CN104246798A - 基于模糊专家系统的问题分析和优先级确定 - Google Patents
基于模糊专家系统的问题分析和优先级确定 Download PDFInfo
- Publication number
- CN104246798A CN104246798A CN201280072853.5A CN201280072853A CN104246798A CN 104246798 A CN104246798 A CN 104246798A CN 201280072853 A CN201280072853 A CN 201280072853A CN 104246798 A CN104246798 A CN 104246798A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- value
- expert system
- priority
- input parameter
- 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.)
- Pending
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
- G06N5/048—Fuzzy inferencing
Abstract
描述了用于分析问题的方法,包括:接收指定问题的多个输入参数的值;使用模糊专家系统分析多个输入参数的值,从而计算包括语言变量的值和明确值的模糊结果;以及确定问题的优先级,其中优先级基于模糊结果的语言变量的值和明确值来确定。此外,提供了相应的问题分析系统。
Description
背景技术
在各种领域或域中,问题管理应用于问题的生命周期的不同阶段的执行和监管。问题管理技术针对问题的解决和因而产生的事件的防止。问题可总地被定义为正常状态的改变或某个性能从预期正常处理的偏离。因为问题可与任何种类的状态或处理有关,所以问题的单独解决可一般具有反映那个问题的优先化解决的必要性的某个重要性。因此,问题可被分析以确定问题的重要性并以增加的重要性实现问题的特许处理。
为了执行问题分析,与问题有关的几个疑问必须被评定。对这些疑问的答案一般需要在问题的领域或域中的专家的某个水平的技能和经验。然而,答案可能并不总是以令人满意的方式被提供,因为专家在问题的登记期间可能并不是立即有空的。相反,登记问题的大部分人不是专家或不拥有执行详细和客观分析的所有必要的技能和知识。例如,在信息技术(IT)基础设施的领域中的问题一般是复杂的,且需要广泛和详细的专家知识,以便允许适当的问题分析。
因为IT基础实施对组织和企业实体有系统化重要性且IT基础设施的错误或故障可能有严重牵涉,所以IT相关问题的最佳优先化和解决是需要的。此外,从IT服务管理的观点看,问题管理可能服从在组织或企业实体和IT基础设施的管理者之间的服务水平协议(SLA)。根据SLA,问题可能需要大部分关键问题的快速响应和立即解决。
在本领域中已知的问题分析和优先级确定的方法要求专家定义几个输入变量,其以后一般使用预定义的静态矩阵来处理,以便确定问题的优先级。例如,两个输入变量的值可分别用作静态矩阵的列和行的索引,且在矩阵中的被编索引的条目可用于确定由输入变量指定的问题的优先级。这些静态方法需要每个问题的情况和特性的完整知识,即,专家必须定义每个输入变量的精确值。如果值是未知的,则它必须被猜测。然而在这种情况下,相应的输入变量以后作为固定的选定值被处理并因此导致不适当的结果。
此外,已知的系统遭受可能不足以精确地定义问题的有限数量的输入变量。因为这样的系统被限制到一组静态值,例如静态矩阵的条目,所以也可能难以使这些系统适应新的或变化的条件。
附图说明
图1示出针对根据一个例子的用于问题分析的方法的流程图;
图2示意性示出根据一个例子的用于问题分析的系统;
图3以示意性方框图的形式示出根据一个例子的模糊专家系统的部件;以及
图4A、4B和4C示出根据一个例子的在问题分析方法中应用的模糊集合的隶属函数。
具体实施方式
下面将通过参考几个例子来描述各种实施例。
本公开涉及用于问题的分析的方法,该分析基于指定问题的多个输入参数的值,这些输入参数使用模糊专家系统来被分析。所述分析导致包括语言变量的值和明确值的模糊结果的计算。基于模糊结果的语言变量的值和明确值来确定问题的优先级。
问题分析方法实现问题的正确优先化,这是问题管理的最关键部分之一。它代表智能技术,其通过使用模糊专家系统分析输入参数并基于因而产生的语言变量和数字明确值评定优先级,来允许关于问题优先级的适当和客观的结论以及问题的更现实的量化。
该方法进一步极大地降低了不正确地优先化的问题的数量。它通过使用反映所需的专家知识的模糊专家系统分析所接收的值来处理多义性以及不完整和不正确的信息。因此,提供输入参数的值的操作人员既不需要是在本领域中的专家也不必有广泛的知识以便精确地定义问题优先级。因此,该方法对问题分析和管理降低了对专家的依赖性,并极大地减小了相应的支持成本。
模糊专家系统可用于基于模糊逻辑的原理来分析输入数据。模糊逻辑的一般概念可应用在不同的领域中,例如控制理论或人工智能中,并实现不精确或不确定的知识的表示。模糊逻辑能够实现严密地类似于人思考和作出决策的方式的过程,并因此实现近似的推理。模糊专家系统可接收作为输入的多个值,例如数字值或语言值。语言值可被定义为语言变量的值,其可由定义状态或状态的特性的一组术语来表示,所述术语例如“低”、“中”和“高”。相应地,语言变量可以用自然语言来定义并且贯穿本说明书也被称为模糊变量。输入值可被映射到多个模糊集合上并根据模糊规则来被处理,以便计算模糊结果。
模糊集合在模糊专家系统中被使用,并允许在模糊集合中的每个元素的隶属的分等级指示。使用值在区间[0, 1]中的相应隶属函数描述相应元素的隶属的程度。因此,模糊集合可被描述为对(U,m),其中U是集合且 定义隶属函数,其中对于每个,值m(x)定义在U中的x的隶属的等级。相应地,模糊集合的每个元素可具有某个隶属等级。因此,作为将输入值映射到模糊集合上的结果,例如数字值或非模糊明确输入值的输入值可使用模糊语言变量、也可被称为术语的模糊语言值和隶属函数来转换成模糊集合。例如,每个语言或模糊变量可具有几个模糊值,且对于每个模糊值,隶属函数可用于将诸如非模糊明确输入值的输入值映射到模糊语言值或术语。
根据实施例,因而产生的语言变量的值用于将问题分类成多个类别之一,且明确值用于对相应类别内的问题分等级。例如,语言变量的值可以指多个类别之一,例如“不重要”、“低”、“中”、“高”和“关键”。相应地,问题可被分类为相应于语言变量的类别。问题的明确值可用于例如通过比较在一个类别内的所有问题的明确值来实现在每个类别内的更精细的优先化。可基于至少一个模糊集合的解模糊化和在模糊结果的计算期间由模糊专家系统使用的相应隶属程度,来计算明确值。因此,语言输出进一步地,数值解模糊化值被确定并用于问题的更精确优先化。
在一个实施例中,基于多个输入参数的类型和数量从一组模糊专家系统中选择模糊专家系统。例如,可能需要某个数量的输入参数(例如两个、四个、六个和八个输入参数)的值作为输入,以便实现对指定问题的分析。此外,这些值可与某个类型的输入参数有关,所述某个类型的输入参数例如指示问题的紧急性的值和指示消费者用户的影响的值,所述指示消费者用户的影响的值可与受影响的用户有关。给定输入参数的数量及其类型,相应的模糊专家系统可被选择用于确定相应问题的优先级。
图1示出根据例子的问题分析方法的流程图。可以是计算机实现的方法的方法100在块102开始。方法100可例如由实现问题管理方法的计算机实现的过程或由提供与问题有关的任何种类的输入数据的操作人员触发。
可在块104接收指定问题的相应值。这些值可例如与确定问题或可构成多个输入字的多个输入参数有关,所述多个输入字可组合地定义有关问题的描述。可从操作员或用户接收104这些值。此外,可从操作员接收第一组值并从数据库或数据存储库或另一自动化输入装置获取另一组值,所述另一自动化输入装置例如监控问题可涉及的实体的状态的应用。
可在块106分析多个输入参数的值。分析可充分与模糊专家系统108交互,以便计算模糊结果。例如,多个输入参数的值可映射到多个模糊集上,且由模糊专家系统定义的一组模糊规则可应用于例如通过组合每个模糊规则的输出模糊集合来计算模糊结果。模糊专家系统还可定义指定模糊规则的应用的层级的推理引擎。
模糊结果还可包括在块110a提供的语言值。可从因而产生的模糊集合和如模糊专家系统108所确定的相应隶属程度计算语言值110a。例如,模糊规则的输出模糊集合可组合成代表语言值110a的单个输出模糊集合。可以用不同的方式,例如使用最大值方法、有界和方法及归一化和方法以及其它适当的方法之一,来组合每个规则的结果。此外,可分析因而产生的模糊集合的所有成员的隶属程度,以便得到语言值110a的进一步近似。
此外,可在块110b提供明确值。明确值110b可以指可通过因而产生的模糊集合的解模糊化及其隶属程度得到的数字值或实值。为了确定明确值110b,因而产生的模糊集合的隶属函数的几何结构和形状可被分析并叠加以例如从形心得到数字值,所述形心是从叠加的函数得到的。
基于两个值——语言值110a和明确值110b,可在块112确定问题的优先级。例如,可根据语言值110a来对问题分类,且随后,可使用明确值110b来对问题分等级。因此,语言值110a可用于确定每个问题的种类或类别,且明确值110b可用于对在那个种类或类别中的问题编索引。然而,明确值110b也可用于进一步影响所确定的种类或类别,使得如果明确值110b超过某个阈值或落在某个阈值之下,则问题可被重新分类成相邻种类或类别。
在优先级112的确定之后,方法100在块114完成。当完成时,方法100也可将处理和所确定的优先级传递到另一管理过程,其可随后向操作人员或自动化处理实体提供分析结果。
方法100或方法100的特定处理步骤可被表示为机器可读指令,其可在一个单个线程或进程内以及在特定的线程或进程内在多个处理装置上执行,例如通过处理单元或处理单元的处理核心以及通过其它软件和/或硬件处理资源及其组合来执行。
尽管方法100已被描述为处理步骤序列,但是应理解,可以用不同的顺序执行相应的处理步骤。此外,可并发地执行方法100的特定处理步骤。例如,可顺序地或并行地确定语言值110a和明确值110b。此外,并不是所有步骤在所描述的所有实施例中都是需要的。
本公开还涉及计算机可读介质,其具有存储在其上的指令,其中所述指令响应于由计算设备执行而使所述计算设备执行用于问题管理和分析的方法,其可类似于上面描述的方法的例子,例如图1的方法100。响应于该执行,根据例子的计算设备维持问题的多个描述——每个描述包括指定问题的多个输入字,并基于模糊结果的语言值和数字值来优先化问题,通过将相应的多个输入字映射到多个模糊集合上并通过将一组模糊规则应用于多个模糊集合计算模糊结果,来针对问题的每个所维持的描述来确定模糊结果的语言值和数字值,其中模糊结果包括指示问题的优先级的语言值和解模糊化的数字值。
此外,本公开涉及具有应用层、通信层和模糊层的问题分析系统。应用层包括用于基于相应问题的优先级来维持问题描述的引擎,每个描述包括指定相应问题的输入参数的多个值。模糊层经由通信层耦合到应用层。模糊层包括模糊专家系统和通信接口,用于从应用层接收问题描述的多个值,使用模糊专家系统分析多个值,以及将指示问题的优先级的结果从模糊专家系统传输回到应用层。结果包括语言变量和明确变量的值,使得基于模糊结果的语言值和明确值来确定优先级。
图2示意性示出根据例子的用于问题分析的类似系统的方框图。系统200可包括三层:应用层202、模糊层204和通信层206。
例如用户208的操作人员或消费者可经由输入模块210访问应用层202,以便提供包括指定相应问题的输入参数的多个值的问题描述。应用层202可代表系统200的部分,用户208可与应用层202交互并定义位置,在该位置,用户208可创建、审查和管理问题。应用层202可被实现为单个应用,其可在计算机上被执行或可被表示为指向问题管理和分析的某个工作流的多个处理。输入模块210可例如被实现为应用层202的输入接口,并可通信地耦合到由用户208操作的输入终端。此外,用户208可使用客户端设备(未示出)来输入问题描述,其可之后经由网络从客户端设备传送到输入模块210。
每当用户208使用应用层202的输入模块210打开新的问题描述或记录时,系统200的处理可被触发。对于对问题的定义所必需的一些输入参数,用户208可输入相应的语言值或数字值,包括受影响的用户的数量和受影响的配置术语。此外,可自动得到输入参数的值或几个值,像用于当前类似的未解决的问题的值。
应用层202可包括基于相应问题的优先级来维持问题描述的引擎212。引擎212可被实现为封装功能实体,其可独立于应用层202的处理而运行并周期性地更新管理过程。引擎212可例如被实现为应用层202内的独立线程或进程。
问题描述可存储在数据库214或任何本地或远程存储装置中。数据库214可被实现为应用层202的部分或可在例如数据库服务器的单独处理实体上实现。
新的问题描述一经由输入模块210从用户208被接收到,引擎212就可将问题描述存储在数据库214中,经由通信层206与模糊层204通信并向模糊层204提供问题描述的所接收的多个值。引擎212也可将所接收的值直接推到模糊层204,并推迟问题描述的存储。引擎212或应用层202可将问题描述的相应值直接传输到模糊层204或可将密钥直接传输到模糊层204,这使模糊层204能够从数据库212获取问题描述,如虚线216所指示的。
通信层206可代表接口或环境,应用层202和模糊层206可通过该接口或环境进行通信。应用层202和模糊层204可经由通信层206在两个方向上发送数据和消息,包括用于确定问题的优先级的任何问题分析参数和因而产生的值,例如与数字值组合的语言值。通信可由通信层206加密。同样,通信层206可被实现为安全信道。
模糊层204可包括模糊专家系统(未示出),其基于与问题管理和分析有关的以前收集的和构造的专家知识来执行分析,专家知识被表示为相应的模糊集合,包括其隶属函数、模糊规则、模糊推理引擎和解模糊化方法。模糊专家系统可分析值并计算模糊结果,例如具有相应的隶属程度的因而产生的模糊集合。
系统200可使用指定至少问题的紧急性和问题的影响的一组语言输入参数,例如可与受影响的用户有关的消费者用户影响的指示。此外,另外的输入参数可涉及服务提供者用户影响的指示、受影响的配置术语或被问题影响的术语的数量、类似的未解决的问题或类似的未解决的问题的数量、安全影响、生产率影响和声誉影响中的至少一个。可以使用多个术语(例如三个术语)来对每个语言变量建模,所述多个术语包括三角形、梯形和正弦隶属函数中的至少一个。相应的隶属函数可涉及语言值,例如可使用梯形隶属函数来建模的“低”、可使用三角形隶属函数来建模的“中”和可使用梯形隶属函数来建模的“高”。
因而产生的模糊变量可代表问题优先级的指示,并可例如包括被标记为“非常低”、“低”、“平均”、“高”和“关键”的下面的模糊值或术语。它们中的每个可使用三角形、梯形和正弦隶属函数中的至少一个来建模。例如,模糊值“不重要”可被建模为梯形函数,模糊值“低”可被建模为三角形函数,模糊值“中”可被建模为三角形函数,模糊值“高”可被建模为三角形函数,以及模糊值“关键”可被建模为梯形函数。
模糊层204或模糊专家系统可进一步基于因而产生的模糊集合得到语言值和基于因而产生的模糊集合的解模糊化得到明确值。结果可经由通信层206传送回到应用层202或引擎212用于进一步的处理和优先级确定。两个因而产生的值都可在问题描述或记录中被设置,并可由应用层202或引擎212使用来相对于其它被管理的问题对问题进行优先化。
基于所有现有问题的结果和所确定的优先级,问题可根据其优先级被排序以用于执行。例如,系统200可使用因而产生的语言值来定义问题的组或类别,并可进一步使用数字值来评估在每个组或类别中的问题。因此,问题可按照因而产生的语言值被分组,并此外基于数值明确值被优先化或评估。结果可根据该优先化由应用层202提供给用户208。因此,在模糊层204中例如由模糊专家系统计算的解模糊化数值明确值实现更精确的优先化以及改进的由系统200管理的问题的分组。以该方式,管理问题的执行的用户208或操作员可更快地认识和识别可首先或以较高优先级被处理的关键问题,以便实现更好的SLA评估。因此,用户的满意度以及在某个SLA内解决的问题的数量可增加。
可在需要问题的智能分析和管理的任何域中应用系统200,所述域例如与IT基础设施问题有关的IT服务管理,所述IT基础设施问题例如与IT硬件、IT软件和其组合有关的问题。通过利用模糊专家系统并使模糊专家系统适应于在相应域中找到的问题分析的过程,系统200实现用于问题分析的专家知识的提高和智能的使用,并可自动处理与不完整和不正确的输入数据有关的多义性。专家知识可在模糊专家系统中在内部被定义为专用模糊规则和模糊集合。多义性可例如被定义为指示用户208只有关于问题的特定特性的有限知识或不可能更精确地定义与问题有关的当前状态或未来结果的条件。通过考虑多义性,系统200允许确定客观地定义的问题优先级。
尽管已经关于特定的层和处理部件描述了系统200,但应理解,不是所有结构特征和功能实体都在所有实施例中是需要的。例如,应用层可由多个用户控制,并可包括另外的模块以实现输入参数的输入和/或优先级的输出。此外,系统200可被实现为基于网络的或分布式服务器系统,使得用户208可操作经由网络耦合到应用层202的客户端设备。此外,应用层202可由用户208操作来接收问题描述,并可经由另一输出接口将问题的因而产生的优先化递送到另一用户或另一组用户。类似地,层202、204、206可被实现为在单个机器上的模块,或可以在可例如经由网络彼此通信的远程计算资源或处理资源上实现。此外,系统200的至少一些部件可配置成根据上面描述的例子来执行用于问题管理和分析的方法,例如图1的方法100。
进一步对于关于图2描述的例子,可与模糊层204类似的模糊层可包括基于所提供的输入参数的数量和类型而选择的多个模糊专家系统。每个模糊专家系统可例如适合于某个数量和类型的输入参数,例如两个、四个、六个和八个输入参数。根据例子,对于每个数量的输入参数,模糊层可包括四个模糊专家系统。如果定义问题的紧急性和消费者用户影响(其指示受影响的用户的数量)的两个输入参数被使用,则这些模糊专家系统之一可例如被选择和应用。这两个输入参数可成对地组合。
可在模糊层中选择的另一模糊专家系统可响应于定义可与消费者用户影响(受影响的用户)成对组合的服务提供者用户影响的四个输入参数以及紧急输入参数,所述紧急输入参数可与指示类似的未解决的问题的输入参数成对组合。
模糊层的又一模糊专家系统可响应于可与消费者用户影响(受影响的用户)成对组合的指定服务提供者用户影响的六个输入参数以及指示问题的紧急性的输入参数以及受影响的配置项的指示,所述指示问题的紧急性的输入参数可与类似的未解决的问题的指示成对组合,所述受影响的配置项的指示可与安全影响成对组合。
此外,模糊层可包括另外的模糊专家系统,其响应于可与消费者用户影响(受影响的用户)成对组合的指定服务提供者用户影响的八个输入参数以及紧急性的指示以及受影响的配置项的指示以及生产率影响的指示,所述紧急性的指示可与类似的未解决的问题的指示成对组合,所述受影响的配置项的指示可与安全影响的指示成对组合,所述生产率影响的指示可与声誉影响的指示成对组合。
根据与上面描述的例子类似的另一例子,模糊层可包括三个模糊专家系统,其中至少一个模糊专家系统响应于两个输入参数,且两个模糊专家系统每个响应于四个、六个和八个输入参数中的至少一种,类似于上面描述的模糊专家系统。
此外,与上面描述的例子类似的一个例子的模糊层可包括两个可选择的模糊专家系统,其中一个模糊专家系统响应于两个输入参数,且一个模糊专家系统响应于四个、六个和八个输入参数中的至少一种,类似于上面描述的模糊专家系统。
根据上面描述的例子的系统和方法和相应的模糊专家系统提供良好的计算能力,因为它们实现并行计算和处理,例如并行模糊规则执行。所述系统和方法以较高水平的精度进一步实现具有不明确信息的问题描述的处理。因此,对于构建复杂模型,只需较少的有经验专家,且对于构建模型的设计和原型需要较少的时间。此外,对于发现和移除错误需要较少的时间,且对于检查和改进模型需要较少的时间。
图3以示意性方框图的形式示出根据一个例子的模糊专家系统的部件。例如在关于图2的例子中描述的系统中可应用的模糊专家系统300定义应用于一组输入模糊变量304的一组模糊规则302,以便产生可用于优先级确定的输出模糊变量306。
输入模糊变量可包括对客户端的用户的影响的指示308a和提供者用户的影响的指示308b。此外,这组输入模糊变量304可包括类似的未解决的问题的指示308c和紧急性的指示308d,其可与问题的执行时间有关。因此,模糊专家系统300可响应于四个输入模糊变量304。
在第一层级步骤中,指示308a和308b可成对组合并服从模糊规则302之一。此外,指示308c和308d在第一层级步骤中可成对组合并服从模糊规则302中的另一个。这两个结果都可服从模糊规则302中的又一个以在第二层级步骤中产生输出模糊变量306。
模糊规则302之一的每个应用的结果可以是具有相应的隶属程度的另一模糊集合。每个模糊集合的隶属函数可被定义为三角形、梯形或正弦函数或适合于描述隶属程度的任何其它函数。
图4A、4B和4C示出根据一个例子的在问题分析方法中应用的模糊集合的隶属函数。特别地,图4A、4B和4C示出具有不同的模糊等级的三个不同的模型,其可应用于输入模糊变量,例如,如关于图3讨论的输入模糊变量304。
如所示,可使用具有不同的隶属函数的三个语言值“低”、“中”和“高”来定义根据例子的模糊变量。根据图4A,语言值“中”的隶属函数可被定义为用三个点(0.3, 0.5, 0.7)、用区间[0.3, 0.5]和[0.5, 0.7]表示的三角形函数,区间[0.3, 0.5]和[0.5, 0.7]分别定义从0.0到1.0的线性增加和从1.0到0.0的线性降低。此外,函数在0.5时具有最大值1.0,且在前述区间之外为0。值“低”和“高”的隶属函数被定义为梯形函数。类似地,图4B的隶属函数被定义为值“低”和“高”的梯形函数,且值“中”的三角形函数被给出为(0.2, 0.5, 0.8)。同样,图4C的隶属函数被定义为值“低”和“高”的梯形函数,且值“中”的三角形函数被给出为(0.1, 0.5, 0.9)。
根据关于图4A、4B和4C描述的例子的不同模型可应用于将一组测试值映射到相应的模糊集合上。测试值可例如与定义测试问题的多个输入参数有关。在测试值的映射之后,模糊专家系统可用于计算每个模型的测试结果。可基于可与最佳优先化比较的测试问题的因而产生的总优先化来评估单独的测试结果。具有最佳评估的模型可被选择并应用在相应的模糊专家系统中,以用于真实问题的问题分析和优先级确定。例如,已利用一组测试用例将在图4B中定义的模型确定为递送最佳结果。
Claims (20)
1. 一种用于分析问题的方法,包括:
接收指定问题的多个输入参数的值;
使用模糊专家系统分析所述多个输入参数的值,从而计算包括语言变量的值和明确值的模糊结果;以及
确定所述问题的优先级,其中所述优先级基于所述模糊结果的所述语言变量的值和所述明确值来确定。
2. 如权利要求1所述的方法,还包括基于所述多个输入参数的类型和数量从一组模糊专家系统选择所述模糊专家系统。
3. 如权利要求1所述的方法,其中对所述值的分析包括将所述多个输入参数映射到多个模糊集合上并应用一组模糊规则,其中所述模糊规则由所述模糊专家系统定义。
4. 如权利要求3所述的方法,其中根据由所述模糊专家系统的模糊推理引擎指定的层级来应用所述模糊规则。
5. 如权利要求3所述的方法,其中所述多个输入参数的映射包括:对于每个输入参数,基于所述输入参数的类型来定义多个隶属函数。
6. 如权利要求5所述的方法,其中所述多个隶属函数包括三角形、梯形和正弦隶属函数中的至少一个。
7. 如权利要求1所述的方法,其中所述多个输入参数被定义为语言变量。
8. 如权利要求1所述的方法,其中所述优先级的确定包括:使用所述语言变量的值来将所述问题分类为多个类别之一,并使用所述明确值来对所述类别内的所述问题分等级。
9. 如权利要求1所述的方法,其中基于至少一个模糊集合的解模糊化和相应的隶属程度来计算所述明确值。
10. 如权利要求1所述的方法,其中所述模糊结果基于至少一个模糊集合,包括三角形、梯形和正弦隶属函数中的至少一个。
11. 如权利要求1所述的方法,其中所述多个输入参数中的至少一些涉及对定义所述问题的偏差的描述,所述多个输入参数包括用户影响和所述问题的紧急性中的至少一个。
12. 如权利要求1所述的方法,其中对所述值的分析还包括基于所述多个输入参数中的至少一个来确定类似的问题。
13. 如权利要求1所述的方法,还包括将具有不同模糊等级的多个模型应用于所述多个输入参数,对于每个模型,使用所述模糊专家系统分析针对所述多个输入参数的一组测试值,从而计算测试结果,针对每个模型评估所述测试结果,并基于所述评估来选择所述多个模型之一。
14. 一种计算机可读介质,其上存储有指令,其中所述指令响应于由计算设备执行而使所述计算设备:
维持多个问题描述,每个描述包括指定所述问题的多个输入字;
对于每个所维持的问题描述,将所述多个输入字映射到多个模糊集合上,并通过将一组模糊规则应用于所述多个模糊集合来计算模糊结果,其中所述模糊结果包括指示所述问题的优先级的解模糊化的数字值和语言值;以及
基于相应模糊结果的语言值和数字值来优先化问题。
15. 如权利要求14所述的介质,其中所述计算设备进一步分析输入字的类型和数量,并基于所述分析从一组模糊专家系统选择模糊专家系统,其中所述模糊专家系统定义所述一组模糊规则。
16. 如权利要求14所述的介质,其中为了优先化所述问题,所述计算设备根据所述语言值将所述问题分类为一组类别,并根据相应的数字值对每个类别的问题分等级。
17. 如权利要求14所述的介质,其中所述计算设备进一步接收对另外问题的描述,确定所述另外问题的优先级,并通过比较所确定的优先级与所维持的问题的优先级来优先化所述另外问题。
18. 一种问题分析系统,包括:
应用层,其包括用于基于相应问题的优先级来维持问题描述的引擎,每个描述包括指定相应问题的输入参数的多个值;
通信层;以及
模糊层,其经由所述通信层耦合到所述应用层,所述模糊层包括模糊专家系统和通信接口,用于从所述应用层接收问题描述的多个值,使用所述模糊专家系统分析所述多个值,以及将指示问题的优先级的结果从所述模糊专家系统传输回到所述应用层,其中所述结果包括语言变量的值和明确值,且所述优先级基于模糊结果的语言变量的值和明确值来确定。
19. 如权利要求18所述的系统,其中所述应用层还包括输入模块,用于从所述系统的用户接收问题描述,并将所述问题描述提供到所述引擎。
20. 如权利要求18所述的系统,其中所述问题涉及IT基础设施,所述IT基础设施包括IT硬件、IT软件及其组合中的至少一个。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2012/047501 WO2014014470A1 (en) | 2012-07-20 | 2012-07-20 | Problem analysis and priority determination based on fuzzy expert systems |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104246798A true CN104246798A (zh) | 2014-12-24 |
Family
ID=49949144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280072853.5A Pending CN104246798A (zh) | 2012-07-20 | 2012-07-20 | 基于模糊专家系统的问题分析和优先级确定 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10878324B2 (zh) |
CN (1) | CN104246798A (zh) |
WO (1) | WO2014014470A1 (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014014470A1 (en) | 2012-07-20 | 2014-01-23 | Hewlett-Packard Development Company, L.P. | Problem analysis and priority determination based on fuzzy expert systems |
US9880916B2 (en) * | 2012-09-25 | 2018-01-30 | International Business Machines Corporation | Management of system events using one or more event attributes |
US20160378521A1 (en) * | 2015-06-24 | 2016-12-29 | International Business Machines Corporation | Automated test optimization |
CN105231334B (zh) * | 2015-08-27 | 2019-03-08 | 北京农业信息技术研究中心 | 鱼子酱加工过程的质量控制方法 |
WO2017071775A1 (en) * | 2015-10-30 | 2017-05-04 | Hewlett Packard Enterprise Development Lp | Fuzzy logic based resending order of not successfully processed requests |
US11074529B2 (en) | 2015-12-04 | 2021-07-27 | International Business Machines Corporation | Predicting event types and time intervals for projects |
US11120460B2 (en) | 2015-12-21 | 2021-09-14 | International Business Machines Corporation | Effectiveness of service complexity configurations in top-down complex services design |
US10902446B2 (en) | 2016-06-24 | 2021-01-26 | International Business Machines Corporation | Top-down pricing of a complex service deal |
US10248974B2 (en) | 2016-06-24 | 2019-04-02 | International Business Machines Corporation | Assessing probability of winning an in-flight deal for different price points |
US10929872B2 (en) | 2016-06-24 | 2021-02-23 | International Business Machines Corporation | Augmenting missing values in historical or market data for deals |
US10755324B2 (en) | 2018-01-02 | 2020-08-25 | International Business Machines Corporation | Selecting peer deals for information technology (IT) service deals |
US11182833B2 (en) | 2018-01-02 | 2021-11-23 | International Business Machines Corporation | Estimating annual cost reduction when pricing information technology (IT) service deals |
EP3806004A1 (en) * | 2019-10-09 | 2021-04-14 | Tata Consultancy Services Limited | Method and system for trip classification |
CN110909489A (zh) * | 2019-12-06 | 2020-03-24 | 南京工业大学 | 一种基于模糊评判的故障模式危害度评估方法 |
CN111625526A (zh) * | 2020-05-27 | 2020-09-04 | 石家庄铁道大学 | 模糊数据处理方法、系统及终端设备 |
CN111832905B (zh) * | 2020-06-19 | 2022-05-20 | 上海交通大学 | 一种识别产品相关服务需求间交互关联关系的方法 |
CN116806343A (zh) | 2020-10-01 | 2023-09-26 | 克劳德斯玛特有限公司 | 概率图形网络 |
CN113902145A (zh) * | 2021-09-30 | 2022-01-07 | 合肥工业大学智能制造技术研究院 | 一种基于2型模糊语言术语的化工泵维护策略优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6483808B1 (en) * | 1999-04-28 | 2002-11-19 | 3Com Corporation | Method of optimizing routing decisions over multiple parameters utilizing fuzzy logic |
US20030195937A1 (en) * | 2002-04-16 | 2003-10-16 | Kontact Software Inc. | Intelligent message screening |
CN101267448A (zh) * | 2008-05-09 | 2008-09-17 | 东北大学 | 一种基于嵌入式qnx操作系统的智能规约转换装置及方法 |
US20090132662A1 (en) * | 2007-11-16 | 2009-05-21 | Electronic Data Systems Corporation | Managing Delivery of Electronic Messages |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5524176A (en) | 1993-10-19 | 1996-06-04 | Daido Steel Co., Ltd. | Fuzzy expert system learning network |
US5815638A (en) | 1996-03-01 | 1998-09-29 | Client/Server Connection, Ltd. | Project estimator |
US6081798A (en) * | 1996-04-24 | 2000-06-27 | International Business Machines Corp. | Object oriented case-based reasoning framework mechanism |
CA2242069A1 (en) | 1998-06-25 | 1999-12-25 | Postlinear Management Inc. | Possibilistic expert systems and process control utilizing fuzzy logic |
EP1208445A4 (en) | 1998-07-02 | 2002-05-29 | Kepner Tregoe Inc | METHOD AND APPARATUS FOR PROBLEM SOLVING DECISIONS, STORAGE, ANALYSIS, ACQUISITION OF BUSINESS-SPECIFIC KNOWLEDGE AND DATA |
US6137907A (en) * | 1998-09-23 | 2000-10-24 | Xerox Corporation | Method and apparatus for pixel-level override of halftone detection within classification blocks to reduce rectangular artifacts |
US7600007B1 (en) | 1999-05-24 | 2009-10-06 | Computer Associates Think, Inc. | Method and apparatus for event correlation in service level management (SLM) |
US6775594B1 (en) * | 2001-01-16 | 2004-08-10 | Engage Networks, Inc. | Method for ranking and dispatching electrical generation systems over a computer network |
US20040215551A1 (en) | 2001-11-28 | 2004-10-28 | Eder Jeff S. | Value and risk management system for multi-enterprise organization |
WO2002088989A1 (en) * | 2001-04-30 | 2002-11-07 | Goraya Tanvir Y | Adaptive dynamic personal modeling system and method |
US6957202B2 (en) * | 2001-05-26 | 2005-10-18 | Hewlett-Packard Development Company L.P. | Model selection for decision support systems |
US20030037063A1 (en) | 2001-08-10 | 2003-02-20 | Qlinx | Method and system for dynamic risk assessment, risk monitoring, and caseload management |
US7529722B2 (en) | 2003-12-22 | 2009-05-05 | Dintecom, Inc. | Automatic creation of neuro-fuzzy expert system from online anlytical processing (OLAP) tools |
US7328202B2 (en) | 2004-08-18 | 2008-02-05 | Xishi Huang | System and method for software estimation |
US20070112695A1 (en) | 2004-12-30 | 2007-05-17 | Yan Wang | Hierarchical fuzzy neural network classification |
US20060167832A1 (en) * | 2005-01-27 | 2006-07-27 | Allen Joshua S | System management technique to surface the most critical problems first |
US7689615B2 (en) * | 2005-02-25 | 2010-03-30 | Microsoft Corporation | Ranking results using multiple nested ranking |
US20090234684A1 (en) | 2005-03-24 | 2009-09-17 | Mark Peter Stoke | Risk Based Data Assessment |
US8364610B2 (en) * | 2005-04-08 | 2013-01-29 | Caterpillar Inc. | Process modeling and optimization method and system |
US7853538B2 (en) | 2006-04-10 | 2010-12-14 | Dietmar Hildebrand | Fuzzy logic-based surveillance in information technology and business service management systems |
GB0809443D0 (en) * | 2008-05-23 | 2008-07-02 | Wivenhoe Technology Ltd | A Type-2 fuzzy based system for handling group decisions |
US8370285B2 (en) * | 2008-06-26 | 2013-02-05 | The Texas A&M University System | Identification of power system events using fuzzy logic |
US8260653B1 (en) | 2009-07-23 | 2012-09-04 | Bank Of America Corporation | Computer-implemented change risk assessment |
US20120232948A1 (en) | 2011-03-07 | 2012-09-13 | Wolf Kay | Information technology infrastructure risk modeling |
US20120317058A1 (en) | 2011-06-13 | 2012-12-13 | Abhulimen Kingsley E | Design of computer based risk and safety management system of complex production and multifunctional process facilities-application to fpso's |
WO2014014470A1 (en) | 2012-07-20 | 2014-01-23 | Hewlett-Packard Development Company, L.P. | Problem analysis and priority determination based on fuzzy expert systems |
-
2012
- 2012-07-20 WO PCT/US2012/047501 patent/WO2014014470A1/en active Application Filing
- 2012-07-20 CN CN201280072853.5A patent/CN104246798A/zh active Pending
- 2012-07-20 US US14/395,445 patent/US10878324B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6483808B1 (en) * | 1999-04-28 | 2002-11-19 | 3Com Corporation | Method of optimizing routing decisions over multiple parameters utilizing fuzzy logic |
US20030195937A1 (en) * | 2002-04-16 | 2003-10-16 | Kontact Software Inc. | Intelligent message screening |
US20090132662A1 (en) * | 2007-11-16 | 2009-05-21 | Electronic Data Systems Corporation | Managing Delivery of Electronic Messages |
CN101267448A (zh) * | 2008-05-09 | 2008-09-17 | 东北大学 | 一种基于嵌入式qnx操作系统的智能规约转换装置及方法 |
Non-Patent Citations (2)
Title |
---|
田应忠: "基于模糊集的模糊专家系统研究与应用", 《中国优秀博硕士学位论文全文数据库 (硕士) 信息科技辑》 * |
窦东阳等: "基于优先级诊断树的旋转机械故障诊断专家系统", 《中国电机工程学报》 * |
Also Published As
Publication number | Publication date |
---|---|
WO2014014470A1 (en) | 2014-01-23 |
US10878324B2 (en) | 2020-12-29 |
US20150286949A1 (en) | 2015-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104246798A (zh) | 基于模糊专家系统的问题分析和优先级确定 | |
Wu et al. | Literature review and prospect of the development and application of FMEA in manufacturing industry | |
Liu et al. | A knowledge graph-based data representation approach for IIoT-enabled cognitive manufacturing | |
US20140324747A1 (en) | Artificial continuously recombinant neural fiber network | |
KR101825881B1 (ko) | 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템 | |
Sokolova et al. | Modeling and implementing an agent-based environmental health impact decision support system | |
Saraeian et al. | Optimal autonomous architecture for uncertain processes management | |
Hatwágner et al. | Parameterization and concept optimization of FCM models | |
Shahzadi et al. | The extended MOORA method based on Fermatean fuzzy information | |
Klymovych et al. | The Diagnostics Methods for Modern Communication Tools in the Armed Forces of Ukraine Based on Neural Network Approach. | |
Buede et al. | Convergence in problem solving: a prelude to quantitative analysis | |
Zidi et al. | Use of fuzzy logic for reconfigurability assessment in supply chain | |
Jiang et al. | A new form of deep learning in smart logistics with IoT environment | |
Praynlin et al. | Performance analysis of software effort estimation models using neural networks | |
Gerrits | Soul of a new machine: Self-learning algorithms in public administration | |
Queiroz et al. | A fuzzy logic recommendation system to support the design of cloud-edge data analysis in cyber-physical systems | |
Merkt | Predictive models for maintenance optimization: an analytical literature survey of industrial maintenance strategies | |
Pisica et al. | Feature selection filter for classification of power system operating states | |
CN116011722A (zh) | 一种面向大电网的人机协作的调控方法、模块及装置 | |
Lin et al. | Design and implementation of a CPS‐based predictive maintenance and automated management platform | |
CN114265891A (zh) | 基于多源数据融合的智慧车间系统、方法及存储介质 | |
Khalaj et al. | A novel risk-based analysis for the production system under epistemic uncertainty | |
Schwarz et al. | Towards an integrated sustainability evaluation of energy scenarios with automated information exchange | |
Sharma et al. | Prioritization of tools in joint production–maintenance environment of auto component manufacturer using ahp–fuzzy–topsis | |
US20230376796A1 (en) | Method and system for knowledge-based process support |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141224 |