tk; 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(tk; 21) gegeben. Das heißt:
Δ = Σtk [F(tk; 11, 21) - η(tk; 11, 22)].[DATA(tk; 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 Fneu = Falt 1/2 und Fneu = Falt als
Gewißheitsfaktor-Aktualisierungsfunktionen verwendet.
Falt 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 Fneu = Falt 1/2 die folgenden Formeln abge
leitet:
0.61/2 = 0.775 (F(A1 → B1)1/2) <1<
0.31/2 = 0.548 (F(B1 → C1)1/2) <2<
Auf der Grundlage von Fneu = Falt 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:
Fneu(A1 → B1)=0.775/(0.775 + 0.2 + 0.2) = 0.660 <7<
Fneu(A1 → B2)=0.2/(0.775 + 0.2 + 0.2) = 0.170 <8<
Fneu(A1 → B3)=0.2/(0.775 + 0.2 + 0.2) = 0.170 <9<
aus den Formeln <2<, <5< und <6<
Fneu(B1 → C1)=0.548/(0.548 + 0.1 + 0.5) = 0.477 <10<
Fneu(B2 → C1)=0.1/(0.548 + 0.1 + 0.5) = 0.087 <11<
Fneu(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:
Fneu(A1 → C1)=0.660 × 0.477 + 0.170 × 0.087 + 0.170 × 0.436
= 0.295 + 0.015 + 0.074 = 0.404
Fneu(A1 → C2) = 0.660 × 0.523 + 0.170 × 0.913 + 0.170 × 0.564
=0.345 + 0.155 + 0.096 = 0.596 ( = 1 - Fneu(A1 → C1))
= 0.295 + 0.015 + 0.074 = 0.404
Fneu(A1 → C2) = 0.660 × 0.523 + 0.170 × 0.913 + 0.170 × 0.564
=0.345 + 0.155 + 0.096 = 0.596 ( = 1 - Fneu(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 Fneu 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 Fn und der Grenzwert des Gewiß
heitsfaktors Flim ist, die Verstärkung der Aktualisie
rungsabbildung unter Verwendung von K(Flim - Fn) 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 (8)
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.
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.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP06369790A JP3268529B2 (ja) | 1990-03-14 | 1990-03-14 | 知識データベース処理システムおよびエキスパートシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
DE4108310A1 DE4108310A1 (de) | 1991-09-26 |
DE4108310C2 true DE4108310C2 (de) | 1998-10-22 |
Family
ID=13236831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE4108310A Expired - Fee Related DE4108310C2 (de) | 1990-03-14 | 1991-03-14 | Verarbeitungssystem für eine Wissensbank in einem Expertensystem |
Country Status (3)
Country | Link |
---|---|
US (1) | US5493729A (de) |
JP (1) | JP3268529B2 (de) |
DE (1) | DE4108310C2 (de) |
Families Citing this family (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2295703A (en) * | 1993-07-05 | 1996-06-05 | Komatsu Mfg Co Ltd | Inference apparatus |
US7337090B1 (en) * | 1994-05-25 | 2008-02-26 | Emc Corporation | Apparatus and method for event correlation and problem reporting |
US6076083A (en) * | 1995-08-20 | 2000-06-13 | Baker; Michelle | Diagnostic system utilizing a Bayesian network model having link weights updated experimentally |
US5754782A (en) * | 1995-12-04 | 1998-05-19 | International Business Machines Corporation | System and method for backing up and restoring groupware documents |
US5819007A (en) * | 1996-03-15 | 1998-10-06 | Siemens Medical Systems, Inc. | Feature-based expert system classifier |
US6021403A (en) * | 1996-07-19 | 2000-02-01 | Microsoft Corporation | Intelligent user assistance facility |
US5845272A (en) * | 1996-11-29 | 1998-12-01 | General Electric Company | System and method for isolating failures in a locomotive |
US6067505A (en) * | 1997-04-10 | 2000-05-23 | The Foxboro Company | Method and apparatus for self-calibration of a coordinated control system for an electric power generating station |
US6807583B2 (en) * | 1997-09-24 | 2004-10-19 | Carleton University | Method of determining causal connections between events recorded during process execution |
US6125339A (en) * | 1997-12-23 | 2000-09-26 | Raytheon Company | Automatic learning of belief functions |
JP3822357B2 (ja) * | 1998-02-09 | 2006-09-20 | 株式会社東芝 | マルチモーダル入出力装置のインタフェース装置及びその方法 |
US6208955B1 (en) * | 1998-06-12 | 2001-03-27 | Rockwell Science Center, Llc | Distributed maintenance system based on causal networks |
AU5822899A (en) | 1998-09-18 | 2000-04-10 | Tacit Knowledge Systems | Method and apparatus for querying a user knowledge profile |
US6377949B1 (en) | 1998-09-18 | 2002-04-23 | Tacit Knowledge Systems, Inc. | Method and apparatus for assigning a confidence level to a term within a user knowledge profile |
US6115709A (en) | 1998-09-18 | 2000-09-05 | Tacit Knowledge Systems, Inc. | Method and system for constructing a knowledge profile of a user having unrestricted and restricted access portions according to respective levels of confidence of content of the portions |
US6154783A (en) * | 1998-09-18 | 2000-11-28 | Tacit Knowledge Systems | Method and apparatus for addressing an electronic document for transmission over a network |
US6253202B1 (en) | 1998-09-18 | 2001-06-26 | Tacit Knowledge Systems, Inc. | Method, system and apparatus for authorizing access by a first user to a knowledge profile of a second user responsive to an access request from the first user |
AU5910699A (en) * | 1998-09-18 | 2000-04-10 | Tacit Knowledge Systems | Method of constructing and displaying an entity profile constructed utilizing input from entities other than the owner |
US8380875B1 (en) | 1998-09-18 | 2013-02-19 | Oracle International Corporation | Method and system for addressing a communication document for transmission over a network based on the content thereof |
US6411936B1 (en) | 1999-02-05 | 2002-06-25 | Nval Solutions, Inc. | Enterprise value enhancement system and method |
US6604092B1 (en) | 1999-02-26 | 2003-08-05 | Lisa E. Stewart | Expert system utilizing a knowledge base and design of experiment (DOE) techniques |
US6456622B1 (en) | 1999-03-03 | 2002-09-24 | Hewlett-Packard Company | Method for knowledge acquisition for diagnostic bayesian networks |
US6494617B1 (en) | 1999-04-30 | 2002-12-17 | General Electric Company | Status detection apparatus and method for fluid-filled electrical equipment |
US6374197B1 (en) * | 1999-05-10 | 2002-04-16 | The United States Of America As Represented By The Secretary Of The Navy | Fuzzy logic based model assessment system and method for contact tracking |
US6519578B1 (en) | 1999-08-09 | 2003-02-11 | Mindflow Technologies, Inc. | System and method for processing knowledge items of a knowledge warehouse |
US6629096B1 (en) * | 1999-08-09 | 2003-09-30 | Mindflow Technologies, Inc. | System and method for performing a mindflow process |
US6519590B1 (en) * | 1999-08-09 | 2003-02-11 | Mindflow Technologies, Inc. | System and method for performing a mindflow process using a mindflow document archive |
US6934905B1 (en) | 1999-12-16 | 2005-08-23 | Rodger W. Tighe | Automated document drafting system |
US6820072B1 (en) * | 2000-08-22 | 2004-11-16 | Hewlett-Packard Development Company, L.P. | Validation of probabilistic troubleshooters and diagnostic system |
US6618691B1 (en) * | 2000-08-28 | 2003-09-09 | Alan J Hugo | Evaluation of alarm settings |
JP2002082962A (ja) * | 2000-09-08 | 2002-03-22 | Hitachi Ltd | エンジニアリングポータルサイトにおける情報提供方法 |
US6668251B1 (en) | 2000-11-01 | 2003-12-23 | Tacit Knowledge Systems, Inc. | Rendering discriminator members from an initial set of result data |
US20040111386A1 (en) * | 2001-01-08 | 2004-06-10 | Goldberg Jonathan M. | Knowledge neighborhoods |
JP2003157376A (ja) * | 2001-11-21 | 2003-05-30 | Ricoh Co Ltd | ネットワークシステム、識別情報管理方法、サーバ装置、プログラム、および記録媒体 |
US9805373B1 (en) | 2002-11-19 | 2017-10-31 | Oracle International Corporation | Expertise services platform |
US7778841B1 (en) | 2003-07-16 | 2010-08-17 | Carfax, Inc. | System and method for generating information relating to histories for a plurality of vehicles |
JP2005199373A (ja) * | 2004-01-14 | 2005-07-28 | Toshiba Corp | コミュニケーション装置及びコミュニケーション方法 |
US7363203B2 (en) * | 2004-06-28 | 2008-04-22 | Graniteedge Networks | Determining event causality including employment of partitioned event space |
US20060047351A1 (en) * | 2004-08-27 | 2006-03-02 | Alan Hugo | Process controller output and alarm setting evaluation |
JP4170315B2 (ja) * | 2005-05-30 | 2008-10-22 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 異常判断装置、制御方法、自動車およびプログラム |
EP1934767A4 (de) * | 2005-08-05 | 2010-04-28 | Vantos Inc | Bestimmen der ereigniskausalität in einer wellenfrontumgebung |
US8667332B2 (en) * | 2007-04-24 | 2014-03-04 | Honeywell International Inc. | Methods for optimizing diagnostics reasoner models |
US9646308B1 (en) | 2008-06-06 | 2017-05-09 | Carfax, Inc. | Tool for selling and purchasing vehicle history reports |
US20100070442A1 (en) * | 2008-09-15 | 2010-03-18 | Siemens Aktiengesellschaft | Organizing knowledge data and experience data |
US8719208B2 (en) * | 2008-10-29 | 2014-05-06 | Microsoft Corporation | Certainty factor decay |
US8464279B2 (en) * | 2009-12-18 | 2013-06-11 | Hewlett-Packard Development Company, L.P. | Domain event correlation |
US8694836B2 (en) * | 2010-01-27 | 2014-04-08 | Telcordia Technologies, Inc. | Fault diagnosis employing probabilistic models and statistical learning |
US8875129B2 (en) * | 2010-02-05 | 2014-10-28 | Tripwire, Inc. | Systems and methods for monitoring and alerting events that virtual machine software produces in a virtual infrastructure |
US8566823B2 (en) | 2010-02-05 | 2013-10-22 | Tripwire, Inc. | Systems and methods for triggering scripts based upon an alert within a virtual infrastructure |
US8868987B2 (en) * | 2010-02-05 | 2014-10-21 | Tripwire, Inc. | Systems and methods for visual correlation of log events, configuration changes and conditions producing alerts in a virtual infrastructure |
US8812659B2 (en) * | 2011-05-26 | 2014-08-19 | Microsoft Corporation | Feedback-based symptom and condition correlation |
EP2546786A1 (de) * | 2011-07-15 | 2013-01-16 | Universitat de Barcelona Hospital Clinic | Verfahren zur automatischen Entscheidungsfindung |
ES2408112B1 (es) * | 2011-09-07 | 2014-02-28 | Telefónica, S.A. | Método y sistema para la optimización y agilización de la resolución de incidencias |
CN104517020B (zh) * | 2013-09-30 | 2017-10-20 | 日电(中国)有限公司 | 用于因果效应分析的特征提取方法和装置 |
US9372898B2 (en) * | 2014-07-17 | 2016-06-21 | Google Inc. | Enabling event prediction as an on-device service for mobile interaction |
JP6311051B2 (ja) * | 2017-06-08 | 2018-04-11 | ヤフー株式会社 | 推定装置、推定方法及び推定プログラム |
WO2019140018A1 (en) | 2018-01-09 | 2019-07-18 | Archive Auto, Inc. | Vehicle data acquisition and access system and method |
US11354320B2 (en) * | 2018-10-11 | 2022-06-07 | International Business Machines Corporation | Determining causes of events in data |
WO2021251972A1 (en) * | 2020-06-11 | 2021-12-16 | Hitachi, Ltd. | Method to improve probability calculation of knowledge base construction |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0246517A1 (de) * | 1986-05-20 | 1987-11-25 | Nippon Kokan Kabushiki Kaisha | Verfahren zur Steuerung des Betriebs eines Hochofens |
US4754410A (en) * | 1986-02-06 | 1988-06-28 | Westinghouse Electric Corp. | Automated rule based process control method with feedback and apparatus therefor |
DE3720195A1 (de) * | 1987-06-16 | 1989-01-05 | Siemens Ag | Als expertensystem dienender rechner |
DE3907843A1 (de) * | 1988-03-11 | 1989-09-28 | Ricoh Kk | In hardware ausgefuehrtes, regelgestuetztes expertensystem |
DE3908879A1 (de) * | 1988-03-17 | 1989-11-02 | Toshiba Kawasaki Kk | Echtzeit-expertencomputersystem |
DE3918789A1 (de) * | 1988-06-08 | 1989-12-21 | Hitachi Ltd | Adaptives kenntnisfolgerungsverfahren und -system |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4617628A (en) * | 1982-12-28 | 1986-10-14 | United Technologies Corporation | Expandable electrostatic engine diagnostics classifier |
JPS608902A (ja) * | 1983-06-29 | 1985-01-17 | Hitachi Ltd | 学習制御方式 |
JPS6024647A (ja) * | 1983-07-20 | 1985-02-07 | Hitachi Ltd | システムの自律化資源管理方式 |
US4649515A (en) * | 1984-04-30 | 1987-03-10 | Westinghouse Electric Corp. | Methods and apparatus for system fault diagnosis and control |
US4642782A (en) * | 1984-07-31 | 1987-02-10 | Westinghouse Electric Corp. | Rule based diagnostic system with dynamic alteration capability |
JPS61218323A (ja) * | 1985-03-20 | 1986-09-27 | 株式会社東芝 | 事故判定方法 |
JPH0682396B2 (ja) * | 1985-10-22 | 1994-10-19 | オムロン株式会社 | メンバーシップ関数合成装置およびファジィ・システム |
US4860213A (en) * | 1987-10-01 | 1989-08-22 | General Electric Company | Reasoning system for reasoning with uncertainty |
JPH0827650B2 (ja) * | 1988-04-18 | 1996-03-21 | 株式会社日立製作所 | 異常予知支援装置 |
-
1990
- 1990-03-14 JP JP06369790A patent/JP3268529B2/ja not_active Expired - Fee Related
-
1991
- 1991-03-14 DE DE4108310A patent/DE4108310C2/de not_active Expired - Fee Related
-
1994
- 1994-07-20 US US08/277,366 patent/US5493729A/en not_active Expired - Lifetime
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4754410A (en) * | 1986-02-06 | 1988-06-28 | Westinghouse Electric Corp. | Automated rule based process control method with feedback and apparatus therefor |
EP0246517A1 (de) * | 1986-05-20 | 1987-11-25 | Nippon Kokan Kabushiki Kaisha | Verfahren zur Steuerung des Betriebs eines Hochofens |
DE3720195A1 (de) * | 1987-06-16 | 1989-01-05 | Siemens Ag | Als expertensystem dienender rechner |
DE3907843A1 (de) * | 1988-03-11 | 1989-09-28 | Ricoh Kk | In hardware ausgefuehrtes, regelgestuetztes expertensystem |
DE3908879A1 (de) * | 1988-03-17 | 1989-11-02 | Toshiba Kawasaki Kk | Echtzeit-expertencomputersystem |
DE3918789A1 (de) * | 1988-06-08 | 1989-12-21 | Hitachi Ltd | Adaptives kenntnisfolgerungsverfahren und -system |
Non-Patent Citations (2)
Title |
---|
JP 01-229330 A. In: Patent Abstracts of Japan, Sect. P, Vol. 13 (1989), Nr. 550 (P-972) * |
JP 60-8902 A. In: Patent Abstracts of Japan, Sect. P, Vol. 9 (1985), Nr. 122 (P-359) * |
Also Published As
Publication number | Publication date |
---|---|
DE4108310A1 (de) | 1991-09-26 |
US5493729A (en) | 1996-02-20 |
JP3268529B2 (ja) | 2002-03-25 |
JPH03263227A (ja) | 1991-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE4108310C2 (de) | Verarbeitungssystem für eine Wissensbank in einem Expertensystem | |
DE60212121T2 (de) | Erzeugung von prozessverwandten daten | |
DE4436658B4 (de) | Vorrichtung und Verfahren zur Störungsuntersuchung | |
EP1250632B1 (de) | System und verfahren zur ermittlung der produktionsanlagen-effektivität, von fehlerereignissen und der fehlerursachen | |
EP0676070B1 (de) | Verfahren und einrichtung zur signalanalyse, prozessidentifikation und überwachung eines technischen prozesses | |
EP2108139B1 (de) | Verfahren zur rechnergestützten regelung und/oder steuerung eines technischen systems, insbesondere einer gasturbine | |
DE102006048430A1 (de) | Verfahren zur Wartungsvorhersage einer Maschine | |
WO2005111752A1 (de) | Wissensbasiertes diagnosesystem für ein komplexes technisches system mit zwei getrennten wissensbasen zur verarbeitung technischer systemdaten und zur verarbeitung von kundenbeanstandungen | |
DE102022201761A1 (de) | Verfahren, System und Speichermedium zur automatischen Diagnose vonVorrichtungen | |
DE3421522A1 (de) | Verfahren und einrichtung zur diagnose eines waermekraftwerks | |
EP1307816A1 (de) | System zur ermittlung von fehlerursachen | |
EP3876061B1 (de) | Verfahren zur validierung und auswahl auf maschinellem lernen basierender modelle zur zustandsüberwachung einer maschine | |
DE102011117803A1 (de) | Verfahren für die Wartungsdiagnose- und Wartungsprozedurverbesserung | |
EP3876060B1 (de) | Verfahren und recheneinheit zur ursachenanalyse eines anomalen zustandes einer maschine | |
DE102018002781B4 (de) | Schaltungskonfigurations-Optimierungsvorrichtung und maschinelle Lernvorrichtung | |
DE102011055456A1 (de) | Graph-Matching-System zum Vergleichen und Zusammenführen von Fehlermodellen | |
WO2020216530A1 (de) | Verfahren zum bestimmen von restnutzungszyklen, restnutzungszyklusbestimmungsschaltung, restnutzungszyklusbestimmungsvorrichtung | |
DE60306494T2 (de) | Vorrichtung, verfahren und computerprogrammprodukt zur modellierung der kausalität in einem flusssystem | |
DE4406723A1 (de) | Verfahren zur Überwachung des Betriebszustands einer Maschine oder Anlage | |
WO2000033209A2 (de) | Verfahren und anordnung zum entwurf eines technischen systems | |
DE102008032885A1 (de) | Verfahren und Vorrichtung zur Überprüfung und Feststellung von Zuständen eines Sensors | |
DE102020200051A1 (de) | Verfahren zum Bestimmen von Restnutzungszyklen, Restnutzungszyklusbestimmungsschaltung, Restnutzungszyklusbestimmungsvorrichtung | |
DE112021000251T5 (de) | Verfahren zum auswählen von datensätzen zum aktualisieren eines moduls mit künstlicher intelligenz | |
DE102019208922A1 (de) | Verfahren und Vorrichtung zum Kontrollieren eines Produktionsprozesses | |
EP1071999B1 (de) | Verfahren und anordnung zur rechnergestützten ermittlung einer abbildungsvorschrift |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
D2 | Grant after examination | ||
8364 | No opposition during term of opposition | ||
8339 | Ceased/non-payment of the annual fee |